Назад к новостям

ByteDance выпустила генератор картинок Seedream 5.5 и быструю видеомодель Seedance 2.5 Flash

ByteDance за неделю обновила обе свои модели для генерации контента. 9 ноября команда ByteDance Seed представила Seedream 5.5, генератор изображений, который выдерживает до 100 правок одной картинки подряд и рисует объекты на прозрачном фоне. 12 ноября компания выпустила Seedance 2.5 Flash, облегчённую версию видеомодели Seedance 2.5. По данным ByteDance, она работает почти вдвое быстрее старшей версии, а 720p в ней стоит примерно на 34% дешевле.

Seedream 5.5 не портит картинку при повторных правках

У генераторов изображений есть привычная проблема: после нескольких правок картинка начинает меняться и там, где её не трогали. Уходят цвета, теряются мелкие детали. ByteDance утверждает, что в Seedream 5.5 области, которые пользователь не просил менять, сохраняются с точностью до пикселя, а цвета в них не сдвигаются.

Компания показала это на трёх примерах. В первом одно и то же изображение человека правили 100 раз подряд, каждый раз на основе предыдущего результата: меняли одежду, аксессуары и предметы на столе. Модель точно меняла даже мелочи вроде кольца или оправы очков и при этом сохраняла позу, свет и то, как предметы перекрывают друг друга. Во втором примере в цветочных композициях много раз добавляли и заменяли стебли и украшения, меняли форму и материал отдельных цветов. В третьем старый кабинет превращали в яркую комнату. Когда на картинке передвигали коробку, модель пересчитывала перспективу и тени и дорисовывала места, которые раньше были закрыты.

Объекты на прозрачном фоне генерируются сразу

Seedream 5.5 создаёт изображения с альфа-каналом, то есть с полностью или частично прозрачным фоном. Такую картинку можно получить и по текстовому описанию, и при редактировании референса. По словам ByteDance, удалять фон и чистить края отдельно больше не нужно. В демонстрации модель нарисовала полярную сову с раскрытыми крыльями: на прозрачном фоне сохранились слои перьев, промежутки между ними и контуры когтей.

Прозрачный фон пригодится и для надписей. Модель переносит на заданный текст мазки, цвета и материалы с картинки-референса, а сам текст остаётся читаемым. Ещё один сценарий - серии с одним персонажем. В примере ByteDance дизайнер загрузил набор изображений героя как референсы и получил серию картинок в разных обстановках: позы и композиция менялись, а черты и фактура персонажа оставались прежними.

Свет, кожа и материалы стали выглядеть естественнее

ByteDance отдельно поработала над реалистичностью. Свет, материалы и текстура кожи стали естественнее, а лишнего блеска, пересветов и пятнистых текстур стало меньше. Среди примеров компании - портрет девушки с видимой текстурой кожи и прядями волос в контровом свете, складки шторы в солнечном луче и гоночная машина на мокрой трассе с отражениями на кузове и брызгами из-под колёс.

Кроме того, ByteDance провела четыре попарных сравнения с Seedream 5.0 Pro, в которых оценщики выбирали лучшую из двух картинок. Новая версия выиграла во всех четырёх. Цифру компания привела только для одного: +55,62% по реалистичности при генерации по референсу.

По тестам ByteDance, мелкий текст стал искажаться реже

Seedream 5.5 точнее рисует сложные иероглифы и плотный мелкий текст. Среди примеров - газетная страница с несколькими абзацами мелкого английского текста о Шекспире и инфографика о бабочке морфо с восемью подписями на китайском, которые читаются даже мелким шрифтом. По внутренним тестам на китайском и английском, сильные искажения текста встречаются на 0,4% изображений, мелкие ошибки - на 1,7%. На платформе BytePlus заявлена поддержка более 15 языков.

ByteDance сравнила Seedream 5.5 с GPT Image 2.5 и Nano Banana 2.1

Сначала компания сравнила новую модель с Seedream 5.0 Pro в шести рабочих сценариях: электронная коммерция, маркетинг, кино и телевидение, игры, офисные материалы и дизайн одежды. Новая версия выиграла во всех шести и по качеству, и по доле картинок, пригодных к работе. В кино и офисных задачах эта доля выросла больше чем вдвое.

Против GPT Image 2.5 Sunburst от OpenAI и Nano Banana 2.1 от Google, по данным ByteDance, Seedream 5.5 лучше передаёт структуру текста и при генерации по описанию, и при редактировании. По реалистичности при генерации по описанию у неё, как пишет компания, "существенное преимущество". Точных цифр по этим сравнениям ByteDance не привела, независимых тестов пока нет.

Seedream 5.5 постепенно открывают в Doubao, Dreamina и сторонних сервисах

В Китае модель выкатывают в приложениях Jimeng, Doubao и Doubao Work, а для разработчиков - на платформе Volcengine Ark. За пределами Китая она уже работает в Image Studio на платформе BytePlus, где стоимость в кредитах показывают перед генерацией. В собственный API BytePlus модель пока только подключают, а в Dreamina она появляется постепенно.

Сторонние сервисы Krea, Atlas Cloud и WaveSpeedAI тем временем добавили Seedream 5.5 уже через несколько дней после выхода. ByteDance пообещала выпустить и версию Seedream 5.5 Pro, но срок не назвала. В планах компании также работа со сложными запросами с большим контекстом и использование модели в агентах.

Seedance 2.5 Flash почти вдвое быстрее старшей версии

Полная Seedance 2.5 вышла 31 июля. Она генерирует ролики до 30 секунд вместе со звуком за один проход, принимает до 30 изображений, 10 видео и 10 аудиофайлов как референсы и умеет снимать сцены с несколькими персонажами и ракурсами. Flash не заменяет её, а дополняет: облегчённую версию предлагают для быстрых черновиков и превью.

По словам BytePlus, Flash выдаёт результат, близкий к Seedance 2.5, и работает "почти вдвое быстрее". ByteDance при этом подчёркивает, что среди её моделей качество Flash самое близкое к полной версии, но не такое же. Замеров скорости в документации нет, независимых тестов тоже. Компания также утверждает, что Flash лучше Seedance 2.0 следует инструкциям и точнее передаёт движение и звук.

Seedance 2.5 Flash делает ролики до 30 секунд со звуком

Модель создаёт видео по тексту, по картинке и по набору референсов, а также редактирует готовые ролики. По данным WaveSpeedAI со ссылкой на ByteDance, длину ролика можно задать от 4 до 30 секунд, а при редактировании она совпадает с длиной исходного видео. Звук генерируется вместе с картинкой. По наблюдению CellCog, в документации BytePlus лимит длины для Flash пока не указан.

В запрос можно добавить до 10 изображений, 5 видео и 5 аудиофайлов. Всего это 20 референсов, вдвое меньше, чем у полной версии. В тексте запроса на них ссылаются по номерам, например @Image 1. У Seedance 2.0, по данным Morphic, ролик длился до 15 секунд, а референсов было не больше 12.

Секунда видео в 720p стоит около 15 центов, но 1080p и 4K нет

BytePlus оценила секунду видео в 720p в $0,152, это примерно на 34% дешевле, чем в Seedance 2.5. Оплата считается в токенах: $7 за 1 млн токенов в 480p и 720p против $10,70 у полной версии, а если на вход подают видео, - $4,30. Пятисекундный ролик в 720p стоит $0,76, в 480p - $0,34. Если ролик не сгенерировался, деньги за него не списывают. В Китае на платформе Volcano Engine секунда 720p стоит около 0,99 юаня.

За скорость и цену приходится платить разрешением. Flash работает только в 480p и 720p, а 1080p и 4K остались за полной версией. В Seedance 2.5 1080p стоит $11,70 за 1 млн токенов.

Другие новости

Google выпустила видеомодель Gemini Omni 1.2 Flash с роликами до 15 секунд

Google представила Gemini Omni 1.2 Flash: генерация видео до 15 секунд, редактирование по описанию и снижение цены 720p. Где доступна новая модель.

ChatGPT научился делать GIF-анимации с выходом Images 2.6

ChatGPT Images 2.6 создаёт GIF по описанию или картинке. Что известно о редактировании анимаций, сохранённых референсах и моделях Flare и Sunburst.

Black Forest Labs открыла веса FLUX 3 Image Klein на 5,6 млрд параметров

Black Forest Labs открыла веса FLUX 3 Image Klein: модель на 5,6 млрд параметров создаёт и редактирует изображения в 4K и поддерживает локальный запуск.