ByteDance Seed ने कई चरणों में छवि संपादन के लिए Seedream 5.5 पेश किया

ByteDance Seed ने 9 नवंबर, 2026 को Seedream 5.5 पेश किया और इसे पेशेवर दृश्य सामग्री निर्माण के लिए अपना अगली पीढ़ी का छवि-निर्माण मॉडल बताया। यह रिलीज़ अधिकतम 100 चरणों तक स्थिर संपादन, पारदर्शी सामग्री को सीधे तैयार करने और यथार्थता तथा छोटे पाठ के रेंडरिंग में सुधार पर केंद्रित है।

यह संपादन प्रक्रिया उन संचयी त्रुटियों को रोकने के लिए बनाई गई है, जो हर बार तैयार हुई छवि को अगले संशोधन के लिए इनपुट बनाने पर उभर सकती हैं। ByteDance के अनुसार, लक्षित प्रशिक्षण से बिना संपादन वाले हिस्से पिक्सेल स्तर पर सुरक्षित रहते हैं, उन क्षेत्रों में रंगों का बदलाव खत्म होता है और लगातार संपादन के दौरान बारीकियों का नुकसान तथा छवि का क्षरण कम होता है। डिज़ाइनरों के लिए, इस रिलीज़ में संशोधनों के बीच निरंतरता को प्राथमिकता दी गई है।

कंपनी के संपादन प्रदर्शन में एक ही व्यक्ति के कपड़े, सहायक वस्तुएँ और मेज़ पर रखी चीज़ें बार-बार बदली गईं। मॉडल व्यक्ति की मुद्रा, सहायक वस्तुओं और त्वचा के बीच संपर्क, एक-दूसरे से ढके हुए हिस्सों और रोशनी का ध्यान रखते हुए अंगूठियों और चश्मे के फ्रेम जैसी छोटी चीज़ों में भी बदलाव कर सका। एक अलग आंतरिक सज्जा वाले कमरे के प्रदर्शन में बदलते अध्ययन-कक्ष में एक डिब्बे को इधर-उधर ले जाया गया। कमरे में बदलाव के साथ मॉडल ने परिप्रेक्ष्य, पड़ती हुई छायाओं और नए खुले हिस्सों को समायोजित किया।

कंपोज़िटिंग के लिए पारदर्शी सामग्री

Seedream 5.5 सीधे RGBA छवियाँ बना सकता है, जिनमें अल्फ़ा चैनल से पूरी या आंशिक पारदर्शिता दिखाई जाती है। क्रिएटर ये सामग्री पाठ्य विवरणों या संदर्भ छवियों से तैयार कर सकते हैं। ByteDance के अनुसार, तैयार तत्वों को अलग से पृष्ठभूमि हटाने और किनारों को साफ़ करने की ज़रूरत के बिना लेआउट, कंपोज़िटिंग और उत्पादन की कार्यप्रणालियों में शामिल किया जा सकता है।

इन उदाहरणों में मुश्किल किनारों और सामग्री के दोबारा इस्तेमाल पर ध्यान दिया गया है। पारदर्शी हिम उल्लू की छवि में पंखों के सिरे, उनके बीच के छोटे अंतराल और पंजों की रूपरेखा बनी रहती है। एक अन्य प्रदर्शन में अलग-अलग परिवेशों में पात्रों की सामग्री का दोबारा इस्तेमाल किया गया। मुद्राएँ, समूहों की संरचना और संयोजन बदलने के बावजूद उनकी पहचान बताने वाली विशेषताएँ और बनावट बरकरार रहीं।

आधिकारिक मॉडल पृष्ठ पर उत्पादन से जुड़े दो और उदाहरण दिए गए हैं: फ़्लेमिंगो को अलग पारदर्शी RGBA परत के रूप में निकालना और दौड़ती हुई लड़की का ऐसा क्रम तैयार करना, जिसमें हर छवि अपनी अलग पारदर्शी परत पर हो।

यथार्थता और छोटे पाठ का रेंडरिंग

ByteDance के अनुसार, Seedream 5.5 रोशनी, सामग्री और त्वचा की बनावट को अधिक स्वाभाविक ढंग से दिखाता है और कुछ आउटपुट में ज़रूरत से ज़्यादा चमक, अत्यधिक एक्सपोज़र तथा धब्बेदार बनावट को कम करता है। पाठ के रेंडरिंग में किए गए बदलाव जटिल अक्षर-आकारों और घनी तरह से व्यवस्थित छोटे पाठ को बेहतर ढंग से संभालते हैं। प्रदर्शनों में अंग्रेज़ी लेखों और चित्रों से सजा शेक्सपियर के विषय वाला एक छोटा अख़बार-पृष्ठ और नीली मॉर्फो तितली पर चीनी भाषा का एक इन्फ़ोग्राफ़िक शामिल है। इन्फ़ोग्राफ़िक में चित्रों के साथ दिए गए आठ व्याख्यात्मक नोटों के छोटे अक्षर पढ़ने योग्य बने रहते हैं।

कंपनी के मूल्यांकन और चरणबद्ध शुरुआत

ByteDance ने अपने मूल्यांकन में MagicArena का इस्तेमाल किया। छवि-निर्माण का अनुभव रखने वाले मूल्यांकनकर्ताओं ने ई-कॉमर्स, मार्केटिंग, फ़िल्म और टेलीविज़न, गेमिंग, कार्यालयी उत्पादकता और फ़ैशन डिज़ाइन में गुणवत्ता तथा उपयोगिता के आधार पर अंक दिए। कंपनी के मुताबिक, हर श्रेणी में दोनों मापदंडों पर Seedream 5.0 Pro की तुलना में सुधार हुआ। फ़िल्म और टेलीविज़न तथा कार्यालयी उत्पादकता में उपयोगिता के आँकड़े पिछले संस्करण से दोगुने से भी अधिक रहे।

ByteDance के अलग विशेषज्ञ तुलनात्मक मूल्यांकन में समीक्षकों ने पाठ-से-छवि और छवि-से-छवि कार्यों में पाठ की संरचना और यथार्थता के लिए अच्छा/समान/खराब पसंद के आधार पर अंक दिए। रिपोर्ट किए गए अंकों में पूर्ववर्ती मॉडल के मुकाबले चारों तुलनाओं में सकारात्मक नतीजे रहे। छवि-से-छवि यथार्थता में यह बढ़त +55.62% तक पहुँची। GPT Image 2.5 Sunburst और Nano Banana 2.1 से की गई तुलना में भी, दोनों प्रकार के कार्यों में पाठ की संरचना के मामले में Seedream 5.5 को बढ़त मिली और पाठ-से-छवि यथार्थता में उसका लाभ उल्लेखनीय रहा।

चीनी और अंग्रेज़ी पाठ के रेंडरिंग परीक्षणों में घना छोटा पाठ भी शामिल था। कंपनी के मुताबिक, इनमें गंभीर और मामूली पाठ-भ्रष्टता की दर क्रमशः 0.4% और 1.7% रही। पाठ-भ्रष्टता में गलत या गायब अक्षर और अक्षरों की अव्यवस्थित संरचना शामिल हैं।

चीनी भाषा की घोषणा के अनुसार, Seedream 5.5 को चरणबद्ध तरीके से Jimeng के वेब निर्माण और कैनवस टूल, Doubao के ऐप और वेब छवि जनरेटर, Doubao Work के कौशलों और Volcengine Ark के दृश्य-मॉडल अनुभव केंद्र के ज़रिए उपलब्ध कराया जा रहा है।

ByteDance की योजना अधिक जटिल संदर्भगत इनपुट और रचनात्मक निर्देशों को समर्थन देने, एजेंट कार्यप्रवाहों में मॉडल का इस्तेमाल बढ़ाने और इसका Pro संस्करण जारी करने की है। मौजूदा रिलीज़ का उत्पादन के लिए महत्व, तैयार छवियों के बीच किए जाने वाले काम में है: संशोधन के दौरान स्वीकृत हिस्सों को सुरक्षित रखना और ऐसी पारदर्शी सामग्री देना जिसे सीधे कंपोज़िटिंग में इस्तेमाल किया जा सके।