近期多模态生成模型密集更新,图像与视频两条线都有值得关注的进展。
图像侧 字节 Seedream 5.5 正在灰度,主打多轮编辑、原生透明背景输出与更真实的视觉和文字渲染,已铺开到即梦、豆包等入口。MiniMax 开放 H3-Image 权重,整合文本生成图像、参考图生成与图像编辑,最多支持十六张参考图片。多轮编辑中“未改动区域保持稳定”成为新的竞争点。
视频侧 Google 的 Gemini Omni 1.2 Flash 转为正式可用,支持最长十五秒片段、多轮对话式编辑,720p 生成每秒零点零七美元。生成时长和编辑一致性是目前的焦点。
对创作者的现实意义 多轮编辑能力让“生成后微调”变得可行——先出大图,再局部改,不必每次重来。透明背景输出直接对接设计工作流,省去抠图步骤。这些改进看似细节,却是从“能玩”到“能用”的关键。
成本与版权 按秒计费的视频生成,长片段成本不低,做批量内容前先算账。另外商用要注意训练数据与输出版权,不同厂商条款差异大,别默认生成即商用。
一句话结论 AIGC 正在从一次性生成走向可编辑、可迭代的创作流程。选工具时多看多轮编辑的稳定性和与现有工作流的衔接,而不是单张图的惊艳程度。
本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。