字节跳动が Seedream 5.0 Pro を発表：1 枚の画像を十数個の独立レイヤーに分解、密なチャートや実写も一度に生成
- 字节跳动 Seed チームがマルチモーダル画像生成モデル Seedream 5.0 Pro を発表。火山方舟の体験センターで提供開始、順次 豆包・即梦 にも対応する。
- 複雑な情報可視化を新搭載。1 枚の画像にタイムライン、グラフ、密なテキスト、実写写真を同時に融合し、レイアウト済みのプロ級インフォグラフィックを一度に生成する。
- 空間位置（Grounding）と領域の意味理解をベースに、クリック選択、囲み選択、ラフ描画、色・素材の置き換え、複数画像の融合といった精密編集に対応。さらに画像全体を十数個の個別編集できるレイヤーに分解できる。
- 現実世界の光影、素材、肌の質感の再現を強化。映画級のポートレートも、3A ゲームのリアルなキャラクターも作れる。
- 中国語、英語、フランス語、ドイツ語、ロシア語、日本語、韓国語、スペイン語、アラビア語など十数言語の直接入力と生成をネイティブ対応。アラビア語の右から左への連続表記、スペイン語のアクセント記号といった組版の細部も正しく描画できる。
ただ「描く」だけでなく、「レイアウト」まで理解する
字节跳动 Seed チームは本日（7 月 8 日）、マルチモーダル画像生成モデル Seedream 5.0 Pro を正式発表した。火山方舟の体験センターで提供を開始し、今後は順次 豆包 と 即梦 にも対応していく。
前世代と比べ、画像とテキストの一致、構造の妥当さ、文字描画、画面の美しさといった基礎能力を全体的に底上げした。あわせて 4 つの方向で新機能を投入している——複雑な情報をプロ級のレイアウトに整える、クリック・囲み選択で精密に編集する、リアルな光影と質感を再現する、十数言語をネイティブ対応する。
利用方法：火山方舟 体験センター · ビジュアルモデル · 画像生成 · Doubao-Seedream-5.0-pro；豆包 App または PC 版 · AI 創作 · 画像生成 · モデルに Seedream 5.0 Pro を選択；即梦 Web 版 · 画像生成または Agent モード · 5.0 Pro を選択。プロジェクトページ seed.bytedance.com/seedream5_0_pro。
1 枚にタイムライン、グラフ、実写写真を詰め込む
プロの現場では、画像は装飾ではなく情報そのものであることが多い。インフォグラフィックは 1 回の生成でデータ、密なテキスト、レイアウト構造、美しさをすべて正しく仕上げる必要があり、今回のアップデートで重点的に磨いた方向だ。Seedream 5.0 Pro はまずユーザーの意図を読み取り、自ら論理的な推論とレイアウト設計を行ってから、内容を画面に配置する。
同じ 1 枚の中にタイムライン、折れ線グラフ、棒グラフ、円グラフ、基地の実景を融合し、情報の階層をはっきりさせ、視覚的な比喩を的確に合わせ、データ全体を空間的に統括する力を見せる。下の「南極観測基地」インフォグラフィックは、まさに一度の生成で得られた結果だ。
テーマは南極・秦嶺基地の観測記録を可視化したインフォグラフィック。中央に秦嶺基地の建物本体を配置。周囲に観測の発展タイムライン、5 つの観測基地の規模を示す棒グラフ、基地のエネルギー円グラフ、月別日照の折れ線グラフを取り囲むように並べ、研究設備の実写、夏季の気象パネル、野外作業の 7 ステップ工程、現地サンプリングの写真を添えて、中国の南極観測の実景を多面的に見せる。
教育や科学普及の場面では、事実の正確さがより強く求められる。モデルは「なぜ皆既月食の月は赤いのか」の原理図も描けるし、さまざまな鳥の形態的特徴を抽出して、整然としたグリッドレイアウトに並べることもできる。
「冬のクリスマスセールポスター」のような、タイトル・割引の細則・開催時間といった多階層の密なテキストに対しても、モデルは内容をレトロな巻物の上に疎密をつけて配置する。大量の英文はスペルミスなく、情報の主従に応じて太字と手書き書体を織り交ぜている。
「ペットEC のトップ画面」UI では、モデルは空間トポロジーの理解も見せる。くっきりしたナビゲーションバーとフローティングカードを生成し、レイヤーをまたぐインタラクションまで作り込む——ゴールデンレトリバーの前足が右側の画像の境界を突き破り、左側のボタンをリアルに押していて、そのまま製品のプロトタイプ画像として使える。
16:9 のペットEC トップ画面 UI、夕日の暖色トーン、階層的な影。上部にナビゲーション；左側はクリーム色の背景で、コピー、商品カード、黄金色のカプセルボタンを含む；右側はゴールデンの画像、3D 特効：ゴールデンの前足が右の枠を突き破り、左のボタンに載る。
文字では「どこを直すか」を伝えきれない。モデルは今、座標が読める
テキストだけの Prompt には本質的な限界がある。言葉は「何を生成するか」を伝えるのは得意だが、「どの部分を直すか」を正確に指定するのは難しい。デザインは何度も微調整して磨き上げるものだから、一言の説明だけでは足りなくなる。Seedream 5.0 Pro は制御信号を生成プロセスにネイティブに組み込んだ。鍵となるのは、空間位置（Grounding）と領域の意味理解だ。
画像に座標地図を添えるようなものだ。画面の中の物体、テキスト、余白が、それぞれどの座標にあるかをモデルが把握している。あなたが囲んだ部分だけを動かし、隣の内容を巻き込まない。「どこを直すべきか」も「そこが何か」も分かっているのだ。
囲んで、クリックして、座標が確かな修正指示になる
空間認識ができれば、モデルはクリック選択、囲み選択、枠選択、落書きで伝えた座標情報を、確定的な局所操作の指示に変換できる。色替え、素材の変更、オブジェクトの追加・削除をしても、局所と全体の環境が自然になじみ、パースも合う。
まず正確に位置を特定し、それから修正を実行する。デザイナーは微調整のたびに全体を描き直さずに済み、途中段階の画像に何度でも局所修正をかけられる。一般ユーザーも直感で囲んだりクリックしたりするだけで、高品質な画面を組み上げられる。
まずは位置の理解から。「2026 年 新大学入試 数学答案」では、モデルは各設問を正確に認識し、設問の下の余白領域で計算し、答えを対応する解答欄に書き込む。海外のメニューを中国語に翻訳するときも、レイアウト上の位置を一つひとつ対応させられる。
色替え、素材変更、領域ごとの分割生成
オブジェクトの修正では、モデルは色編集と素材置換に対応し、Hex のカラーコードを入力しても、外部のカラーパレットを直接参照してもよい。下の図は、ある画像の素材ともう一枚の画像のカラーパレットに従って、3 枚目の画像のソファを変えたものだ。
領域を切り分ける力も強い。ユーザーが異なる色の枠で位置を囲むと、モデルは対応する指定物を生成する——赤枠にはシャボン玉を見る青い毛の怪獣、紫枠には草緑色のブランケットを生成し、各要素は座標で区切られて互いに干渉しない。
ラフ描画：手描きの落書きを制御信号に
ユーザーが手描きした色ブロック、線、簡単なスケッチも、そのまま精細な描画を駆動できる。「三里小学 遠足ポスター」では、大まかなレイアウトのラフを 1 枚渡しただけで、モデルは各ブロックの意図を読み取り、フェルトの素材と縫い目の質感を再現し、出発時間や持ち物といった文字をラフで指定された位置に正確に配置した。
複数の編集を自由に組み合わせ
これらの機能は重ねて使える。下の図では、ユーザーがカボチャを濃い緑（#3E4A2E）と生姜色（#DB973E）の交互に変え、同時に背景の書体を刺繍の質感に変えるよう求めた。モデルは素材置換と色編集を同時にこなし、修正後の局所が夏の午後の環境光になじんでいる。
1 枚のポスターを十数層に分解、主役ごと丸ごと差し替えも
今回のアップデートで最も特徴的な機能の一つだ。一言のテキスト指示で、Seedream 5.0 Pro は完成した画像を一組の独立したレイヤーに分解し、再加工できるデザイン素材としてそのまま出力できる。
1 枚のポスターを、テキスト、主役、背景、環境装飾など十数個の独立レイヤーに分解できる。主役に隠れていた背景領域は自動的に補完・復元され、各レイヤーは透明度を保つので、自由にドラッグや拡縮ができ、さらに中心の主役を丸ごと新しい要素に差し替えられる。
下のデモでは、オウムのポスターが十数層に分解され、オウムに隠れていた背景が補われ、最後に作者は主役のオウムをそのままクジャクに差し替えた。
逆に、モデルは複数画像の融合もできる。複数の参考素材と 1 枚のベース画像を同時に入力すると、指示に沿って異なる要素を同じシーンに組み込む。初期段階のビジュアルコラージュやアイデア出しに向く。
光影、素材、肌の質感で、画面を「撮ったもの」のように
Seedream 5.0 Pro は、現実世界の光影、物体の素材、肌の質感への理解を強化し、CG 表現も写真的質感も高めた。リアルさは、光・物・人という 3 つの要素の正確な再現から生まれる。
光影の面では、モデルは高周波ディテールのミクロな動きを捉えられる——薄暗い部屋でブラインドを抜ける「天使のはしご（薄明光線）」、寿司ポスターで宙に舞う米粒と魚卵、モノクロフィルムの水しぶきまで、しっかり静止画に収める。
素材の面では、モデルは反射、屈折、透光を実際の物理法則に沿って処理する。下の図の左側、街並みのショーウィンドウでは、ガラスに映るレトロなポスターが印刷の網点の質感を保ち、ポスター・街並み・ガラスの反射という 3 層の虚実が絡み合う。右側の「海辺の崖に立つガラスの別荘」は、金属、ガラス、石材、海水、無垢材のあいだで、室内の暖かい光と夕日、海面の多重反射をやわらかく移り変わらせる。
ポートレートでは、モデルは肌の質感をきめ細かく再現し、顔のしわやざらついた肌質に階調があり、マットな顔の光影がやわらかく移り変わる。実写の映画的ポートレートだけでなく、3A ゲーム（大手が高予算で作る、実写に迫るリアルさの映画級大作ゲーム）のリアルなキャラクターも作れ、衣装、体、環境光影が調和して統一されている。
静止画以外に、モデルは上級の撮影テクニックにも対応する。流し撮りのシーンでは、自転車に乗る人物と車体がくっきりシャープで、背景の街路は水平方向のモーションブラーを引き、車輪のスポークが回転してぼける。カメラの横移動での追従と、車輪の高速回転という二重の運動関係を再現している。
複数画像の合成は、この制御力をさらに広げる。独立した複数の人物写真を入力すると、モデルはそれぞれの顔の特徴を抽出し、指定の立ち位置に合わせて同じシーンに組み合わせ、光影が統一され質感の調和した集合写真を生成する。
十数言語を直接入力、アラビア語の連続表記まで正確
グローバルな創作は、文字を訳すだけでなく、各市場の地域文化や視覚的特徴まで伝える必要がある。中国語・英語に加え、Seedream 5.0 Pro はフランス語、ドイツ語、ロシア語、日本語、韓国語、スペイン語、アラビア語など十数種類の主要言語の直接入力と生成をネイティブ対応する。
異なる言語で指示を入力すると、モデルは意味を読み取るだけでなく、その文化的文脈に合う建築の様式、人物の顔立ち、衣装の細部までマッチさせ、画面を現地の雰囲気になじませる。
文字描画では、モデルは各言語の組版ルールを自動で適応する。同じビジュアルレイアウトでも、通常の中英文を描画できるうえ、アラビア語の右から左への連続表記も処理し、スペイン語のアクセント記号（PASIÓN など）を再現する。
下では 3 つの言語の組版ルールを分けて見てみる。同じ単語でも、書記体系が違えば書き方の差が一目で分かる：
（上図は組版ルールのイメージで、各言語の書字方向と記号の違いの理解を助ける。）
実際の事例では、公式プロジェクトページがさらに分かりやすいサンプルを 2 つ示している。一つはアラビア語の医療 App 画面で、画面全体の文字が右から左に連なり、アイコンの位置もそれに合わせて反転している。もう一つはスペイン語の「死者の日」をテーマにしたポスターで、装飾の紋様も組版も現地の祝祭の視覚習慣に沿っており、英語テンプレートに翻訳をあてただけのものではない。
クリエイターにとって、これらの機能はどこで使えるか
公式によれば、今回のアップデートは主に、空間構造の認識、高密度テキストの描画、多言語理解という基盤面での進展から来ている。プロの制作現場に落とし込むと、いくつかの機能がそれぞれ手間を省ける場面に対応する。
インフォグラフィックやポスターのような高情報密度のコンテンツは、プロ級のレイアウトを一度に生成でき、デザイナーがゼロから組版する時間を省ける。クリック・囲み選択の局所編集とレイヤーの自動分割により、デザイナーは全体を描き直さずに途中段階の画像へ何度も微調整をかけられる。十数言語のネイティブ生成は、市場をまたぐローカライズ済みのビジュアル制作を支え、言語ごとに画面を作り直す必要がない。
公式は現時点の限界も説明している。複雑なインフォグラフィック生成やインタラクティブな精密編集では進展したが、より細かい粒度の文字描画や、ピクセル単位の編集の維持には、まだ改善の余地があるという。
プロジェクトページには事例が一面びっしり、スタイルの幅は本記事よりずっと広い
公式アカウントのこれらのデモに加え、字节跳动 Seed のプロジェクトページ自体にも一連の事例が並んでいる。リアル写真、イラスト、キャラクターデザイン、UI から風景の大作まで横断し、機能のカバー範囲は本記事で見せたものより広い。いくつか下に挙げるので、興味があればアクセスして完全な事例ウォールを見てほしい。
インフォグラフィック生成は、現在の AI 画像生成で最も複雑度の高い領域の一つだ。1 回の生成の中で、データの正確さ、密なテキストのミスのなさ、レイアウト構造の妥当さ、プロ級の美しさを同時に成立させることをモデルに求める。 字节跳动Seed · Seedream 5.0 Pro 発表