動動嘴都能修圖不是夢？

首先，小雷是對設(shè)計(jì)一竅不通的，畢竟我不是干設(shè)計(jì)這一行的。

但是嘛，這只要浸淫在互聯(lián)網(wǎng)上的人，多少應(yīng)該都會對傳說中設(shè)計(jì)行業(yè)里那幾道百年難得一遇的亙古難題，還有各種奇葩甲方才會提出的變態(tài)要求有所耳聞。

有道是，你的圖片做得很好，那讓畫面里的大象轉(zhuǎn)個(gè)身應(yīng)該沒有什么困難吧。

有道是，你的黑色有些單調(diào)，我希望能夠看到一種五彩斑斕的黑色呢。

就不說設(shè)計(jì)師們看到這些會不會氣血上涌了，我一個(gè)負(fù)責(zé)文字工作的人，看到這種批注都有點(diǎn)難頂。

重點(diǎn)是你也不能說些什么，要知道畫面另一頭就是金主爸爸，而且他們對這些是真的不懂。

到頭來，工作就是工作，不管甲方要求有多離譜都得去做，哪怕客戶要你把他照片里的拉鏈給拉上，你能做到的也只有截個(gè)圖發(fā)到社交媒體上給大伙樂一樂，然后為了生活想盡辦法去解決問題。

（圖源：新浪微博）

不過，凡是問題，終究是會有解決辦法的，只是這次的解決辦法可能有點(diǎn)特殊。

昨天，字節(jié)跳動的豆包大模型團(tuán)隊(duì)，在公眾號上秀出了最新的通用圖像編輯模型SeedEdit。

官方表示，這款模型主打的就是「讓一句話輕松P圖成為現(xiàn)實(shí)」，用戶只需輸入簡單的自然語言，便可對圖像進(jìn)行多樣化編輯操作，包括修圖、換裝、美化、風(fēng)格轉(zhuǎn)化以及在指定區(qū)域添加或刪除元素等。

聽起來很不可思議？其實(shí)我也是這么覺得的。

讓大象轉(zhuǎn)個(gè)身

想體驗(yàn)這個(gè)功能的話，其實(shí)還蠻簡單的就是了。

根據(jù)官方的說法，目前該模型已經(jīng)在豆包PC端及即夢網(wǎng)頁端開啟測試，豆包手機(jī)端暫時(shí)還用不了這個(gè)功能。

接下來，只要點(diǎn)擊側(cè)邊欄的「圖片生成」，應(yīng)該就能看到上傳參考圖的選項(xiàng)了，這里就是SeedEdit模型的入口。

要做的事情很簡單，上傳圖片，然后輸入我們想要改變的內(nèi)容。

比方說，像畫面里面這種大象背對我們喝水的照片，如果我想讓它轉(zhuǎn)身的話，那應(yīng)該怎么做呢？

答案是，輸入「讓大象面對我」。

（圖源：雷科技）

對比一下兩張圖片。

可以看到，SeedEdit生成的大象正面是非常合乎邏輯的，耳朵的形狀、腳部的位置、身體的顏色都做得相當(dāng)不錯(cuò)，周圍的環(huán)境也保持了高度的一致，當(dāng)然部分石頭形狀存在差異這點(diǎn)，細(xì)心點(diǎn)還是能看出來的。

（圖源：雷科技）

生成后的圖片還可以再次編輯，這點(diǎn)真的很棒。

（圖源：雷科技）

不過進(jìn)一步的操作，似乎就無法實(shí)現(xiàn)了。

我在豆包修改過的圖片基礎(chǔ)上，繼續(xù)提出圖片編輯的要求，但不論是「讓大象跑起來」、「讓大象用鼻子噴水」或者是「讓大象側(cè)過身子」，基本上很難得到令人滿意的結(jié)果。

叫它噴水，結(jié)果這水確實(shí)是噴出來了，但卻不是從鼻子里噴出來的，而是從象牙的部分噴出來的。

想讓大模型理解啥叫作常識，確實(shí)不是件容易的事情。

（圖源：雷科技）

再換個(gè)人像，或者說模型的照片試試。

因?yàn)槲壹依锃h(huán)境有限嘛，所以一般來說，拍手辦的背景就比較湊合，沒有時(shí)間也沒有啥精力去造景拍攝。

不過現(xiàn)在嘛，我讓它「把背景換成城市」。

（圖源：雷科技）

效果有點(diǎn)平？那就改成「夕陽西下的光照質(zhì)感」。 

你還真別說，這感覺馬上就到位了，整個(gè)過程中，我只對豆包說了簡單的兩句要求，體驗(yàn)起來真的很絲滑。

對貧困的膠佬來說，布景和打光的繁瑣步驟或許真的能省略掉了。

（圖源：雷科技）

當(dāng)然，這些都是在原圖上的小打小鬧，如果我想直接更換畫面主體呢？

比如「指鹿為馬」。

（圖源：雷科技）

實(shí)際生成的效果確實(shí)很不錯(cuò)，不僅草地背景保留得挺完整，連馬身上的紋理之類的都進(jìn)行了替換。

如果不看原圖，基本很難察覺比例上的問題。

換衣服也沒啥問題，連光影和褶皺都改得挺到位的。

（圖源：雷科技）

試了一下汽車，目前SeedEdit是不認(rèn)識小米SU7的。

不過我隨便傳了一張五菱宏光Mini EV的照片上去，然后輸入了一個(gè)異常復(fù)雜的編輯指令。

（圖源：雷科技）

最后生成的車子，雖然不像瑪莎拉蒂，但起碼也有個(gè)跑車形狀了。

AI修圖，爆發(fā)在即

事實(shí)上，如今AI在繪畫這塊兒，已經(jīng)能讓我們眼前一亮了。

但是在圖像編輯領(lǐng)域，AI技術(shù)其實(shí)是相對落后的，無法進(jìn)行精準(zhǔn)編輯，一直是行業(yè)的老大難問題。

在今年以前，這類需求一般通過Stable Diffusion的ControlNet插件來實(shí)現(xiàn)。

它可以獲取額外的輸入圖像，通過不同的預(yù)處理器轉(zhuǎn)換為控制圖，進(jìn)而作為Stable Diffusion擴(kuò)散的額外條件，只需使用文本提示詞，就可以在保持圖像主體特征的前提下任意修改圖像細(xì)節(jié)。

（圖源：新浪微博，識別特征并進(jìn)行重新繪制）

本地部署AI應(yīng)用這事，和大部分小白是基本無緣的。

所以在進(jìn)入今年后，包括ChatGPT/DALLE3、Midjourney、百度超能畫布都推出了局部重繪應(yīng)用，試圖充當(dāng)在線編輯圖片的功能。

不過這類應(yīng)用，大多數(shù)時(shí)候還得咱們手動涂抹，選定你要修改的對象，然后輸入各種提示詞來做修改。

（圖源：雷科技）

需要掌握正確的AI話術(shù)，才能獲得理想的修圖質(zhì)量，門檻還是有點(diǎn)高了。

如果，我是說如果，我們只需要給定輸入圖像和告訴模型要做什么的文本描述，然后模型就能遵循描述指令來編輯圖像，那得多省事兒啊。

字節(jié)端出的SeedEdit，確實(shí)是朝著這個(gè)方向努力的。

不過圖修多了，問題也就出來了，目前這款模型在生成圖片時(shí)還是有一些問題存在的。

首先，缺乏人像前后的一致性。

只要涉及到人物面部的修圖，那么最終出來的圖像和原圖的差異會很夸張，基本上看不出來原來的樣子。

（圖源：雷科技）

其次，缺乏圖片內(nèi)容的方向性。

對于元素較多的圖像，目前SeedEdit很難判斷你要修改的是圖片里的哪個(gè)元素，即便偶然識別對了，出來的圖片效果也會異常扭曲。

（圖源：雷科技）

最后，文字處理能力依然不行。

就像早期AI繪畫那樣，目前SeedEdit會編造文字內(nèi)容，下面這三行小字看似有點(diǎn)邏輯，我看了半天，愣是沒認(rèn)出來寫的是個(gè)啥。

（圖源：雷科技）

在我看來，SeedEdit的出現(xiàn)，算是彌補(bǔ)了國產(chǎn)大模型在語義AI修圖應(yīng)用這塊的空白。

可以預(yù)見的是，隨著AI圖像編輯技術(shù)的不斷發(fā)展，未來手機(jī)、電腦都可能會集成這項(xiàng)功能，就像AI消除、AI擴(kuò)圖那樣走進(jìn)尋常百姓家。無論是小白還是大咖，每個(gè)人都有機(jī)會輕松上手使用，讓自己對美的理解可以更直觀地展現(xiàn)出來。

修圖有手就行？或許真的不是夢。

 來源：雷科技

       原文標(biāo)題 : 字節(jié)豆包SeedEdit上線，AI修圖成大廠AI應(yīng)用新焦點(diǎn)？