字節(jié)跳動(dòng)旗下的智能AI助手豆包近期迎來(lái)了文生圖功能的全新升級(jí)，這一改進(jìn)使得用戶能夠輕松實(shí)現(xiàn)一鍵生成附帶指定文本的圖片。在生成圖片的提示詞中，用戶只需簡(jiǎn)單輸入如“一張帶有‘新年快樂(lè)’的圖片”，系統(tǒng)即可迅速響應(yīng)，生成一張包含用戶指定文字的圖片。目前，這一功能已在豆包APP內(nèi)開(kāi)啟測(cè)試，同時(shí)，即夢(mèng)應(yīng)用也在小范圍內(nèi)進(jìn)行了測(cè)試。
文生圖技術(shù)中，精準(zhǔn)地在圖像中生成文字一直是一個(gè)技術(shù)難點(diǎn)，尤其是針對(duì)中文文字，亂碼現(xiàn)象時(shí)有發(fā)生。相較于英文字母，漢字的結(jié)構(gòu)更為復(fù)雜，且字符數(shù)量遠(yuǎn)超前者兩個(gè)數(shù)量級(jí)。豆包大模型團(tuán)隊(duì)的相關(guān)負(fù)責(zé)人透露，豆包的文生圖模型通過(guò)整合LLM和DIT架構(gòu)，顯著提升了其原生中文數(shù)據(jù)的學(xué)習(xí)能力。在此基礎(chǔ)上，團(tuán)隊(duì)還進(jìn)一步強(qiáng)化了漢字的生成能力，從而大幅提高了生成效果。
隨著這一功能的推出，眾多用戶開(kāi)始嘗試?yán)盟谱鞅砬榘⒐D漫畫，甚至輔助生成海報(bào)，并在社交媒體上分享自己的創(chuàng)作。不過(guò)，目前該功能僅支持在生成圖片時(shí)添加文字，暫不支持從已有圖片中提取或生成文字。
在社交媒體上，已有即夢(mèng)內(nèi)測(cè)用戶發(fā)布了使用這一功能生成的圖片，引發(fā)了廣泛關(guān)注和討論。
豆包的負(fù)責(zé)人表示，盡管該功能剛剛推出，還在不斷完善和優(yōu)化中，但在絕大多數(shù)情況下，豆包已經(jīng)能夠準(zhǔn)確生成用戶指定的文字。然而，仍有個(gè)別情況會(huì)出現(xiàn)錯(cuò)字、漏字或小字亂碼等問(wèn)題。他強(qiáng)調(diào)：“無(wú)論是文字、圖片還是音樂(lè)生成功能，豆包始終致力于降低創(chuàng)作門檻，幫助用戶更好地表達(dá)和創(chuàng)造。”
豆包網(wǎng)頁(yè)版及電腦版也將在不久的將來(lái)上線這一功能，為用戶提供更多樣化的創(chuàng)作平臺(tái)。
