Seedream

研發背景

Seedream3.0研發始於2024年末，通過調研設計師等群體的實際需求，團隊不僅將圖文匹配、結構、美感等行業共識性指標納入攻堅方向，同時，也將挑戰小字生成與複雜文本排版、2K高清直出、快速圖片生成等難題作為核心目標。

2025年4月，位元組跳動Seed團隊發布Seedream 3.0，根據文生圖領域榜單Artificial Analysis訊息，其綜合性能與當時的文生圖模型GPT-4o相近。Seedream 3.0無需後處理即可生成2K解析度圖像，並支持快速生成。

2025年9月，Seedream 4.0發布，該版本支持4K多模態生圖，並在Artificial Analysis“文生圖”和“圖像編輯”榜單中排名第一。相較於3.0版本，其推理速度提升超10倍。

2025年12月，Seedream 4.5發布，此次升級重點強化了“多圖場景一致性”和“美學指令遵循”，提升了原圖保持與多圖組合能力。

2026年2月10日，Seedream 5.0正式上線，主要增強點包括首次支持檢索生圖、提升提示詞理解準確性、最佳化細節紋理生成，並新增筆刷編輯功能。

2026年2月13日，Seedream 5.0 Lite發布，該版本引入了實時檢索增強能力。

以上各版本模型陸續在豆包App、即夢AI、剪映、CapCut、小雲雀等平台上線或集成。

一種技術架構採用“多模態統一處理引擎”或“統一生成+編輯架構”，將文生圖、圖生圖、圖像編輯、多圖融合等多種能力整合於單一模型，旨在避免多模型切換導致風格漂移，實現從生成到編輯的流程整合。

此類模型可通過“自適應解析度渲染引擎”和混合解析度訓練（例如在多種解析度下進行訓練），以實現從低解析度到較高解析度的泛化能力。同時，通過“跨模態文字理解引擎”及“跨模態旋轉位置編碼（RoPE）”等技術，提升對中文文字、複雜排版（如公式、表格）的渲染能力與圖文對齊能力。

通過融合三維結構感知與特徵鎖定算法，可構建“主體身份識別系統”（或稱“主體鎖定”技術），以維持在多圖生成、編輯及系列創作中，角色、物體等核心特徵的一致性。

在訓練中採用“缺陷感知的訓練策略”和數據過濾機制，可用於擴充訓練集。在強化學習階段，可引入視覺語言模型（VLM）作為獎勵模型，以利用其語義知識。

通過自研推理加速算法（如一致性噪聲預測）和底層架構最佳化，可提升生成速度。