“吉卜力风”免费版来了！豆包这款AI生图神器，不比GPT弱？

本文由 智能Pro 撰写/授权提供，转载请注明原出处。

以下文章来源于：智能Pro

作者：三明治

最近两周，“吉卜力画风”突然就火了。

事情的开始是这样的，3 月 26 日，OpenAI 推出了基于 GPT-4o 多模态大模型的高精度图像生成功能“4o Image Generation”，按照他们的说法，现在用户只需一句简单的文字描述，就能实现精美的广告或平面图的制作、应用界面的UI设计、LOGO 或图片风格的切换等等。

结果呢？整个互联网的人，都在用它变身“赛博宫崎骏”。

不开玩笑，小雷是真被这玩意给刷屏了，这两天一打开群聊，就能看到无法无天的群友们在拿 GPT-4o 疯狂整活，有做头像的，有做表情包的，甚至还有把“黄 O 大道东”变成吉卜力画风的，推特上的国外网友玩得更是乐此不疲，看得我都有点心痒痒的。

（图源：X）

幸好，类似的功能，国内大模型并不是没有。

比如说字节跳动的 SeedEdit，同样可以实现“自然语意修图”，用户只需输入简单的自然语言，便可对图像进行多样化编辑操作。

最重要的是，这功能可不需要你想方设法翻出去用，在字节跳动的豆包官网就直接能用，而且目前豆包的“图像生成”功能是完全免费且不存在限制的，这一波甚至能把开会员的钱也给直接省下来。

话不说多，我们这边直接开整！

想体验这个功能的话，其实还蛮简单的就是了。

打开豆包网页版，在输入框下面就有「图片生成」，应该就能看到上传参考图的选项了，这里就是 SeedEdit 模型的入口。

要做的事情很简单，上传图片，然后输入我们想要改变的内容。

（图源：雷科技）

话不多说，先来看图。

首先，小雷这边选用了一张来自知名音乐录像带里的截图，让豆包和最近巨火的 GPT-4o 都试着“帮我换成吉卜力风格”。

这是原图：

（图源：Youtube）

这是豆包的成品：

（图源：豆包）

这是 GPT-4o 的成品：

（图源：GPT）

对比下来，GPT-4o 的衣服还原度更高，手部没有变形，只是没有维持原图比例；豆包虽然整体构图、配色更加贴近原图，但是衣服有些微变化，手部有些变形，甚至多了一只抓着麦克风的手。

接着试一下大家都关心的名人，比如说马斯克：

（图源：豆包）

比方说乔布斯：

（图源：豆包）

再给乔布斯换个迪士尼风格：

（图源：豆包）

从结果来看，豆包的转换效果可以说是非常成熟。

最后，我们试一试影视剧集里的名场面，这次就拿《和平使者》里面约翰·塞纳饰演的克里斯多福·史密斯的名场面做例子：

（原图，图源：HBO Max）

（图源：豆包）

（图源：GPT）

这次差距其实更加明显一些，GPT-4o 甚至把金属头盔保留了下来，身边的两名角色也做到了精准的画风转制，但是图片比例有所修改，文字信息也没有保留下来。

作为对比，豆包则是试图在整幅画面上进行对齐，然而人数一多起来，角色的服装和样子就没多少能对上的。

但是，接着我就要说但是了，豆包的效果还是比 Gemini 2.0 要强上一大截的，谷歌这玩意虽然支持自然语意修图，但是既不懂吉卜力风格是啥意思，也搞不清楚怎么修改图片比例。

（图源：Gemini 2.0）

可恶的谷歌，不要给我看这一堆不知所谓的东西！

其实把思路反过来，把画改成真实风格，豆包搞得也不错，我上传了一张刻在不少人基因里的 Meme 图片，让它以此为原型，生成一张真实照片。

（图源：豆包）

嗯...只能说像是挺像的，就是没了那种冲击感。

如果再简单调整一下的话，就能做出下面这种效果：

（图源：豆包）

虽说脸型有点不对，笑得也是有点狰狞，但是这种打破次元壁的做法，还真就只有 AI 大模型能够实现。

不过，人人都在用吉卜力画风，也带来了新一轮的版权问题。

毕竟早在 2016 年，宫崎骏评价 AI 动画技术时就直言：这是对生命本身的侮辱。

宫崎骏反对用技术代替手工创作，他认为 AI 生成图像缺乏对生命力的敬畏，而在 2025 年的今天，技术力的进步，反而让大家对这件事情变得更肆无忌惮了起来，确实是有点讽刺的。

（图源：Youtube）

既然如此，我们不妨转换一下思路，把它当成 PS 来用？

比如在设计行业里源远流长的梗，“让大象转个身”这种要求，我们在豆包上能不能实现呢？

答案是“完全可以，轻易可以”。

可以看到，SeedEdit 生成的大象背面是非常合乎逻辑的，耳朵的形状、脚部的位置、身体的颜色都做得相当不错，周围的环境也保持了高度的一致，很难看出画面上有什么破绽。

不过类似海报的效果，豆包就做得不咋样了，和 GPT-4o 可以说一眼就能看出差别了。

（图源：豆包）

（图源：GPT）

只能说，豆包在审美这块，还真有挺多要学的地方。

最后，我也试了一下豆包凭空进行“图片生成”的效果。

提示词如下：

一位年轻的印度女性，黑发扎着敞开的马尾辫，身穿黑色夹克，站在大学校园里，直视着镜头。该图像具有 1990 年代风格的电影静态美学，在阳光明媚的日子里拍下的特写肖像。

（图源：雷科技）

对比豆包，GPT-4o 产出的图更有特写感；Midjourney V7 产出的图片光线更加自然，人物脸部的肤色也相对更加清晰，细节更加丰富，画面焦点更加清晰，但总的来说，三者都没啥肉眼可见的问题。

不可否认，如今 AI 大模型在“绘画”上足以独当一面了。

但是在图像编辑领域，AI 大模型依然是相对落后的，无法进行精准编辑一直是行业的老大难问题。

前些年，这类需求一般可以通过 Stable Diffusion 的 ControlNet 插件来实现。

它可以获取额外的输入图像，通过不同的预处理器转换为控制图，进而作为 Stable Diffusion 扩散的额外条件，只需使用文本提示词，就可以在保持图像主体特征的前提下任意修改图像细节。

（图源：新浪微博，识别特征并进行重新绘制）

然而本地部署 AI 应用这事，和大部分小白是基本无缘的。

所以在进入今年后，包括 GPT-4o、Gemini 2、Midjourney V7 等先后上线了通过自然语意修图的功能。

个人认为，这种只需给定输入图像和告诉模型要做什么的文本描述，然后模型就能遵循描述指令来编辑图像的功能，甚至可以被视为重大突破，曾经被视为必备技能的 PS，如今似乎陷入了“可学可不学”的微妙处境。

当然了，目前这类模型在生成图片时还是有一些问题存在的。

直到今天，豆包 AI 修图依然缺乏人像前后的一致性，也缺乏图片内容的方向性，只要涉及到人物面部的修图，那么最终出来的图像和原图的差异会很夸张，豆包本身也很难判断你要修改的是图片里的哪个元素。

（图源：豆包）

倒是文字处理能力，相较以往有了一定提升，现在 SeedEdit 在修图时已经不会随便编造文字内容，但是图片生成时的错字现象依然需要改善。

不管怎么说，豆包 SeedEdit 算是弥补了国产大模型在语义 AI 修图应用这块的空白。

可以预见的是，随着 AI 图像编辑技术的不断发展，未来手机、电脑都可能会集成这项功能，就像AI消除、AI 扩图那样走进寻常百姓家。无论是小白还是大咖，每个人都有机会轻松上手使用，让自己对美的理解可以更直观地展现出来。

修图有手就行？或许真的不是梦。

扫码关注公众号

获取更多技术资讯