连改20轮还是同一个人！Seedream5.5稳了（附GIF表情包教程）

昨天字节发布了新的图片生成模型Seedream 5.5。老粉们应该都知道，我现在平时做各种文章/视频封面、产品海报基本上都是Seedream和GPT-Image这俩模型二选一。

上周GPT-2.6刚更新，没想到字节又这么快速的更新了，看了下他们的发布信息，Seedream这次更新排在第一条的是多轮编辑，字节的说法是，没让改的地方能保持像素级不动，同一张图可以连着改上百轮。

我自己测试倒是跑上百轮就有点耗积分，也太肝了，没必要。所以我自己拿一张咖啡馆窗边的人像试了20轮，先改10处，再一处一处改回去，每一轮只上传上一轮的输出。21张按顺序排在一起是这样的：

改到第20轮，她还是她。

另外，我发现Seedream5.5在生成复杂的，带大量小字的海报时，能力也巨强，我让它画了一张七百多字的航线图，逐字对下来一个错的都没有。另外他们还出了直接生成带透明通道的图的能力，不用再抠图了（设计师狂喜）。文末还有一个用它做GIF表情包的教程。

实测1：连改二十轮再改回来

这10处是雪景、墨绿衬衫、红毛线帽、心形拉花、眼镜、笔记本、徽章字、壁灯、多肉、露齿笑。提示词都是一个句式，比如第2轮：

编辑这张参考图：只把白色衬衫改成墨绿色，其他一切（脸、发型、徽章文字、耳钉、手、拿铁、窗外）保持完全不变。

把原图、第10轮和第20轮放大放在一起看：

月亮耳钉、手腕上那颗痣、徽章的位置，肉眼看20轮都在原地，徽章上的字改成两行「HUASHU LAB 2026」又改回来，字形也没变。像拉花、眼镜、徽章字、壁灯这种小改动，前后两张整图的结构相似度（SSIM，1代表完全一样）都在0.983到0.995之间。

细看也有一些小变化，窗外的街景和路边停的车，跟原图比稍微有点不一样。主角本人和她身边的细节，脸、耳钉、手腕上的痣、胸前的徽章，基本都维持住了。

实测2：多场景多轮修改

同样的句式，我又拿几个平时更常用的场景各连着改了五六轮。

装修是一间老客厅，依次换木地板、刷墙、换沙发、换吊灯、加窗帘、加地毯和茶几：

六轮改下来，门、墙上那幅山水画、旁边的单人沙发、窗外的楼都还在原来的位置。

给一张咖啡店开业海报，依次换底色、改标题、换主图、加角标、改日期：

营销图先把保温杯换成耳机，再把耳机改成雾霾蓝，然后换成傍晚的光、加上促销字、把干花换成圣诞树：

实测3：复杂多文字海报场景

我最近坐船从夏威夷去大溪地，就让它给这段航程做一张杂志跨页：七个停靠点，每个点配一张照片，旁边写地名、日期，再加一段一百字左右的介绍：

七段介绍加起来706个字，里面有一串年份日期，有Kauaʻi、Taputapuātea这种带特殊字母的地名，我放大了一段一段对，居然全一个错的都没有，就离谱...

字节自己的评测里，出现错字、漏字、结构错乱这类严重文字崩坏的比例，从5.0 Pro的2.8%降到了0.4%。

实测4：多图融合

多图融合我把两张图拼到了一起：一张是前面连改20轮的那个咖啡馆女生，一张是我让它画的咖啡豆包装背面，中英日三种文字加一张冲煮表。提示词写的是「图1的女生坐在同一家咖啡馆窗边，双手把图2这包咖啡豆举在胸前，包装上的所有文字、表格和条形码和图2逐字一致」：

包装上的标题、配料、日期、三语风味和冲煮表我逐行对过，「云南保山」「2026.11.05」「18g → 36g」「ダークチョコレート」都和原图一样。她的卷发、月亮耳钉、胸前徽章都还在，手腕上那颗痣也跟过来了。

动作也能这么给。我让它先画了一个木头人偶，一只手举过头顶比V，另一只手叉腰，大步往前迈，然后把女生和木头人一起传上去，让她照着摆：

动作对上了，徽章上的「HUASHU LAB」也在，手腕上那颗痣跟到了举起来的那只手上。想保住的小细节，像徽章上的字，在提示词里点名写出来会更稳。

同一个人、同一件道具、同一个动作，放进新的画面里还是原样，做分镜、攒角色和道具素材的时候就可以这么反复用。

透明图是Seedream 5.5原生的能力，模型直接出带透明通道的PNG，不是生成完再抠的。我让它一次画了6张鸟类贴纸，6个中文名全对，白色模切边完整，一张图切开就是6张贴纸，这对于设计师来兼职再轻松不过了，设计好的素材可以很方便重复利用👇

在即梦里上手

在即梦的图片生成里，模型选Seedream 5.5，点开输入框下面的比例按钮选比例和分辨率。透明图模型本身就能直出，在即梦里用的话，点开背景按钮选透明就行：

要改图就把图传上去当参考。这次测下来，几条我觉得管用的写法：

1. 每轮只改一处，句式固定成「只把……改成……，其他一切保持完全不变」，必要时把不许动的东西点名列出来
2. 每一轮的提示词都写成单独能看懂的，不写「上一轮加的那个」这种指代
3. 被盖住或改掉的东西想找回来，就把原图一起传上去当第二张参考
4. 要出现的字全部写进「」，最后加一句「不要出现任何其他文字」；把带字的东西放进另一张图里时，让它在画面里占大一点、正对镜头，小字会更清楚
5. 图里个别字写错了，就让它只改那一处，位置说具体，比如「第几行开头的哪几个字」，别只说「把某个字改对」

价格方面，API按「输入图＋输出图」两段计费，文本不收费，2K的方图编辑一张大概0.28元，不到5.0 Pro的一半，API即将上线火山方舟。

One more thing：让它做动态表情包

上周OpenAI发布GPT Image 2.6，发布时主推的一个能力就是直接出GIF，一句话做一张会动的表情包。

我挺好奇它是怎么做到的，就拆了一条ChatGPT出的GIF。然后我发现他们其实逻辑就是先让AI画一张4×3的多格图，每一格是一帧，再切成12帧拼起来。

那这件事别的模型也能做。我写了一个skill，把「画多格图、切帧、拼GIF」这一套固定下来，拿Seedream 5.5给我自己做了一套：

8个表情，每个8帧，透明背景，底下的字幕也是它直接画上去的

拿Seedream 5.5做这件事，用上的正好是前面测的那几样。一张图里8格是同一个角色，长相、帽子、眼镜、大小都得一样，切开拼起来才不闪，我觉得这是他们可控编辑能力的副产品。透明背景是原生的，切开直接是贴纸，不用一格一格抠。每一格底下是同一句字幕，8套64格，一个错字都没有。

我做的顺序是拿一张我的照片，让它画成Q版角色设定图：

渔夫帽和圆框眼镜都在。之后就不再给它看照片了，只拿这张设定图当参考，一个表情画一张精灵图。比如「下班！」这一张：

上面的灰底是预览时垫的，实际是透明的。

想自己动手的话，用豆包或者即梦都可以，模型选Seedream 5.5。

第一步，照片变角色设定图（传你的照片，背景要透明，括号里换成你自己的标志）：

参考图是一位{男生/女生}。把{他/她}画成一张Q版卡通贴纸角色设定图：左边是同一个角色的正面、侧面、背面三个全身站姿并排，右边是四个头部特写表情（开心大笑、震惊、无语翻白眼、得意坏笑）。保留{他/她}的标志：{帽子、眼镜、发型、常穿的衣服}，五官和脸型要像参考图里的{他/她}。三头身比例，粗黑描边，干净的平涂上色，表情包贴纸风格，每个形象外面有一圈白色贴纸描边。除了角色本身，其余全部是透明背景，不要出现任何文字。

第二步，每个表情一张精灵图（参考图只传上一步的设定图，比例16:9，背景要透明）：

参考图是一个Q版卡通角色的设定图。用这个角色画一张表情包精灵图（sprite sheet）：画面平均分成4列×2行共8个等大的格子，格子之间不画边框。8格按从左到右、从上到下的顺序是一段连续动作：{动作}。8格里角色的长相、{帽子、眼镜、衣服}和画风完全一致，大小一致，都在格子正中。每一格底部都有同样的白字黑边粗体大字「{字幕}」，8格的文字完全相同。粗黑描边，干净的平涂上色，贴纸风格。除了角色、道具和文字，其余全部是透明背景。

第三步，切帧拼GIF，跟豆包说：

这是一张4列×2行的表情包精灵图，透明背景。请用Python帮我把它平均切成8帧，按从左到右、从上到下的顺序排好。先把每一帧多余的透明边裁掉，再按角色脚下和字幕的位置把8帧对齐，保证播放的时候不跳。然后合成一张循环播放的透明背景GIF，每帧200毫秒，尺寸480×480，再另存一份240×240的。

嫌三步麻烦，就直接装skill。在豆包里发这一句：

请帮我安装这个Skill：https://github.com/alchaincyf/huashu-selfie-sticker

我自己在豆包里发了这一句，大概半分钟就装好了，它还顺手检查了一遍切帧要用的Python环境：

装好以后跟它说「用这张照片帮我做一套动态表情包」，把照片发过去。它会先出角色设定图让你确认像不像，再跟你一起定表情和字幕，最后切帧出GIF。

enjoy～