ByteDance、Seedream 5.5公開　同一画像を100回連続編集

ByteDanceのSeedチームは11月9日、画像生成モデル「Seedream 5.5」を発表した。公式ブログが挙げた強化点は3つ。1つ目は、複数回の編集でも編集していない領域をピクセル単位で保持すること。同じ作品を最大100回まで連続して修正できるという。2つ目は、アルファチャンネル付きの透明・半透明画像を直接出力できること。3つ目は、光の表現、素材感、肌のテクスチャー、細かい文字の描画を改めて調整したことだ。

モデルは同日、即夢（Jimeng）のウェブ版、豆包（Doubao）のアプリ版とウェブ版、豆包ワークのスキル入口、そして火山方舟（Volcano Ark）体験センターで利用可能になった。体験センター上のモデル名は「Doubao-Seedream-5.5」。最大解像度、API価格、対応言語数について、ブログは触れていない。

100回連続編集、難しいのは「崩れないこと」

画像モデルで部分修正をするとき、よくある欠点は、1カ所を直すと他の場所まで変わってしまうことだ。色が少しずつずれ、ディテールが徐々にぼやけ、5～6回目の編集になるころには元の画像からかなり離れてしまう。Seedチームは今回、非編集領域のピクセル単位での保持を最初の項目に置き、色のずれを解消し、連続編集中の画質劣化を抑えたと説明している。

100回は公式が示す上限値だ。ブログには1回目と100回目の画質比較が掲載されておらず、実際に何回目まで安定するかは、ユーザー自身の検証に委ねられる。

もう1つ実用性の高い更新が透明素材への対応だ。ECのメイン画像、ステッカー、ゲームのアイコンといった素材は、これまで生成後に手作業で切り抜く必要があった。髪の毛、ガラスのコップ、煙のような半透明部分は特に手間がかかる。5.5はRGBA画像を直接出力し、ブログによれば輪郭のエッジと透明領域を専用に処理しており、後工程の切り抜き作業が不要になるという。

先代との比較

公式評価はSeedream 5.0 Proを基準とし、EC、マーケティング、映像、ゲーム、オフィス、アパレルデザインの6カテゴリーを対象にしている。どのカテゴリーでもスコアと実用率が向上し、映像とオフィスの2カテゴリーでは実用率が先代の2倍以上に達したという。

文字構造と写実性についてのGSB選好比較では、4つの比較すべてがプラスだった。比較対象にはGPT Image 2.5 SunburstやNano Banana 2.1が含まれる。いずれもByteDance自身による評価で、評価セットの規模や採点者について、ブログは明らかにしていない。第三者による比較検証は今のところ出ていない。

4カ月で1バージョンのペース

時系列でつなげると、ここ半年のByteDanceの画像モデルは方向性がかなり絞られている。7月8日に公開されたSeedream 5.0 Proは、商業ポスター、部分編集、多言語ポスターが売りで、当時はまず火山方舟体験センターに登場し、その後に豆包と即夢が対応した。第三者の実機検証では、複雑な中国語、UIの細部、人物の一貫性にはまだ弱点が出ると指摘されていた。

機能一覧を見ると、5.5はこれらをほぼ1項目ずつ補っている。文字の崩れ率を単独の数値として公表し、複数回編集では一貫性を強調し、透明画像ではデザイナーの後工程を直接ねらった。公開の順序も変わった。今回は即夢、豆包、豆包ワーク、火山方舟が同じ日に開放されており、一般ユーザーと企業の開発者がモデルを手にする時期に差がない。

ブログの末尾では、今後の予定が2つ示された。より複雑なコンテキスト入力と創作指示に対応してAgentワークフローを広げること、そしてSeedream 5.5シリーズに今後Pro版を追加することだ。Pro版と標準版の違い、および公開時期について、公式は今のところ説明していない。

参考資料：ByteDance Seed 公式ブログ、CocoLoop、火山方舟体験センター。連続編集の回数、文字崩れ率、GSB評価の基準、提供窓口を確認した。