即刻App年轻人的同好社区
下载
Seedream 5.0 Pro 的这个图像精细编辑能力真的非常牛！
它是模型能力和产品交互的一个结合，可以实现对图像非常精准的编辑。
甚至你标注的部分和生成的部分区域颜色能完美融合，绝对不会溢出。
我写了一篇教程，详细讲了一下如何在 Lumina 里面去玩这套东西，推荐去试试，是很不一样的体验。
mp.weixin.qq.com
======
先说交互，所有案例都建立在这上面
上传图片后点 Draw 按钮，可以在图上做三种标记：打点（Mark）、画框圈选（Region）、涂鸦和箭头。
关键是下一步：你打的点、画的框、传的图，写提示词时都能直接 @ 出来，一键变成提示词里的一个多模态词。
提示词会长这样：
「将 @Mark01 的沙发换成米白布艺沙发，将 @Mark02 的墙面刷成 #F5EDE3 的漆，将 @Mark03 的地板换成鱼骨拼原木地板……」
以前要描述"图里左边靠窗那个米色的、扶手有点磨损的旧沙发"，现在是在沙发上点一下。零歧义。
位置交给手，需求交给嘴。这就是 PS 的交互逻辑（先选区，后操作），只不过"操作"那半边换成了说人话。
------
案例一：出租屋改造
底图是我自己出租屋的实拍。在图上打四个点：沙发、墙面、地板、货架，一句话全换掉，连"整理脏乱的衣物和杂物"这种含糊要求都执行了。窗户位置、房间比例、视角完全没变。一次生成，四处编辑，互不干扰。
再加难度：找六张具体家具的图，打六个点做一对一替换。六件家具全部"落地"，那张云朵形状的木质茶几放在我房间地板上，投影方向和窗户光源是一致的。
这是很复合的要求，以往写提示词要写很多还不一定处理得好。现在不用抽卡了，一次就搞好，谁都可以用。
最后传一张色卡让它给全屋重新配色，它准确理解了"色卡里第几个色用在哪"，家具位置一件没动。设计师按小时收费的配色方案，现在几十秒一套。
------
案例二：一把键盘出整套商业物料
原料只有一张我自己拍的 Lofree 机械键盘。
第一步，随手拍变场景大片：放到清晨木质工作桌，逆光，键帽上的字符没有花。商品图最怕模型把文字改乱，这关它过了。
第二步，一句"加一个爆炸拆解视角展示键盘的内胆结构"，它把键盘拆成悬浮的四层，每层都符合机械键盘的真实构造。这种图传统流程要 3D 建模，现在提示词都没 20 个字，说明它在智能上的提升也非常大。
第三步，在拆解图上标四个卖点，指引线位置全部指对，详情页的结构卖点图就有了。
第四步，画三个框直接"排版"出英文海报：标题、副标题、三栏卖点卡片全在我框定的位置上，文字一字不差。我量了一下，可能只差几像素。你完全可以用这个方式直接在标记上排版，算一个小技巧。
番外：一张卫衣上身图直接报色号，出四色四宫格，褶皱光影逐格一致。一件衣服拍一次，全部 SKU 的图就齐了。
------
案例三：人管信息，AI 管审美
AI 生图最老大难的问题是文字容易写错、版式不受控。我的解法：信息和版式由人来定，模型只负责把它"升维"成设计品。
先在 PPT 里排一页白底黑字的文案稿，连同产品图一起发过去，要求"所有文字内容和位置严格遵循图一，一个字都不能改"。成品海报位置严格遵守，价格一分没错。
拿成品海报再跑一次，标题换成毛毡缝线、金属镭射 Y2K、宣纸水墨三种质感出四宫格。版式是你的资产，皮肤随便换。
一份 Excel 价目表直出深绿底金字的复古菜单海报，几十行菜名价格无一出错。中文小字这么密集的信息图，上一代模型必然是重灾区。
顺手让它把菜单翻译成英文、法语、繁体中文三宫格，版式插图完全一致，我让 Gemini 检查过，没有错字。
======
五条用法，帮你举一反三
▸ 能动手就别多打字，位置交给打点和画框，提示词只留"改成什么"
▸ 把编辑需求攒成一句话，多个 Mark 和 Region 一次发出去，不会像多轮对话越改越崩
▸ 精确需求用硬指标：hex 色号（字母大写）、色卡图、参考图，遵循度远高于"高级的莫兰迪色"
▸ 排版类需求先做信息稿再做设计稿，文字用 PPT/Excel 排好，模型只管质感风格
▸ 把每张产出当成下一次编辑的底图，一张原图裂变一整套物料
======
除了编辑，这版还有三个提升：多语言能力明显变好、人像一致性上了一个台阶（改衣服不用担心"换头"）、复杂信息图的中文小字进步非常大。
整体来看，字节这次在图像和视频模型上都到了全球领先的位置，视频是断层式领先，图像跟 GPT-Image 2.0 差不多，拉开了 Nano Banana 不少。
想创建图像 Agent 或者自己做着玩的，用火山引擎的 API 非常方便和灵活，可以去试试。
它是模型能力和产品交互的一个结合，可以实现对图像非常精准的编辑。
甚至你标注的部分和生成的部分区域颜色能完美融合，绝对不会溢出。
我写了一篇教程，详细讲了一下如何在 Lumina 里面去玩这套东西，推荐去试试，是很不一样的体验。
mp.weixin.qq.com
======
先说交互，所有案例都建立在这上面
上传图片后点 Draw 按钮，可以在图上做三种标记：打点（Mark）、画框圈选（Region）、涂鸦和箭头。
关键是下一步：你打的点、画的框、传的图，写提示词时都能直接 @ 出来，一键变成提示词里的一个多模态词。
提示词会长这样：
「将 @Mark01 的沙发换成米白布艺沙发，将 @Mark02 的墙面刷成 #F5EDE3 的漆，将 @Mark03 的地板换成鱼骨拼原木地板……」
以前要描述"图里左边靠窗那个米色的、扶手有点磨损的旧沙发"，现在是在沙发上点一下。零歧义。
位置交给手，需求交给嘴。这就是 PS 的交互逻辑（先选区，后操作），只不过"操作"那半边换成了说人话。
------
案例一：出租屋改造
底图是我自己出租屋的实拍。在图上打四个点：沙发、墙面、地板、货架，一句话全换掉，连"整理脏乱的衣物和杂物"这种含糊要求都执行了。窗户位置、房间比例、视角完全没变。一次生成，四处编辑，互不干扰。
再加难度：找六张具体家具的图，打六个点做一对一替换。六件家具全部"落地"，那张云朵形状的木质茶几放在我房间地板上，投影方向和窗户光源是一致的。
这是很复合的要求，以往写提示词要写很多还不一定处理得好。现在不用抽卡了，一次就搞好，谁都可以用。
最后传一张色卡让它给全屋重新配色，它准确理解了"色卡里第几个色用在哪"，家具位置一件没动。设计师按小时收费的配色方案，现在几十秒一套。
------
案例二：一把键盘出整套商业物料
原料只有一张我自己拍的 Lofree 机械键盘。
第一步，随手拍变场景大片：放到清晨木质工作桌，逆光，键帽上的字符没有花。商品图最怕模型把文字改乱，这关它过了。
第二步，一句"加一个爆炸拆解视角展示键盘的内胆结构"，它把键盘拆成悬浮的四层，每层都符合机械键盘的真实构造。这种图传统流程要 3D 建模，现在提示词都没 20 个字，说明它在智能上的提升也非常大。
第三步，在拆解图上标四个卖点，指引线位置全部指对，详情页的结构卖点图就有了。
第四步，画三个框直接"排版"出英文海报：标题、副标题、三栏卖点卡片全在我框定的位置上，文字一字不差。我量了一下，可能只差几像素。你完全可以用这个方式直接在标记上排版，算一个小技巧。
番外：一张卫衣上身图直接报色号，出四色四宫格，褶皱光影逐格一致。一件衣服拍一次，全部 SKU 的图就齐了。
------
案例三：人管信息，AI 管审美
AI 生图最老大难的问题是文字容易写错、版式不受控。我的解法：信息和版式由人来定，模型只负责把它"升维"成设计品。
先在 PPT 里排一页白底黑字的文案稿，连同产品图一起发过去，要求"所有文字内容和位置严格遵循图一，一个字都不能改"。成品海报位置严格遵守，价格一分没错。
拿成品海报再跑一次，标题换成毛毡缝线、金属镭射 Y2K、宣纸水墨三种质感出四宫格。版式是你的资产，皮肤随便换。
一份 Excel 价目表直出深绿底金字的复古菜单海报，几十行菜名价格无一出错。中文小字这么密集的信息图，上一代模型必然是重灾区。
顺手让它把菜单翻译成英文、法语、繁体中文三宫格，版式插图完全一致，我让 Gemini 检查过，没有错字。
======
五条用法，帮你举一反三
▸ 能动手就别多打字，位置交给打点和画框，提示词只留"改成什么"
▸ 把编辑需求攒成一句话，多个 Mark 和 Region 一次发出去，不会像多轮对话越改越崩
▸ 精确需求用硬指标：hex 色号（字母大写）、色卡图、参考图，遵循度远高于"高级的莫兰迪色"
▸ 排版类需求先做信息稿再做设计稿，文字用 PPT/Excel 排好，模型只管质感风格
▸ 把每张产出当成下一次编辑的底图，一张原图裂变一整套物料
======
除了编辑，这版还有三个提升：多语言能力明显变好、人像一致性上了一个台阶（改衣服不用担心"换头"）、复杂信息图的中文小字进步非常大。
整体来看，字节这次在图像和视频模型上都到了全球领先的位置，视频是断层式领先，图像跟 GPT-Image 2.0 差不多，拉开了 Nano Banana 不少。
想创建图像 Agent 或者自己做着玩的，用火山引擎的 API 非常方便和灵活，可以去试试。
20 05
老马的 grok build CLI 会打包上传你项目的整个代码库，这事办的太离谱了。
主要是它会把你的一些密钥上传上去，这一旦泄露的话，风险还是很大的。
幸亏我一直没来得及试它那个东西。
主要是它会把你的一些密钥上传上去，这一旦泄露的话，风险还是很大的。
幸亏我一直没来得及试它那个东西。
27 39
昨天 GPT 5.6 Sol 发布，想测试一下，没想到这么猛。
一上午就帮我做了一个非常完整而且好玩的小工具：人生成就生成器
上传一张你的照片，选一个跟你经历有关的"人生成就"。
工具会给照片加上字符、像素或实验性滤镜，再叠上一张游戏风格的成就卡。
感兴趣可以来玩玩：chengjiu.guizang.ai
一上午就帮我做了一个非常完整而且好玩的小工具：人生成就生成器
上传一张你的照片，选一个跟你经历有关的"人生成就"。
工具会给照片加上字符、像素或实验性滤镜，再叠上一张游戏风格的成就卡。
感兴趣可以来玩玩：chengjiu.guizang.ai
03:05
29 13
小红书最近动作挺多呀，上线了新的 AI 周边，就叫“小工具”
你可以把你 vibe Coding 的一些网页之类的当做一个小程序发布到小红书，然后你在发视频或者发图文的时候就可以挂载这个小工具，让其他人在小红书内部直接使用。
我感觉这挺有意思的，大家终于有了一个把自己 vibe Coding 的一些小东西发出来的地方，尤其是在这种封闭的社区里。
其他家也有类似的东西，但其他家的问题在于什么都想做，他们想把生成和发布一起做。
而小红书就想得很明白，只做 ROI 很高的发布，不做生成。毕竟生成这事，你确实很难做好。
你可以把你 vibe Coding 的一些网页之类的当做一个小程序发布到小红书，然后你在发视频或者发图文的时候就可以挂载这个小工具，让其他人在小红书内部直接使用。
我感觉这挺有意思的，大家终于有了一个把自己 vibe Coding 的一些小东西发出来的地方，尤其是在这种封闭的社区里。
其他家也有类似的东西，但其他家的问题在于什么都想做，他们想把生成和发布一起做。
而小红书就想得很明白，只做 ROI 很高的发布，不做生成。毕竟生成这事，你确实很难做好。
50 418
ChatGPT 新版语音模式的卡片挺有意思。
你在跟他聊天的时候，如果让他找一些东西，他会用这种可视化卡片的方式给你展示他找到的内容细节。
比如说世界杯卡片、股票卡片、天气卡片等等，基本上常见的都会有。
你在跟他聊天的时候，如果让他找一些东西，他会用这种可视化卡片的方式给你展示他找到的内容细节。
比如说世界杯卡片、股票卡片、天气卡片等等，基本上常见的都会有。
00:30
22 83
随着 GPT 5.6 和 ChatGPT App 的更新，Anthropic 还是急了。
直接在昨天晚上这种不寻常的时间，没有任何理由重置了额度的限制（5 小时和每周都重置了）。
主要是下面 Codex 的俩开发者哥们在下面拱火，贴脸开大，哈哈
直接在昨天晚上这种不寻常的时间，没有任何理由重置了额度的限制（5 小时和每周都重置了）。
主要是下面 Codex 的俩开发者哥们在下面拱火，贴脸开大，哈哈
20 20
OpenAI 昨天晚上发了一堆东西，乱七八糟的。
GPT 5.6 终于发布了，随之发布的还有全新的 ChatGPT 应用（也就是 Codex 应用，改了个界面、换了个名字）。
现在 OpenAI 全面学习 Anthropic 产品的命名方式。
无论是从新的 5.6 命名上（原来他们是通过 Pro Mini 这种方式去命名，现在通过全新的名字比如 Sol 命名），还是产品形态上，Codex 应用现在硬生生被改成了类似 Claude 桌面端的方式。
他们硬拆分出了 Work 和 Code 两个 Tab。
你在切换的时候，整个界面除了左上角那个标志换了，其实根本看不出区别。
更别扭的是，聊天本身被缩进到了右下角一个非常小的弹窗里，整个界面充满了这种别扭的痕迹。
我一直坚持认为，Work 和 Code 根本没必要硬去区分，没必要在界面上透露出“我这个东西只能 Code”或者“我这个东西只能 Work”，用户直接用就行了。
本来经过几个月，大家已经建立起了关于 Codex 软件的认知，这一波操作直接给整没了，过去几个月全白干。现在每个人都很困惑，找不到自己的东西在哪，甚至找不到自己以前在 ChatGPT 软件里的聊天记录，非常蛋疼。
除了这些，还有几个新变化：
1. Site 插件上线：
Codex 里面的 Site 插件已经上线了，可以直接去插件里面找。我试了一下，它能直接帮你生成网页，生成时会提供多套网页供你在界面上选择。
生成网页之后，它还可以连接你已有的业务数据，同时还能帮你部署到 OpenAI 的网站（部署到线上），方便你分享给朋友，这个非常好用。
2. 移动端调用插件：移动端的 ChatGPT 现在也可以调用原来 Codex 里面的那些插件了。
3. 基础能力升级：它的“浏览器使用”和“计算机使用”功能都进行了升级，变得更快、更准确了。
同时，GPT 5.6 的前端能力终于提升了，不会生成千篇一律的垃圾界面。
现在 ChatGPT 移动端 App 也可以进行切换了，网页端和移动端马上都会同步切换这个 Work 能力。
好嘞，更新就这些，赶紧去玩玩吧！
GPT 5.6 终于发布了，随之发布的还有全新的 ChatGPT 应用（也就是 Codex 应用，改了个界面、换了个名字）。
现在 OpenAI 全面学习 Anthropic 产品的命名方式。
无论是从新的 5.6 命名上（原来他们是通过 Pro Mini 这种方式去命名，现在通过全新的名字比如 Sol 命名），还是产品形态上，Codex 应用现在硬生生被改成了类似 Claude 桌面端的方式。
他们硬拆分出了 Work 和 Code 两个 Tab。
你在切换的时候，整个界面除了左上角那个标志换了，其实根本看不出区别。
更别扭的是，聊天本身被缩进到了右下角一个非常小的弹窗里，整个界面充满了这种别扭的痕迹。
我一直坚持认为，Work 和 Code 根本没必要硬去区分，没必要在界面上透露出“我这个东西只能 Code”或者“我这个东西只能 Work”，用户直接用就行了。
本来经过几个月，大家已经建立起了关于 Codex 软件的认知，这一波操作直接给整没了，过去几个月全白干。现在每个人都很困惑，找不到自己的东西在哪，甚至找不到自己以前在 ChatGPT 软件里的聊天记录，非常蛋疼。
除了这些，还有几个新变化：
1. Site 插件上线：
Codex 里面的 Site 插件已经上线了，可以直接去插件里面找。我试了一下，它能直接帮你生成网页，生成时会提供多套网页供你在界面上选择。
生成网页之后，它还可以连接你已有的业务数据，同时还能帮你部署到 OpenAI 的网站（部署到线上），方便你分享给朋友，这个非常好用。
2. 移动端调用插件：移动端的 ChatGPT 现在也可以调用原来 Codex 里面的那些插件了。
3. 基础能力升级：它的“浏览器使用”和“计算机使用”功能都进行了升级，变得更快、更准确了。
同时，GPT 5.6 的前端能力终于提升了，不会生成千篇一律的垃圾界面。
现在 ChatGPT 移动端 App 也可以进行切换了，网页端和移动端马上都会同步切换这个 Work 能力。
好嘞，更新就这些，赶紧去玩玩吧！
21 117