Seedream 3.0
2025年字节跳动Seed团队发布的新一代文生图主力模型
条目
据Seedream 3.0技术报告，Seedream 3.0是一个原生高分辨率、支持中英双语的图像生成基础模型，无需后处理即可实现2K分辨率图像直出，适配多比例场景，同时针对小字体高保真生成、多行文本排版等业界难题，模型也取得了突破性的效果表现。[1]
研发历程
2024年末，Seedream 3.0开始研发。Seedream 3.0通过调研设计师等群体的实际需求，团队不仅将图文匹配、结构、美感等行业共识性指标纳入攻坚方向，同时，也将挑战小字生成与复杂文本排版、2K高清直出、快速图片生成等难题作为核心目标。[1]
针对2K分辨率、多尺寸图像直出能力实现，团队借助了Transformers架构对变长输入序列的处理能力，在从512x512到2048x2048的多种分辨率和不同长宽比上混合训练，让模型实现不经过额外深加工的高清直出，同时也支持多种分辨率输出。为支持快速生成高品质图像，模型采用自研推理加速算法，依靠一致性噪声预测，叠加重要时间步采样，最终实现对模型的无损加速。在保障图文匹配、美学质量、结构准确度等指标的前提下，Seedream 3.0优化了小字体高保真生成等功能，满足用户海报设计需求。团队在预训练阶段，引入跨模态旋转位置编码，补足传统方法模态特征对齐短板，进一步加强了文字渲染能力。[2][1]