Seedream 3.0：字節(jié)跳動推出的高性能中英雙語圖像生成模型

Seedream 于2025-04-17發(fā)布在Ai產(chǎn)品

Seedream 3.0是什么？

Seedream 3.0 是字節(jié)跳動 Seed 團(tuán)隊(duì)最新發(fā)布的一款原生高分辨率、支持中英雙語的圖像生成基礎(chǔ)模型。它可以生成 2K 分辨率圖像，出圖只需 3 秒，并且支持小字體、多行文本排版，中英字符可用率均達(dá) 94%。Seedream 3.0 已在自已的平臺即夢、豆包等開放，適用于海報設(shè)計(jì)、廣告創(chuàng)作、平面設(shè)計(jì)、影視場景生成等多種場景。

Seedream 3.0：字節(jié)跳動推出的高性能中英雙語圖像生成模型.webp

性能提升

高分辨率生成：Seedream 3.0 可以原生直出 2K 分辨率的圖像，無需后期處理，能夠滿足從手機(jī)屏幕到巨幅海報等各種視覺需求。

極速生成：該模型的出圖速度極快，僅需約 3 秒就能生成 1K 分辨率的高品質(zhì)圖像，相比業(yè)界同類模型的 10 秒以上甚至更長時間，以及之前文生圖 SOTA 模型 GPT-4o 的 77 秒平均耗時，優(yōu)勢明顯。

文本處理能力

小字體高保真生成：解決了業(yè)界在小字體生成方面的難題，能夠生成清晰、準(zhǔn)確的小字體內(nèi)容。

多行文本排版：在多行文本排版方面表現(xiàn)出色，提升了文本的布局自然度和語義連貫性。

雙語支持：對中英雙語都有較強(qiáng)的支持，中文和英文字符的文本可用率均達(dá)到 94%，基本解決了文本渲染在圖像生成中的掣肘問題。

圖像質(zhì)量與美感

美感與結(jié)構(gòu)優(yōu)化：生成的圖像在美感和結(jié)構(gòu)上進(jìn)一步提升，指令遵循性增強(qiáng)，出圖更具感染力，能夠生成高品質(zhì)的構(gòu)圖和色彩搭配。

逼真人像生成：在人像真實(shí)感方面表現(xiàn)突出，可以生成帶有皺紋、絨毛和疤痕等真實(shí)特征的皮膚質(zhì)感，逼真度已基本接近專業(yè)攝影水平。

技術(shù)創(chuàng)新

數(shù)據(jù)優(yōu)化：通過圖像缺陷感知擴(kuò)充數(shù)據(jù)集，采用視覺語義協(xié)同采樣策略和自研圖文檢索系統(tǒng)改進(jìn)數(shù)據(jù)分布。

預(yù)訓(xùn)練與后訓(xùn)練：在預(yù)訓(xùn)練階段，使用跨模態(tài)旋轉(zhuǎn)位置編碼加強(qiáng)文字渲染能力，借助多分辨率混合訓(xùn)練實(shí)現(xiàn) 2K 圖像直出，并采用新的損失函數(shù)提升訓(xùn)練效果；在后訓(xùn)練 RLHF 階段，設(shè)計(jì)多粒度美感描述，拓展獎勵模型規(guī)模，提升模型性能。

推理加速：采用一致性噪聲預(yù)測和平穩(wěn)采樣過程，利用重要時間步采樣加速模型蒸餾訓(xùn)練，實(shí)現(xiàn) 1K 分辨率生圖端到端僅需 3 秒。