字节跳动发布豆包视频生成模型，可生成10秒多镜头一致性视频

人工智能技术在2024年取得了显著进展，其中AI图像生成领域涌现出了许多令人瞩目的创新，本文将聚焦于图像生成领域的新星——豆包AI图像生成。

豆包AI绘画功能强大，豆包·图像创作凭借其卓越的图像生成技术，在图像处理领域备受关注，它能够生成逼真、细节丰富的图像，支持多种风格的艺术创作，包括写实风格、二次元风格以及各种风格的混合与创新。

通过图像创作功能和强大的算法，用户可以轻松地创作出高质量的作品，无需专业的绘画技巧，即可在豆包中生成精美的二次元图像，提升整体视觉体验。更重要的是，用户能够在豆包中体验到二次元风格以及混合风格带来的无限可能，10步之内就能完成一张精美的画作，涵盖风景、3D模型、动漫等多种元素。

不仅如此，图像创作还支持风景、3D模型、2D模型、动漫等多种风格，并能够输出1:1、3:4、4:3、16:9、9:16、21:9等多种比例的图像，满足不同场景和设备的需求。

借助豆包·图像创作的强大功能，即使没有专业的美术功底，也能轻松创作出令人惊艳的图像作品，它能帮助用户在二次元和现实之间搭建起一座桥梁，无论是灵感记录、设计参考，还是趣味表达，都能满足用户的需求。

豆包图像生成工具，目前已知两款模型:Doubao-图像-PixelDance和Doubao-图像-Seaweed 。

接下来我们将带您体验PixelDance和Seaweed两款Doubao-图像模型。

一、Doubao-图像-PixelDance

PixelDance V1.4是ByteDance Research推出的一种基于DiT架构的扩散模型图像生成工具，它能够快速生成高质量的图像，只需简单输入提示词，即可在10步内生成令人满意的图像。

该模型能够理解复杂的文本描述和图像特征，具有强大的语义理解能力，能根据用户的需求生成符合预期的图像，无论是艺术创作还是设计辅助，都能提供有力的支持。

以下是PixelDance模型创作案例：

高质量的图片生成

PixelDance V1.4可以通过清晰的prompt，快速准确地生成高质量的图像和符合要求的作品。

prompt:一个男人站在赛博朋克城市，脸上带着面具，他的头发闪闪发光，深邃的眼睛隐藏在黑暗中。

风格迁移与融合

它可以将不同的风格进行融合，创造出意想不到的艺术效果，展现出独特的魅力。

多种元素融合的图像

它支持多种图像元素的融合，能够轻松地将不同元素整合到同一画面中，且可以在10步之内快速生成。

图像风格与质量

基于强大的Transformer架构，该模型在图像生成方面表现出色，支持风景、3D、2D、动漫等多种风格，支持1:1、3:4、4:3、16:9、9:16、21:9等多种图片比例。

二、Doubao-图像-Seaweed 

该模型同样支持图像生成，它基于Transformer架构，能够理解复杂的场景描述，可以实现逼真的细节还原，还具备图像风格迁移能力，从而满足用户在不同场景下的创作需求。该模型适合生成具有高清晰度、24fps、运行在5步左右的720p图像，同时可将生成时间控制在20-30秒。

以下是Seaweed 模型创作案例:

艺术作品质感，细节更加丰富

prompt：一栋被遗弃的建筑沐浴在粉色的黄昏中。

超现实主义风格

图像风格迁移

豆包·图像生成技术的出现，为创意表达提供了更多可能性，无论是视频创作、游戏设计、还是广告营销（包括短视频MV、游戏海报等），都能借助其强大的图像生成能力和图像处理能力得以实现。可以预见，随着AI技术的不断进步，图像生成领域将迎来更加广阔的发展空间。

总而言之，掌握图像生成技术对于提升工作效率和创意产出具有重要意义，它能够帮助我们更快地将想法转化为视觉作品，从而在各个领域实现创新和突破。

从性能数据来看，截至9月份，豆包图像生成模型的tokens利用率提升了1.3倍，4个季度的训练tokens消耗降低了10%。在此基础上，豆包·图像的整体模型推理成本降低5，000倍，同时，豆包向量检索性能达到业界85%以上。