На 8 юли екипът на ByteDance Seed официално пусна Seedream 5.0 Pro, най-новия си мултимодален модел за създаване на изображения, почти пет месеца след февруарската предварителна версия. Новият модел надгражда основните възможности за съпоставяне на текст-изображение, структурна кохерентност, изобразяване на текст и визуална естетика, като същевременно добавя четири основни възможности: комплексна визуализация на информация, интерактивно прецизно редактиране, реално качество на изображението и портрета и нативно многоезично въвеждане и генериране.
Ценообразуването се основава на размерите на входното и изходното изображение. За изходи до 2,36 мегапиксела, първото входно изображение е безплатно с последващи входни изображения по $0,003 всяко и изходни изображения по $0,041 всяко. За по-големи резултати цените се мащабират съответно. Моделът вече е наличен в центъра за изживяване Volcengine Ark и ще бъде разпространен на платформите Doubao и Jimeng.
При обширни тестове в 17 сценария, Seedream 5.0 Pro демонстрира силно представяне при генериране на комерсиални постери, реалистична фотография, локално прецизно редактиране и създаване на многоезични постери. Моделът може да обработва сложни инфографики с оформления в три колони, визуализации на разбивка на разходите на роботи и диаграми за популяризиране на науката, обясняващи архитектурата на AI чип HBM.
Забележителните подобрения включват ръководни оформления, базирани на решетка, показващи осем категории AI модели във формат на карта, зимни рекламни плакати с ретро пергаментен стил и макети на потребителски интерфейс за електронна търговия. Моделът поддържа последователен визуален стил, когато са посочени подкани за стил, и показва особена сила в дизайна на търговски плакати, където изобразяването на текста, йерархията и разположението на декоративните елементи работят надеждно.
Възможностите за прецизно редактиране позволяват локализирана подмяна на материала в рамките на определени области, като същевременно се запазва оригиналната перспектива, сянка и околното осветление. Моделът поддържа разделяне на слоеве, изобразяване на скици и генериране на многоезичен текст със значително подобрено изобразяване на китайски текст в сравнение с версията за предварителен преглед, въпреки че някои сложни грешки в китайски знаци продължават да съществуват в гъста информационна графика.
Seedream 5.0 Pro представлява конкурентен отговор на ByteDance на бързо развиващия се пейзаж за генериране на AI изображения, позициониращ се срещу модели като ChatGPT Images 2.0. Моделът има за цел да преодолее пропастта между творческите професионални нужди за информационен дизайн, комерсиална графика и фотореалистична продукция, докато екипът на Seed продължава да се справя с оставащите предизвикателства в сложното изобразяване на текст и последователността на знаците през поколенията.