新智元報道

編輯：編輯部 XZH

【新智元導讀】豆包的一句話P圖功能，又進化了！各種高考祝福、網絡梗圖、大片級精修、設計師草稿，無不是信手拈來。此刻，AI P圖再次迎來降維打擊，只要用自然語言，就能實現(xiàn)精準的圖片編輯。可以說，AI修圖終于來到了3.0時代！

高考第一天就這么來了！莘莘學子們離解放的日子，也只剩不到三天。

祝廣大考生文曲星附體，逢考必過，心想事成！

如今，回憶起當年的場景，有沒有想過直接穿越到霍格沃茨的魔法世界？

還是未來的賽博朋克世界？

話說，現(xiàn)在P圖已經進化成這樣了嗎？

說句話，圖就自己變了！

輕描淡寫一句「天空換成夕陽」，早晨的城市公園瞬間鋪滿溫柔的晚霞

雖說用AI來P圖已經是稀松平常，但在這次用過豆包AI最新版本智能修圖后，真的有被征服，只剩下一個感受——穩(wěn)！太穩(wěn)了！

不論是精準的在圖像上編輯文字。

張伯倫拿著100分照片的梗圖，秒變高考祝福

還是局部圖像任意修改細節(jié)。

豆包在精細且自然地處理編輯區(qū)域的同時，都能高保真地維持其他信息。

這次豆包的能力提升主要得益于圖像編輯模型SeedEdit 3.0全量上線。

經過兩個版本的迭代，豆包AI智能生圖直接化身你個人專屬的P圖專家。

愛因斯坦在上海

一秒入古畫，人在畫中游

將衣服和發(fā)型換成大人模樣

而且，操作起來既然不用糾結細節(jié)，也無需學習復雜的軟件界面。

你只需要一句簡單的指令，便能看到想象力如何被一鍵點亮。

圖片文字編輯：超準超實用

一直以來，AI在圖像編輯領域都有個很難過去的坎——在圖片中「準確地」添加文字。

舉個例子，比如我們想在眼鏡左鏡片上添加文字「暴」，右鏡片上添加文字「富」。

這時，模型不僅需要完全理解圖片（找到墨鏡），并且還要理解要添加的文字（別認錯字）。

對于這項任務，即使是國外的扛把子ChatGPT，翻車也是常態(tài)。尤其，是在處理中文時。

比如將圖中的「暴富」換成「發(fā)財」，ChatGPT兩個字都打錯了。

相比之下，豆包就能完美達成。

改文案、做海報，簡直是打工人神器，以后編輯圖片不用再求人了。

將界面改為手機點餐app的UI，移除人像，將「Shop」「Spring Sale Up to 50% Off」「Clothing」「Shoes」「Accessories」「Home」「Wireless Eardus」「Woman Hat」「Brejan Sweater」「Sneakers」「-20% On select items」「New Arrivals」等文字改成餐飲相關的

圖像局部修改：化身PS達人

這次帶來的另一個「神器」功能，就是局部修改PS。

比如，我們可以把喬幫主抱著的蘋果電腦換成最新版的MacBook。

或者把手里的iPhone換成字面意思上的蘋果。

如此沒有違和感的成片，說聲「PS大神」不為過吧！

圖像風格遷移：秒變攝影大師

豆包這次升級另外一個看點就是可以進行圖片整體風格遷移，比如將人物直接放入拍立得相框。

這下，再也不擔心女朋友的要求了。

AI修圖，正當時

豆包上的AI生圖，為何進化到了如此強大的地步？

這就不得不提它背后的模型——SeedEdit 3.0了。

要知道，之前的圖像編輯模型，往往存在這樣一個令人頭疼的通病——

在保留圖像主體和背景、精準執(zhí)行編輯指令方面表現(xiàn)不佳，導致生成結果可控性差、成品率低，難以滿足真實應用需求。

而SeedEdit 3.0通過引入多源數(shù)據融合策略與定制化獎勵機制，成功突破了這一瓶頸。

無論是主體還原、背景一致性，還是細節(jié)保真度，SeedEdit 3.0均實現(xiàn)大幅提升。

尤其在人像美化、場景替換、視角調整與光影變化等復雜編輯任務中，展現(xiàn)出了讓人印象極其深刻的穩(wěn)定性與真實感。

可以看到，如今在SeedEdit 3.0加持下的豆包已經不單單局限于日常P圖，更是變成了設計師們的工作利器。

圖像編輯一騎絕塵

比如，在花瓶的瓶身上畫上花紋，將花瓶上色成青花瓷，并變成真實花瓶。

再比如，將圖片里的四種花上色，并擺放在同一個精美的玻璃瓶里，玻璃瓶置于客廳的窗臺上，去掉標注的文字，變?yōu)閷憣崝z影圖片。

之所以能有如此表現(xiàn)，正是因為團隊在 SeedEdit 3.0的研發(fā)工作中提出了一種高效的數(shù)據融合策略，并構建了多種專用獎勵模型。

通過將這些獎勵模型與擴散模型聯(lián)合訓練，團隊針對性地改善了關鍵任務的編輯質量（如人臉對齊、文本渲染等）。在落地時也對推理加速進行了同步優(yōu)化。

從上面這些實測中不難看出，SeedEdit 3.0對非編輯區(qū)域的保持能力很強——既能留住細節(jié)，又能兼顧美感。

P圖中的「變」與「不變」

在實測過程中，豆包的另一個令人印象深刻之處就是：P起圖來，它怎么那么會！

讓照片中的人物頭戴簪花，衣服換成惠安民族服裝，背景替換為福建海邊。

這是三個要求，不僅要找到人物，還要定位服裝，最后還要識別背景。

而豆包都完美做到了。

這當然也要歸功于SeedEdit 3.0。

要知道，圖像編輯任務訓練的另一大關鍵，就是讓模型聽懂指令，區(qū)分出哪里需要變，哪里需要不變。

為此，團隊專門開發(fā)了一套增強型數(shù)據融合策略，構建了合成數(shù)據集、編輯專家數(shù)據、傳統(tǒng)人工編輯操作、視頻幀與多鏡頭幾個類別的數(shù)據。

基于上述數(shù)據，研究者促使擴散模型在真實數(shù)據與合成的「輸入-輸出編輯空間」進行交錯學習，提高對真實圖片的編輯效果。

就這樣，對于編輯圖像時的難題——「哪里改，哪里不改」，SeedEdit 3.0都表現(xiàn)出了更佳的理解力和權衡力。

再加上豆包APP的超強圖片編輯能力，用AI來P圖真正做到了「言出法隨」。

還有比如這張，原圖是哪吒和敖丙在實驗室里做果汁。我們要求p成背景在高考考場，豆包就很好地領會到了。

就算是細節(jié)拉滿的promt，豆包也能輕松get。

把照片改成插畫風格，女生騎坐在一條可愛的卡通紅金魚身上，金魚眼睛大且靈動，魚鰭、魚尾色彩鮮艷，背景是橙紅色放射狀漸變并帶白色線條裝飾，上方有黃橙漸變卡通字「一定高中」，底部是藍白色海浪圖案。

對齊不同模態(tài)信息

值得一提的是，這次豆包P圖保留的人臉細膩質感，實在令人贊嘆不已。

這就要歸功于，SeedEdit 3.0團隊對于模型細節(jié)上的提升。

他們還沿用了此前驗證過的框架：底層使用視覺理解模型，頂層采用因果擴散網絡，并在擴散過程中重新引入圖像編碼器。然后在視覺理解模型與擴散模型之間，加入一條連接，用于將前者獲取的編輯推理信息與后者對齊。

改造完成后的SeedEdit 3.0結構

由此，人臉與物體特征這類細節(jié)保留顯著提升。

最后，在訓練和推理加速上，SeedEdit 3.0還融合了蒸餾模型方法、CFG蒸餾、統(tǒng)一噪聲參照、自適應時間步采樣等多個加速方法，實現(xiàn)了10秒級的推理。

在未來，團隊還將探索更豐富的編輯操作，讓大家創(chuàng)意爆棚，靈感爆棚。

現(xiàn)已加入生產力豪華套餐

隨著圖像生成的質量越來越高，AI生圖也開始從「玩具」逐漸進化成真正的生產力工具。

與此同時，用戶的需求也早已不局限在生圖這個單一的場景中。這一點，從GPT-4o「魔改吉卜力風」一夜火爆全網，便不難看出。

現(xiàn)在，在AI修圖邁入3.0時代的今天，豆包SeedEdit 3.0不僅打破了傳統(tǒng)P圖工具的門檻，更真正將「所見即所得」升級為「所想即所得」。

不論是圖中文字編輯、局部精修、風格遷移，還是超寫實建模與視覺美學體驗，它都做到了「穩(wěn)準狠」——穩(wěn)在每一次操作都可復現(xiàn)，準在每一句指令都能精準理解，狠在生成效果足以媲美專業(yè)級修圖師。

在這個大家都希望AI「言出法隨」的時代，你只需動動嘴，剩下的交給AI。

現(xiàn)在，是時候告別繁瑣，擁抱想象力的無限可能了。