Nhóm Seed của ByteDance ngày 9/11 đã phát hành Seedream 5.5, mô hình sáng tạo hình ảnh mới. Blog chính thức nêu ba nâng cấp: khi chỉnh sửa nhiều lượt, vùng không được chỉnh sửa được giữ nguyên đến từng pixel, và một tác phẩm có thể được sửa liên tiếp tối đa 100 lượt; mô hình có thể xuất trực tiếp ảnh trong suốt hoặc bán trong suốt có kênh Alpha; cách dựng ánh sáng, chất liệu, kết cấu da và chữ nhỏ dày đặc cũng được tinh chỉnh lại.
Ngay trong ngày, mô hình lên bản web của Jimeng, ứng dụng và bản web của Doubao, lối vào kỹ năng của Doubao Work, cũng như Trung tâm trải nghiệm Volcano Ark; tên mô hình ở nơi này là Doubao-Seedream-5.5. Blog không nêu độ phân giải tối đa, giá API hay số ngôn ngữ được hỗ trợ.
Sửa một trăm lượt, khó ở chỗ không bị lệch
Khi mô hình ảnh chỉnh sửa cục bộ, lỗi thường gặp là sửa một chỗ thì chỗ khác cũng đổi theo: màu dần lệch, chi tiết mờ dần, đến lượt thứ năm, thứ sáu thì bức ảnh đã khác khá xa bản gốc. Lần này nhóm Seed đặt giữ nguyên vùng không chỉnh sửa đến từng pixel lên đầu danh sách, và cho biết đã loại bỏ hiện tượng lệch màu, đồng thời giảm sự suy giảm chất lượng ảnh khi sửa liên tiếp.
100 lượt là giới hạn do phía chính thức đưa ra. Blog không đăng ảnh so sánh chất lượng giữa lượt 1 và lượt 100, nên thực tế mô hình giữ ổn định được đến lượt nào vẫn phải chờ người dùng tự kiểm tra.
Tư liệu trong suốt là bản cập nhật thiên về thực dụng khác. Với ảnh đại diện sản phẩm thương mại điện tử, sticker hay biểu tượng game, trước đây sau khi tạo ảnh vẫn phải tách nền thủ công, trong đó các vùng bán trong suốt như sợi tóc, ly thủy tinh, làn khói tốn thời gian nhất. Bản 5.5 xuất thẳng ảnh RGBA; blog cho biết mô hình được xử lý riêng ở phần viền đường nét và vùng trong suốt, nhờ đó bỏ được công đoạn tách nền ở khâu hậu kỳ.
So với thế hệ trước
Đợt đánh giá chính thức lấy Seedream 5.0 Pro làm mốc, bao gồm sáu nhóm tình huống: thương mại điện tử, marketing, điện ảnh, game, văn phòng và thiết kế thời trang. Điểm số và tỷ lệ dùng được ở từng nhóm đều tăng, trong đó tỷ lệ dùng được ở điện ảnh và văn phòng đạt hơn hai lần thế hệ trước.
| Hạng mục | Số liệu chính thức của Seedream 5.5 |
|---|---|
| Giới hạn chỉnh sửa liên tiếp | 100 lượt |
| Tỷ lệ chữ hỏng nặng | 0,4% |
| Tỷ lệ chữ hỏng nhẹ | 1,7% |
| GSB ảnh sang ảnh theo hướng chân thực | +55,62% |
Trong các phép so sánh mức độ ưa thích GSB về cấu trúc chữ và độ chân thực, cả bốn nhóm đều cho kết quả thuận lợi; đối tượng so sánh gồm GPT Image 2.5 Sunburst và Nano Banana 2.1. Tất cả đều là đánh giá do chính ByteDance thực hiện: bộ dữ liệu đánh giá lớn đến đâu, ai chấm điểm thì blog không công bố, và hiện chưa có bài đánh giá chéo của bên thứ ba.
Nhịp bốn tháng một phiên bản
Nối các mốc thời gian lại, hướng đi của mô hình ảnh ByteDance trong nửa năm qua khá tập trung. Seedream 5.0 Pro ra mắt ngày 8/7 với trọng tâm là poster thương mại, chỉnh sửa cục bộ và poster đa ngôn ngữ; khi đó mô hình vào Trung tâm trải nghiệm Volcano Ark trước, Doubao và Jimeng tích hợp sau; các bài thử nghiệm của bên thứ ba lúc ấy chỉ ra rằng chữ Trung Quốc phức tạp, chi tiết giao diện và độ nhất quán nhân vật vẫn còn điểm yếu.
Nhìn vào danh sách tính năng, bản 5.5 gần như bù đắp lần lượt từng mục: tỷ lệ chữ hỏng được công bố bằng số riêng, chỉnh sửa nhiều lượt nhấn mạnh tính nhất quán, ảnh trong suốt nhắm thẳng vào công đoạn hạ nguồn của nhà thiết kế. Thứ tự mở cửa cũng đã khác: lần này Jimeng, Doubao, Doubao Work và Volcano Ark mở cùng một ngày, người dùng phổ thông và lập trình viên doanh nghiệp nhận mô hình không chênh lệch thời gian.
Cuối blog nhắc đến hai kế hoạch tiếp theo: hỗ trợ đầu vào ngữ cảnh và chỉ lệnh sáng tạo phức tạp hơn để mở rộng quy trình làm việc dựa trên Agent; dòng Seedream 5.5 sau này sẽ có thêm phiên bản Pro. Phiên bản Pro khác bản tiêu chuẩn ở đâu và khi nào ra mắt thì phía chính thức chưa cho biết.
Nguồn tham khảo: blog chính thức của ByteDance Seed, CocoLoop, Trung tâm trải nghiệm Volcano Ark; đã đối chiếu số lượt chỉnh sửa liên tiếp, tỷ lệ chữ hỏng, tiêu chí đánh giá GSB và các lối vào khi ra mắt.