ByteDance dévoile le modèle de création d'images Seedream 5.5

fr.wedoany.com Rapport : Le 9 novembre, ByteDance a officiellement lancé Seedream 5.5, la nouvelle génération de son modèle de création d'images Doubao, avec des améliorations ciblées sur l'édition d'images multi-tours, la génération d'éléments transparents, le rendu photoréaliste et le rendu de texte. Par rapport à la génération précédente Seedream 5.0 Pro, le nouveau modèle améliore l'efficacité de génération d'images, prend en charge jusqu'à 100 tours d'édition consécutifs sur une même œuvre et peut produire directement des éléments d'image avec canal alpha transparent. Seedream 5.5 est d'ores et déjà intégré aux plateformes Doubao, Doubao Work et Jimeng, et le service API Volcano Ark est en cours de déploiement.

Grâce à un entraînement spécifique, Seedream 5.5 améliore la cohérence visuelle lors des éditions successives : les zones ne nécessitant aucune modification sont préservées au niveau du pixel, ce qui réduit les dérives chromatiques, les pertes de détails et la dégradation de la qualité d'image liées aux éditions multiples. Dans une série de tests présentés par ByteDance, le modèle a réalisé 100 tours de modifications consécutifs sur un même personnage, en ajustant progressivement les vêtements, les accessoires et les objets sur la table, tout en conservant les caractéristiques d'origine du personnage et en gérant les occlusions et les relations ombre-lumière entre les petits objets tels que les bagues et les montures de lunettes et le personnage.

Le nouveau modèle ajoute une capacité native de génération d'éléments transparents en RGBA, permettant de produire directement, à partir d'une description textuelle ou d'une image de référence, des images transparentes et semi-transparentes contenant un canal Alpha. Le modèle préserve les détails de contour d'objets complexes tels que plumes, tissus et ornements, et traite les zones transparentes ainsi que les bords des objets, de sorte que les éléments générés peuvent entrer directement dans les flux de mise en page, de composition d'images et de création graphique. ByteDance a également présenté les résultats d'application consistant à utiliser un même ensemble d'éléments de personnages transparents pour générer différentes poses et scènes.

L'amélioration de la qualité de génération d'images porte principalement sur l'éclairage, les matériaux et la texture de la peau des personnages. Le modèle réduit les problèmes de brillance excessive, d'exposition anormale et de déformation des matériaux dans certaines images photoréalistes, et améliore les détails tels que les cheveux en contre-jour, les plis des tissus et les reflets sur les surfaces humides. La capacité de génération de texte est également renforcée : le modèle peut traiter des caractères chinois complexes, des petits textes denses et des contenus en anglais comportant plusieurs paragraphes dans des compositions mêlant texte et image.

ByteDance a organisé sur la plateforme MagicArena une évaluation spécialisée portant sur six catégories de scénarios : commerce électronique, marketing, cinéma et télévision, jeux vidéo, bureautique et création de mode. Des évaluateurs professionnels du domaine de la génération d'images ont noté la qualité et l'exploitabilité des résultats. Les résultats montrent que Seedream 5.5 obtient, dans les six catégories de scénarios, des scores de qualité de génération et des taux d'exploitabilité supérieurs à ceux de Seedream 5.0 Pro, le taux d'exploitabilité dans les scénarios cinéma/télévision et bureautique atteignant plus du double de celui de la version précédente.

Une autre série de tests spécialisés sur la structure du texte et le réalisme des images a utilisé la méthode de notation préférentielle GSB pour comparer séparément les résultats des tâches de génération texte-vers-image et image-vers-image. Seedream 5.5 obtient des scores positifs dans les quatre comparaisons face à la génération précédente, l'indicateur de réalisme en image-vers-image atteignant +55,62 %. Les évaluations portant sur le chinois, l'anglais et les petits textes denses montrent que le taux d'erreurs de texte graves dans les contenus générés par le modèle est descendu à 0,4 % et le taux d'erreurs de texte légères à 1,7 %.

L'API Seedream 5.5 conserve la facturation segmentée entre image d'entrée et image de sortie, les tokens de texte n'étant pas facturés séparément. À titre d'exemple, pour l'édition d'une image carrée en résolution 2K, le coût de traitement par image est d'environ 0,28 yuan, soit moins de la moitié de celui de la génération précédente Seedream 5.0 Pro. ByteDance prévoit également de lancer une version Seedream 5.5 Pro afin d'étendre encore les capacités d'entrée de contexte complexe et de création d'images professionnelle.