新智元报道
新智元报道
【新智元导读】豆包的一句话P图功能，又进化了！各种高考祝福、网络梗图、大片级精修、设计师草稿，无不是信手拈来。此刻，AI P图再次迎来降维打击，只要用自然语言，就能实现精准的图片编辑。可以说，AI修图终于来到了3.0时代！
高考第一天就这么来了！莘莘学子们离解放的日子，也只剩不到三天。
祝广大考生文曲星附体，逢考必过，心想事成！
如今，回忆起当年的场景，有没有想过直接穿越到霍格沃茨的魔法世界？
还是未来的赛博朋克世界？
话说，现在P图已经进化成这样了吗？
说句话，图就自己变了！
轻描淡写一句「天空换成夕阳」，早晨的城市公园瞬间铺满温柔的晚霞
虽说用AI来P图已经是稀松平常，但在这次用过豆包AI最新版本智能修图后，真的有被征服，只剩下一个感受——稳！太稳了！
不论是精准的在图像上编辑文字。
张伯伦拿着100分照片的梗图，秒变高考祝福
还是局部图像任意修改细节。
豆包在精细且自然地处理编辑区域的同时，都能高保真地维持其他信息。
这次豆包的能力提升主要得益于图像编辑模型SeedEdit 3.0全量上线。
经过两个版本的迭代，豆包AI智能生图直接化身你个人专属的P图专家。
爱因斯坦在上海
一秒入古画，人在画中游
将衣服和发型换成大人模样
而且，操作起来既然不用纠结细节，也无需学习复杂的软件界面。
你只需要一句简单的指令，便能看到想象力如何被一键点亮。
一直以来，AI在图像编辑领域都有个很难过去的坎——在图片中「准确地」添加文字。
举个例子，比如我们想在眼镜左镜片上添加文字「暴」，右镜片上添加文字「富」。
这时，模型不仅需要完全理解图片（找到墨镜），并且还要理解要添加的文字（别认错字）。
对于这项任务，即使是国外的扛把子ChatGPT，翻车也是常态。尤其，是在处理中文时。
比如将图中的「暴富」换成「发财」，ChatGPT两个字都打错了。
相比之下，豆包就能完美达成。
改文案、做海报，简直是打工人神器，以后编辑图片不用再求人了。
将界面改为手机点餐app的UI，移除人像，将「Shop」「Spring Sale Up to 50% Off」「Clothing」「Shoes」「Accessories」「Home」「Wireless Eardus」「Woman Hat」「Brejan Sweater」「Sneakers」「-20% On select items」「New Arrivals」等文字改成餐饮相关的
这次带来的另一个「神器」功能，就是局部修改PS。
比如，我们可以把乔帮主抱着的苹果电脑换成最新版的MacBook。
或者把手里的iPhone换成字面意思上的苹果。
如此没有违和感的成片，说声「PS大神」不为过吧！
豆包这次升级另外一个看点就是可以进行图片整体风格迁移，比如将人物直接放入拍立得相框。
这下，再也不担心女朋友的要求了。
豆包上的AI生图，为何进化到了如此强大的地步？
这就不得不提它背后的模型——SeedEdit 3.0了。
要知道，之前的图像编辑模型，往往存在这样一个令人头疼的通病——
在保留图像主体和背景、精准执行编辑指令方面表现不佳，导致生成结果可控性差、成品率低，难以满足真实应用需求。
而SeedEdit 3.0通过引入多源数据融合策略与定制化奖励机制，成功突破了这一瓶颈。
无论是主体还原、背景一致性，还是细节保真度，SeedEdit 3.0均实现大幅提升。
尤其在人像美化、场景替换、视角调整与光影变化等复杂编辑任务中，展现出了让人印象极其深刻的稳定性与真实感。
可以看到，如今在SeedEdit 3.0加持下的豆包已经不单单局限于日常P图，更是变成了设计师们的工作利器。
比如，在花瓶的瓶身上画上花纹，将花瓶上色成青花瓷，并变成真实花瓶。
再比如，将图片里的四种花上色，并摆放在同一个精美的玻璃瓶里，玻璃瓶置于客厅的窗台上，去掉标注的文字，变为写实摄影图片。
之所以能有如此表现，正是因为团队在 SeedEdit 3.0的研发工作中提出了一种高效的数据融合策略，并构建了多种专用奖励模型。
通过将这些奖励模型与扩散模型联合训练，团队针对性地改善了关键任务的编辑质量（如人脸对齐、文本渲染等）。在落地时也对推理加速进行了同步优化。
从上面这些实测中不难看出，SeedEdit 3.0对非编辑区域的保持能力很强——既能留住细节，又能兼顾美感。
在实测过程中，豆包的另一个令人印象深刻之处就是：P起图来，它怎么那么会！
让照片中的人物头戴簪花，衣服换成惠安民族服装，背景替换为福建海边。
这是三个要求，不仅要找到人物，还要定位服装，最后还要识别背景。
而豆包都完美做到了。
这当然也要归功于SeedEdit 3.0。
要知道，图像编辑任务训练的另一大关键，就是让模型听懂指令，区分出哪里需要变，哪里需要不变。
为此，团队专门开发了一套增强型数据融合策略，构建了合成数据集、编辑专家数据、传统人工编辑操作、视频帧与多镜头几个类别的数据。
基于上述数据，研究者促使扩散模型在真实数据与合成的「输入-输出编辑空间」进行交错学习，提高对真实图片的编辑效果。
就这样，对于编辑图像时的难题——「哪里改，哪里不改」，SeedEdit 3.0都表现出了更佳的理解力和权衡力。
再加上豆包APP的超强图片编辑能力，用AI来P图真正做到了「言出法随」。
还有比如这张，原图是哪吒和敖丙在实验室里做果汁。我们要求p成背景在高考考场，豆包就很好地领会到了。
就算是细节拉满的promt，豆包也能轻松get。
把照片改成插画风格，女生骑坐在一条可爱的卡通红金鱼身上，金鱼眼睛大且灵动，鱼鳍、鱼尾色彩鲜艳，背景是橙红色放射状渐变并带白色线条装饰，上方有黄橙渐变卡通字「一定高中」，底部是蓝白色海浪图案。
值得一提的是，这次豆包P图保留的人脸细腻质感，实在令人赞叹不已。
这就要归功于，SeedEdit 3.0团队对于模型细节上的提升。
他们还沿用了此前验证过的框架：底层使用视觉理解模型，顶层采用因果扩散网络，并在扩散过程中重新引入图像编码器。然后在视觉理解模型与扩散模型之间，加入一条连接，用于将前者获取的编辑推理信息与后者对齐。
改造完成后的SeedEdit 3.0结构
由此，人脸与物体特征这类细节保留显著提升。
最后，在训练和推理加速上，SeedEdit 3.0还融合了蒸馏模型方法、CFG蒸馏、统一噪声参照、自适应时间步采样等多个加速方法，实现了10秒级的推理。
在未来，团队还将探索更丰富的编辑操作，让大家创意爆棚，灵感爆棚。
随着图像生成的质量越来越高，AI生图也开始从「玩具」逐渐进化成真正的生产力工具。
与此同时，用户的需求也早已不局限在生图这个单一的场景中。这一点，从GPT-4o「魔改吉卜力风」一夜火爆全网，便不难看出。
现在，在AI修图迈入3.0时代的今天，豆包SeedEdit 3.0不仅打破了传统P图工具的门槛，更真正将「所见即所得」升级为「所想即所得」。
不论是图中文字编辑、局部精修、风格迁移，还是超写实建模与视觉美学体验，它都做到了「稳准狠」——稳在每一次操作都可复现，准在每一句指令都能精准理解，狠在生成效果足以媲美专业级修图师。
在这个大家都希望AI「言出法随」的时代，你只需动动嘴，剩下的交给AI。
现在，是时候告别繁琐，拥抱想象力的无限可能了。
（文：新智元）