文档中心

火山方舟

图片生成

Doubao Seedream 5.0 pro / flash 教程

Doubao Seedream 5.0 pro（以下简称 Seedream 5.0 pro）与 Doubao Seedream 5.0 flash（以下简称 Seedream 5.0 flash）支持文生图、单张图生图、多参考图生图等基础生图能力，同时支持通过交互编辑实现精准坐标定位和任意标记编辑、将单张图片拆分为底图与多个图层等特色能力。本文重点介绍两款模型的专属能力，帮助您快速实现 Image generation API 调用。

特色能力

Seedream 5.0 pro 与 Seedream 5.0 flash 支持的特色功能如下：

特色能力	能力介绍	效果预览
交互编辑	支持通过坐标、框选、箭头等多种方式指定编辑位置，精准编辑图片，实现局部元素替换、物品定位、区域生成等精细化操作。	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag
图层拆分	支持将单张图片的主体、背景、文字、装饰元素等内容自动拆解为 1 张底图和最多 16 个独立且带透明通道的图层，便于移动、缩放、替换、调色等二次编辑。
原生多语种生成	新增支持俄语、阿拉伯语、菲律宾语、泰语、土耳其语、韩语、马来语、西班牙语、葡萄牙语、印尼语、法语、德语、越南语、日语等 14 种语言的原生文字生成能力。

能力概述

Seedream 5.0 pro 与 Seedream 5.0 flash 均支持通过坐标、框选、箭头等多种方式指定编辑位置来精准编辑图片；支持将单张图片拆分为 1 张底图和最多 16 个独立图层；支持原生多语种生成等特色能力。两款模型的定位区别如下：

Seedream 5.0 pro：生图质量更高，适合对画质要求更高的场景。

Seedream 5.0 flash：生图速度更快、价格更低，适合对时延与成本敏感的场景。

模型名称			Seedream 5.0 pro	Seedream 5.0 flash
模型 ID (Model ID)			doubao-seedream-5-0-pro-260628	doubao-seedream-5-0-flash-260915
文生图			✓	✓
单 / 多图生图			✓	✓
交互编辑			✓	✓
图层拆分			✓	✓
原生多语种生成			✓	✓
模型参数	分辨率	1K, 1.5K, 2K	1K, 1.5K, 2K
		输出格式	png, jpeg	png, jpeg
		提示词优化模式	标准模式, 极速模式	标准模式
		生成数量限制	支持生成单图/ 多张图层( 1张底图+16张图层)	支持生成单图/ 多张图层( 1张底图+16张图层)
限流 IPM（张 / 分钟）			500	500

基础使用

Seedream 5.0 pro / flash 的基础使用方式（文生图、图文生图、多图融合）与其他 Seedream 模型一致，只需将 model 参数替换为对应的 Model ID：

Seedream 5.0 pro：doubao-seedream-5-0-pro-260628

Seedream 5.0 flash：doubao-seedream-5-0-flash-260915

详细代码示例和说明请参考：

文生图

图文生图

多图融合

交互编辑

Seedream 5.0 pro 与 Seedream 5.0 flash 支持通过框选、点位、箭头、标注框、坐标等方式指定编辑位置，实现对局部区域的精准生成或修改。详细操作说明请参考 Seedream 5.0 pro / flash 交互编辑指南。

说明

Java 示例中的 CreateImageGenerationRequestImage 需要 com.volcengine:ark-runtime 0.6.0 或更高版本。如果 IDE 提示找不到该类型或 image 参数类型不匹配，请升级到 Maven Central 提供的最新稳定版本，并重新加载项目依赖。

使用示例-任意标记

在参考图上通过手绘草图、涂鸦、圈选等任意标记指定编辑区域，模型将识别标记范围并在其中生成或替换内容，同时自然融入原有场景。

提示词	输入图	输出
根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。

Curl

Python

Java

OpenAI

您可按需替换 Model ID。Model ID 查询见模型列表。

使用示例-坐标定位

通过在 prompt 中加入 <point> 或 <bbox> 坐标标签，精确指定跨图的编辑区域，实现主体元素的定位放置。完整调用步骤和参数说明请参考 Seedream 5.0 pro / flash 交互编辑指南。

提示词	输入图	输出
将图 1 <bbox> 179 283 796 986</bbox>的主体放到图 2 <bbox> 118 331 933 871</bbox> 位置。

使用说明

交互编辑需要准备以下输入要素：待编辑图片和 prompt（包含定位信息 + 编辑指令）。根据定位方式不同，分为以下两种形式：

形式 1：任意标记 + 自然语言定位	形式 2：坐标精准定位
在待编辑图片上通过手绘草图、涂鸦、圈选等方式标记编辑区域，然后在 prompt 中用自然语言描述标记位置和编辑意图。 { "prompt": "在蓝色框内添加一个电视机" }	使用工具框定待编辑内容的坐标（坐标获取方式详见 Seedream 5.0 pro / flash 交互编辑指南），在 prompt 中通过 <point> 或 <bbox> 坐标标签精确指定位置。 { "prompt": "将图1<bbox>179 283 796 986</bbox>的主体放到图2<bbox>118 331 933 871</bbox>位置" }

准备好输入要素后，将待编辑图片和 prompt 一起传入 API 接口即可生成图片编辑结果。

图层拆分

Seedream 5.0 pro 与 Seedream 5.0 flash 均支持将单张输入图片中的主体、背景、文字、装饰元素等内容自动拆解为 1 张底图和最多 16 个可独立编辑的图层。每个图层均为带透明通道的 PNG 图片，模型还会返回图层的坐标、层级顺序和内容说明，便于在设计工具、前端画布中继续移动、缩放、替换、调色和重新组合。

使用链路

图层拆分功能的使用链路如下：

拆分单张图片

配置参数 layer_decomposition 为 true 即可开启图层拆分模式。开启后，image 为必选参数，且仅支持传入 1 张待拆分图片；prompt 为可选参数，用于描述要拆分哪些元素。

提示词输入方式

使用图层拆分功能，推荐采用以下三种输入方式：

使用目标	prompt 写法
自动拆出主要元素	不传入 prompt。模型自动识别图片中的主体、文字、背景、装饰元素等主要内容，并逐一拆分为独立图层。
指定拆分对象	在 prompt 中用自然语言描述待拆分的元素，例如“拆出人物、标题文字和右下角装饰图标”。可配合在输入图上标记（涂鸦、圈选等）辅助定位。
精准指定区域	在 prompt 中通过 <bbox> 坐标标签指定待拆分元素的位置。坐标采用归一化坐标，获取方式详见 Seedream 5.0 pro / flash 交互编辑指南。

使用示例-自动全拆

如需让模型自动识别并拆分图片中的主要元素，可不传入 prompt，只传入待拆分图片并设置layer_decomposition=true。

Curl

Python

Java

OpenAI

您可按需替换 Model ID。Model ID 查询见模型列表。

使用示例-精准指定拆分区域

如需精准指定拆分区域，推荐采用归一化的 <bbox> 坐标指定需要拆分的元素。

1 张输入图 + 提示词（归一化坐标指定拆分元素）	输出底图	输出图层
将图片中的内容拆成 7 个图层，包括 6 组文字： <bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>； 1 只鹦鹉：<bbox>347 305 642 997</bbox>。

Curl

Python

Java

OpenAI

您可按需替换 Model ID。Model ID 查询见模型列表。

响应结果说明

图层拆分模式下，响应参数 data 数组会同时返回底图和所有图层。您可通过url下载所有输出图，并根据图层叠放顺序（z_index）区分底图和图层。利用图层的边界框坐标信息（bounding_box）和图层叠放顺序（z_index）可还原、编辑或重组图层。

字段	返回对象	含义
url	底图、图层	底图或图层的下载链接。图片 URL 仅保留 24 小时。
z_index	底图、图层	图层叠放顺序。底图 z_index=0 固定为0，各图层按 z_index 递增排序。
bounding_box.absolute	图层	图层在输出底图坐标系中的绝对像素位置，适用于将图层还原到输出底图的原始位置。
bounding_box.normalized	图层	图层在输出底图坐标系中的归一化位置，适用于将图层还原到任意尺寸的自定义画布。
name、description	图层	图层名称和内容描述。

返回结构示例：

使用拆分后的图层

获取底图和图层后，可以直接按原位置还原图层，也可以调整图层位置、大小和叠放顺序；如果需要修改某个元素的颜色、风格或细节，也可以单独编辑该图层。

还原与重组图层

还原或重组图层时，可按以下顺序处理响应结果：

将 data 数组中 z_index 为 0 的对象作为画布背景。

提取 z_index 大于 0 的图层对象，并按 z_index 从小到大排序。

下载图层 PNG，并根据 bounding_box 将图层放置到输出底图或目标画布。

根据业务需求调整图层坐标、尺寸或叠放顺序，生成新的组合结果。

还原图层到输出底图

如需将图层还原到输出底图中的原始位置，建议使用 bounding_box.absolute。该字段为图层在输出底图坐标系中的绝对像素坐标，格式为 [left, top, right, bottom]：

left、top：图层左上角相对于输出底图左上角的位置；

right、bottom：图层右下角相对于输出底图左上角的位置。

可按以下方式计算图层在底图中的位置和尺寸，其中 x、y 表示图层左上角在底图中的放置位置，w、h 表示图层在底图中的展示宽高：

将图层缩放至 w × h，再放置到底图的 (x, y) 位置。多个图层需要组合时，按 z_index 从小到大依次叠放。

还原到任意画布

如需将图层还原到不同尺寸的前端画布、设计工具画布中，建议使用 bounding_box.normalized。该字段为图层在输出底图坐标系中的归一化坐标，表示图层边界在输出底图宽高方向上的相对位置，格式为 [left, top, right, bottom]：

left、right：图层左右边界在底图宽度方向上的相对位置；

top、bottom：图层上下边界在底图高度方向上的相对位置。

设目标画布宽高为 W × H，可按以下方式计算图层在目标画布中的位置和尺寸，其中 x、y 表示图层左上角在目标画布中的放置位置，w、h 表示图层在目标画布中的展示宽高：

将图层缩放至 w × h，再放置到目标画布的 (x, y) 位置。由于归一化坐标为整数，换算到目标画布时可能存在取整误差。

bounding_box 字段的完整定义和坐标示例参见图片生成 API。

编辑单个透明图层

图层拆分返回的图层为带透明通道的 PNG 图片。您可以将输出图层作为输入图再次调用 Seedream 模型，对其进行单独编辑，例如换色、风格变换、添加细节等。

注意

如果希望编辑后的图层继续保留透明背景，可在请求中配置 background=transparent、output_format=png。透明背景模式的使用限制请参见透明通道设置。

提示词	输入图层	输出
将图片中的鹦鹉改为孔雀

Curl

Python

Java

您可按需替换 Model ID。Model ID 查询见模型列表。

提升图片生成速度配置

如果您希望提升图片生成速度，可以通过 optimize_prompt_options.mode 参数选择更快的提示词优化模式。对于时延敏感的业务，建议您使用 Seedream 5.0 pro 的 fast 模式或直接使用 Seedream 5.0 flash 以获得更快的生成速度。

standard（默认值）：标准模式，生成图片的质量较 fast 模式更优，但耗时更长。

fast：极速模式，生成图片的耗时较 standard 模式更短。仅 Seedream 5.0 pro 支持。

自定义图片输出规格

您可以配置以下参数来控制图片输出规格：

size：指定输出图像的尺寸大小。

response_format：指定生成图像的返回格式。

output_format：指定生成图像的文件格式。

background：控制是否生成带透明通道的图片。

watermark ：指定是否为输出图片添加水印。

图像输出尺寸

size 参数在图片生成场景和图层拆分场景下的可选值与默认值不同，请根据实际场景选择：

图片生成场景

支持以下两种方式，不可混用。

方式 1：指定分辨率档位（推荐）

在 prompt 中用自然语言描述图片宽高比、图片形状或图片用途，最终由模型判断生成图片的大小。

默认值：2K

可选值：1K、1.5K、2K

说明

1.5K 与 1K 价格相同，且图片生成效果更优。

使用方式 1 并在 prompt 中描述特定宽高比时，模型实际映射的宽高像素参考值（不限于以下标准值，仅列常见）：

分辨率	宽高比	宽高像素值
1K	1:1	1024x1024
		4:3	1152x864
		3:4	864x1152
		16:9	1424x800
		9:16	800x1424
		3:2	1248x832
		2:3	832x1248
		21:9	1568x672
1.5K	1:1	1536x1536
		4:3	1792x1344
		3:4	1344x1792
		16:9	2048x1152
		9:16	1152x2048
		3:2	1872x1248
		2:3	1248x1872
		21:9	2352x1008
2K	1:1	2048x2048
		4:3	2368x1776
		3:4	1776x2368
		16:9	2816x1584
		9:16	1584x2816
		3:2	2496x1664
		2:3	1664x2496
		21:9	3136x1344

方式 2：指定宽高像素值（宽x高）

总像素取值范围：[1280x720（921600）, 2048x2048x1.1025（4624220）]

宽高比取值范围：[1/16, 16]

宽高像素值使用示例

采用方式 2 时，需同时满足总像素取值范围和宽高比取值范围。其中，总像素是对单张图宽度和高度的像素乘积限制，而不是对宽度或高度的单独值进行限制。

有效示例：2048x1024

总像素值 2048x1024=2097152，符合 [921600, 4624220] 的区间要求；宽高比 2048/1024=2，符合 [1/16, 16] 的区间要求，故该示例值有效。

无效示例：512x512

总像素值 512x512=262144，未达到 921600 的最低要求，故该示例值无效。

方式1	方式2
{ "prompt": "生成一组共4张连贯插画，宽高比为3:2，核心为同一庭院一角的四季变迁，以统一风格展现四季独特色彩、元素与氛围", "size": "2K" }	{ "prompt": "生成一组共4张连贯插画，核心为同一庭院一角的四季变迁，以统一风格展现四季独特色彩、元素与氛围", "size": "2048x2048" }

图层拆分场景

仅支持通过指定分辨率档位的方式进行设置。输出图的分辨率规则如下：

底图：输出底图的分辨率和 size 指定的分辨率一致；输出底图和原待拆分图的宽高比一致。

各图层：输出图层的分辨率和 size 指定的分辨率接近；每个输出图层和其在原图中的宽高比一致。

size 的默认值与可选值：

默认值：auto

可选值：1K、1.5K、2K、auto（根据输入图的尺寸和宽高比进行输出）

说明

1.5K 与 1K 价格相同，且图片生成效果更优。

auto 适配规则

auto 模式下，模型将根据输入图片的尺寸，判断输出底图与每个图层的尺寸：

若输入图片尺寸在 [1280x720（921600）, 2048x2048x1.1025（4624220）] 之间，按输入图片原尺寸输出底图与每个图层；且各自保持其在原图中的宽高比。

若输入图片小于 1K，按 1K 输出底图与每个图层，且各自保持其在原图中的宽高比。

若输入图片大于 2K，按 2K 输出底图与每个图层，且各自保持其在原图中的宽高比。

模型实际映射的宽高像素参考值同图片生成场景的分辨率映射表

图像输出方式

设置 response_format 参数，可以指定生成图像的返回方式：

url：返回图片下载链接。

b64_json：以 Base64 编码字符串的 JSON 格式返回图像数据。

图像文件格式

设置 output_format 参数，指定生成图像文件的格式：

jpeg

注意

图层拆分场景下，output_format 仅控制底图的输出格式，图层始终以 png 格式输出。

透明通道设置

设置 background 参数，控制是否生成带透明通道的图片：

transparent：透明背景模式，输出带有透明背景的图。

opaque（默认）：不透明背景模式，生成常规的实体背景图。

使用限制

仅支持图生图场景，且只支持输入 1 张带透明通道的图片；

透明背景模式下，输出图片默认为 png 格式，若同时配置 output_format 为 jpeg，将触发报错；

若传入了不支持透明通道的文件格式（如 jpeg），将触发报错。

图像中添加水印

设置 watermark 参数，来控制是否在生成的图片中添加水印。

false：不添加水印。

true：在图片右下角添加"AI生成"字样的水印标识。

使用限制

SDK 版本升级

为保证模型功能的正常使用，请务必升级至最新 SDK 版本。相关步骤可参考安装及升级 SDK。

图片传入限制

图片传入方式（两种场景通用）：

图片 URL：请确保图片 URL 可被访问。

示例：https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream4_5_imageToimage.png

Base64 编码：请遵循格式data:image/<图片格式>;base64,<Base64编码>。注意：<图片格式> 必须采用小写字母，例如 data:image/png;base64,<base64_image>。

如需获得图片的 Base64 编码，可使用第三方工具，例如 https://base64.guru/converter/encode/image。

不同场景对输入图的约束不同，详见下表：

约束项	图片生成场景	图层拆分场景
图片格式	jpeg、png、webp、bmp、tiff、gif、heic、heif	png、jpeg
总像素（宽×高）	[196, 6000×6000（3600万）]	[512×512（262144）, 6000×6000（3600万）]
宽高长度（px）	大于14	—
宽高比（宽/高）	[1/16, 16]	[1/16, 16]
大小	不超过 30 MB	不超过 30 MB
传入张数	最多传入 10 张参考图	仅支持传入单张图

说明

总像素是对单张图宽度和高度的像素乘积限制，而不是对宽度或高度的单独值进行限制。

保存时间

图片URL仅保留24小时，超时后会被自动清除。请您务必及时保存生成的图片。

限流说明

IPM 限流：账号下同模型（区分模型版本）每分钟生成图片数量上限。若超过该限制，生成图片时会报错。

图层拆分场景下，每次请求预扣减 17 IPM（即按最大输出张数 17 张预留配额）；图片全部生成后，按实际生成数量返还多扣减的额度。

不同模型的限制值不同，详见图片生成能力。

最近更新时间：2026.10.13 11:25:24

这个页面对您有帮助吗？

有用

无用

1 张输入图（不传 prompt）