Seedream 5.0

Como o Seedream 5.0 lê um prompt

O Seedream 5.0 vem em duas variantes. A Lite é a variante rápida, e a ByteDance a descreve como um modelo multimodal unificado com raciocínio profundo e busca online, feito para inferir a intenção por trás de um pedido e visualizar assuntos atuais. A Pro é a principal: a ByteDance destaca imagens com muito texto, como infográficos, edições que seguem anotações espaciais e esboços, iluminação e textura de pele fotográficas e suporte nativo a cerca de uma dúzia de idiomas de uso comum.

As duas variantes leem linguagem natural e tratam cada trecho do prompt como uma instrução. Um prompt que separa formato, assunto, composição, luz, texto e estilo diz ao modelo o que fazer em cada camada. Se você deixa uma camada de fora, o modelo a preenche com os próprios padrões. O guia da Runware para a Pro recomenda manter os prompts abaixo de cerca de 600 palavras em inglês, porque em prompts mais longos os detalhes começam a se perder.

Uma estrutura que funciona

Escreva as camadas nesta ordem, uma ou duas frases cada:

[Formato e orientação]. [Assunto e seus detalhes].
[Onde cada coisa fica no enquadramento]. [Luz e câmera].
[Texto exato entre aspas, com estilo e posição]. [Estilo].

Comece pelo formato. "Capa de revista vertical 3:4" ou "foto de produto quadrada para e-commerce" diz ao modelo que tipo de imagem ele está compondo antes de ler os detalhes, então ele reserva espaço para o logotipo da revista ou centraliza o produto. No Endless, o ajuste de tamanho escolhe um nível de resolução e não uma proporção, então indique a orientação ou a proporção no prompt.

Seja específico sobre materiais e luz. "Cerâmica terracota fosca" e "luz de estúdio suave vinda de cima com uma sombra de contato sutil" são muito mais específicos do que "boa iluminação". Cite a lente ou o ângulo quando a foto pedir: "lente de 35 mm na altura do joelho", "vista de cima".

Texto em imagens

O Seedream 5.0 desenha texto quando o prompt o menciona. Não existe um campo de texto separado.

• Coloque o texto exato entre aspas. Uma paráfrase como "um título em francês" gera uma sequência inventada.
• Cite o sistema de escrita e o estilo tipográfico juntos: "maiúsculas serifadas altas e condensadas", "letra manuscrita", "serifa mincho vertical".
• Diga onde fica cada linha: "no terço superior", "no lado direito", "em versaletes pequenos na parte de baixo".
• Dê a cada bloco de texto a própria frase, com tamanho, cor e posição. Layouts com mais de um sistema de escrita, como um título em japonês com um rodapé em inglês, funcionam melhor quando você descreve cada um separadamente.
• Use textos curtos. Títulos, subtítulos, preços e etiquetas saem bem; um parágrafo de texto corrido é onde aparecem erros. Letras miúdas e textos legais ficam melhores se adicionados depois em uma ferramenta de layout.

Os testes da Runware com a Pro listam 15 idiomas que o modelo desenha de forma nativa, entre eles inglês, espanhol, português, francês, alemão, japonês, coreano, árabe e tailandês. Outros idiomas também são gerados, mas com texto de qualidade menor. Peça a um falante nativo que revise textos em escritas não latinas antes de publicar.

Referências e edição

Anexe imagens e descreva a mudança, e o Seedream 5.0 as edita ou as combina. O Endless aceita até 10 imagens de referência.

• Diga o que não pode mudar. Termine a edição com um trecho como "Mantenha exatamente a silhueta, o ângulo de câmera, o fundo e a iluminação". Sem isso, tudo o que o prompt não menciona pode variar.
• Uma edição, dita com clareza. "Troque a jaqueta por uma de veludo cotelê amarelo-mostarda" é mais fácil de seguir do que uma lista de mudanças pouco relacionadas. Faça as outras mudanças em uma nova rodada.
• Chame as referências pelo que elas mostram. "A caneca de cerâmica" e "o moedor de aço" são mais confiáveis do que "a primeira imagem", principalmente quando você reordena ou troca referências.
• Use referências para a identidade e texto para o resto. Uma foto de produto limpa preserva formato, materiais e logotipo com mais confiabilidade do que qualquer descrição. Fotos de produto com fundo liso se combinam melhor do que fotos lifestyle carregadas.
• Combinar referências. Diga onde fica cada elemento e como eles se relacionam: "a caneca na frente, o moedor atrás à esquerda". As referências definem a aparência de cada objeto; o prompt define a composição e a luz.

A ByteDance descreve que a Pro responde a anotações espaciais e a esboços, então um rascunho rápido de uma composição pode servir de referência para um render finalizado.

Ajustes que importam

• Modo. A Lite é a variante rápida e chega a 3K. A Pro é a principal e vai até 2K. Explore e faça rascunhos com a Lite, e passe para a Pro em layouts com muito texto ou edições que combinam várias referências específicas.
• Tamanho da imagem. A Lite oferece 2K ou 3K; a Pro oferece 1K ou 2K. Para texto denso, como rodapés ou subtítulos pequenos, use o maior nível disponível, porque a tipografia pequena sai mais nítida com mais pixels.
• Imagens de referência. Até 10. Deixe o campo vazio para gerar só a partir do prompt.

Falhas comuns e como corrigir

• Mudanças indesejadas depois de uma edição. Adicione ou reforce o trecho de "mantenha", citando cada elemento: assunto, pose, fundo, luz.
• Texto no lugar errado ou escondido atrás do assunto. Dê uma posição ao texto e descreva a área vazia onde ele fica, como "uma parede creme lisa nos 40% superiores do enquadramento".
• Palavras deformadas ou inventadas. Cite o texto exato, encurte e divida linhas longas em blocos separados.
• Resultados genéricos. Adicione a camada que falta, quase sempre o formato, a luz ou a câmera.
• Detalhes perdidos em um prompt longo. Deixe mais precisos os trechos vagos em vez de acrescentar mais; leve os detalhes secundários para uma edição posterior.