本文介绍了豆包AI的升级功能，即豆包文生图功能，包括标题大字准确度提升、语义理解和影视质感增强、绘画风格更多元等特点。文章还介绍了新模型的细节，包括数据预处理和预训练中的技术细节。此外，本文还提到了中国AIGC产业峰会的相关信息和报名方式。
豆包文生图功能能够生成更准确的文字，尤其是中文。新模型在标题大字准确度、语义理解和影视质感、绘画风格等方面有所提升。
Seedream新模型在数据预处理和预训练阶段做出了技术改进，通过智能标注引擎实现三级认知进化，提升了模型的理解、识别能力。
中国AIGC产业峰会观众报名通道已开启，百度、华为、AWS等十数位AI领域创变者将齐聚峰会，探讨AI的应用和发展。
鱼羊 一水 发自 凹非寺
量子位 | 公众号 QbitAI
豆包升级上新，网友们再次玩疯！
更新的是
豆包文生图功能
，官方直接用一张
豆包AI生成
的海报给划了重点：
没错，豆包可以在图片中
生成更准确的文字了，尤其是中文
。
做海报，效果可以是酱婶的：
给自己的旅游VLOG整点某音某书封面，风格也是直接拿捏。
甚至还能直接拿来设计文旅周边了…
另外，超长复杂提示词也能准确get：
（上下滑动查看提示词）
画面呈现一幅极具视觉冲击力的艺术风格人像。主体是一位身穿传统壮族服饰，戴着壮族帽子的男生，手里拿着传统乐器芦笙，白色底色上，红蓝色彩鲜明勾勒出人物轮廓，光线聚焦在人物面部，形成明暗对比，人物嘴巴大张露出牙齿，仰头大笑，神态充满戏剧性。
人物周围点缀着鲜艳的橙红色花朵和绿色枝叶，为画面增添一抹生机，强烈的对比。
背景以浅色为底，泼溅着大量红、绿、黑等色彩的墨点与线条，随意挥洒却又营造出强烈的艺术氛围，色彩间相互碰撞，传递出一种开心且沉浸其中的氛围，仿佛在诉说着人物内心对音乐的热爱和疯狂。
关键是，
免费
！现在就能畅玩。
嗯，编辑部已经被表情包by豆包刷屏了
实测豆包文生图升级
豆包文生图功能本次升级主要体现在
四个方面
：
-
-
-
-
绘画风格更多元，可生成头像、梗图、盲盒、贴纸、Logo
有一说一，在文字生成能力方面，不少模型都是Demo美好而实际免不了乱码。
豆包文生图新模型究竟表现如何，咱们还是得实测才知道。
正值清明假期，那我们不妨让它生成一张清明节海报：
Prompt：帮我生成一张清明节海报，并配文“清明时节雨纷纷，路上行人欲断魂”。
从生成的4张图可以看到，它们都100%正确还原了“清明时节雨纷纷，路上行人欲断魂”这句文字，而且整体氛围感比较符合清明节主题。
然鹅，每张图都或多或少在
小字生成
方面还是有一些小瑕疵。
那如果尝试规避其弱点，只是单纯用来生成大字海报呢？
Prompt：生成一张亲子户外风图像，仅配文“出发啦”，比例9:16
这次的结果就比较符合要求了，而且偷偷告诉大家一个小注意事项：
即使用来生成只有大标题的海报，在提示词中也尽量避免提到“海报”二字，不然豆包AI就会“自作主张”加一些效果不佳的小字。
接下来我们考一下豆包AI的
“镜头感”
。
Prompt：通过特写镜头来捕捉一个运动员在比赛关键时刻的紧张表情和汗水。
嗯，不仅高度还原了提示词，而且看上去真有电影截图内味儿了
变换各种镜头语言，几乎每张都堪比大片：
展现一个侦探在昏暗的巷子里追踪嫌疑人，紧张的气氛和快速的步伐。
而且即使是
超长复杂提示词
，豆包AI现在也能精准还原了：
赛博朋克风格的插画，一位身着高科技服装的东方女性。她的服饰以深蓝为主色调，外观飒爽，科技感配饰 。头戴对讲耳机，AR眼镜。背景是暗黑风格，有蓝绿色扭曲的树枝，点缀粉色光斑，营造神秘氛围。背景中安排几尊白色人形雕塑，赛博朋克风格建筑，环境湿润。
Again，还能来一段更长长长的提示词：
在保证“壁画，水彩，地中海风格”的整体基调下，豆包AI生动勾勒了一幅海边小镇度假图。
提示词中的关键元素均在图中有所展现，整体非常梦幻、chill~
最后当然更吸引网友的是，豆包AI绘图风格更多元了。
喜欢换头像的友友，即日起一天一个也不是不行（doge）。
此外，除了文艺复兴一些经典老梗，咱们现在也能分分钟成为“造梗小能手”了：
还能自己动手设计一些复古盲盒：
更多玩法欢迎大家自行解锁~~
全新升级3.0模型
豆包升级版文生图功能背后，是全新的
3.0模型
。
官方尚未透露相关细节，不过就在不久前，豆包大模型团队首度公开了去年12月上线的Seedream 2.0的技术细节——
这个版本的更新，开启了豆包文生图的“识字”时代。
Seedream走的是扩散模型路线。
豆包大模型团队透露，为了让模型既看懂文本，又关注字体字形，他们在数据预处理阶段和预训练阶段都下了功夫。
Seedream 2.0在数据预处理阶段，依靠智能标注引擎实现了三级认知进化，提升了模型理解、识别能力，通过多维度、多层级精准图片描述，让模型技能理解文字意思，也能捕捉和理解字形细节。
同时在预训练中，Seedream 2.0构建了双模态编码融合系统。其中大语言模型负责解析“文本要表达什么”，
字形模型ByT5
专注于刻画“文字应该长什么样”。
细节是，通过MLP投影层，将ByT5的字形特征对齐到LLM语义空间，二者拼接后输入扩散模型。此种方法下，字体、颜色、大小、位置等渲染属性不再依赖预设模板，而是通过LLM直接描述文本特征，进行端到端训练。这样，模型既能从训练数据中学习文本渲染特征，也可以基于编码后的渲染特征，高效学习渲染文本的字形特征。
BTW，这次Seedream新模型依然是在豆包和字节旗下AI创作平台即梦AI同步接入，不过即梦还是灰度测试的状态。
以及同样的提示词下，豆包和即梦的风格倾向似乎略有不同。
豆包：
即梦AI：
目前，豆包免费，即梦AI每天会赠送免费积分，感兴趣的大家都可以自己上手玩一玩。
有什么好玩的创意，欢迎在评论区留图分享啊~
* 本文表情包均由豆包AI生成
豆包：
https://www.doubao.com/chat/
即梦：
https://jimeng.jianying.com/ai-tool/image/generate
一键三连
「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
速抢席位！
中国AIGC产业峰会
观众报名通道已开启
🙋♀️
最新嘉宾曝光啦
🔥
百度、
华为、AWS、
无问芯穹、数势科技、面壁智能、生数科技等十数位AI领域创变者将齐聚峰会，让更多人用上AI、用好AI，与AI一同加速成长～
4月16日
，就在
北京
，
一起来深度求索AI怎么用
🙌
点击报名参会
