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）均提供交互编辑能力，支持在提示词中输入位置坐标来精准编辑图片。用户可以在参考图上通过坐标点或标注建立位置对应关系，模型将按标记位置进行局部编辑，实现物品替换、元素定位、局部重绘等精细化操作。本文介绍如何基于 Seedream 5.0 pro / flash 实现点选和框选式交互编辑：用户上传参考图后，通过点选或框选指定编辑位置，前端将操作位置转换为**归一化坐标**（范围 **0~999**，左上角为 0,0，右下角为 999,999）用 `` 或 `` 坐标标记，并与自然语言 Prompt 一起提交给模型。模型会结合参考图、坐标位置和文本指令生成编辑后的图片。 |输入图片及框选操作 |效果预览 | |---|---| |

> 将用户框选的目标区域转换为空间坐标，组装成模型可以理解的 Prompt。

>

> Prompt：`将图 1 179 283 796 986 的主体放到图 2 118 331 933 871 位置。` |![图片](https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/edit-image.png)

> 根据组装后的 Prompt、参考图生成编辑后的图片。 | # 关键操作：将目标区域转换为归一化坐标模型需要的关键信息：**待编辑图片**和 **prompt**（包含归一化坐标 + 编辑指令），其中归一化坐标是将图片上点选或框选的区域**归一化到 1000 \* 1000 的比例坐标，取值范围[0,999]** 。图片宽高等分为 1000 份后，图片左上角坐标为 `0,0`，右下角为 `999,999`。 **prompt 中可以使用的坐标方式**： * **点选坐标**：`x y`（指定一个点，由模型判断影响范围） * **框选坐标**：`x1 y1 x2 y2`（指定左上角和右下角坐标，精确控制编辑区域大小） **归一化坐标处理方式**： 1. 获取定位信息：用户完成点选或框选后，需要先拿到定位点/框在图片展示区域内的相对坐标（相对于图片左上角）。 * 点选：`x_px, y_px`（点击位置） * 框选：`x1_px, y1_px, x2_px, y2_px`（框的左上角与右下角） 2. 转换为 0\-999 的归一化坐标：将获取到的定位坐标按图片展示宽高转换为 0\-999 的整数坐标。 * 点选： * `x = round(x_px / width * 1000)` * `y = round(y_px / height * 1000)`

注意

x、y：归一化后的坐标。

x_px、y_px：点选位置相对于图片左上角的坐标。

width、height：图片在画布中的展示宽、高。

* 框选：对 `x1_px, y1_px, x2_px, y2_px` 分别按上述规则换算，得到 `x1 y1 x2 y2`。 # 支持场景

说明

在多主体场景下明确指定编辑对象的方法，可参见使用说明。

|场景 |交互模式 |组合后的 Prompt | |---|---|---| |编辑指定点附近的对象 |点选 |`把图 1 520 460 位置换成皇冠` | |编辑指定区域的对象 |框选 |`把图 1 120 180 640 760 区域替换成花园` | |跨图片编辑 |点选、框选 |`将图 1 179 283 796 986 的主体放到图 2 118 331 933 871 位置，将图 2 50 50 位置换成皇冠` | # 整体流程 ## 代码示例您可以下载代码示例，体验交互编辑效果。下载并解压后，请确保已安装 Python 3.9 或以上版本，在项目目录执行 `python3 -m pip install -r requirements.txt` 安装依赖，设置环境变量 `ARK_API_KEY`，再执行 `bash run.sh` 启动示例。 touch_edit_demo_arkruntime-20260909.zip ## 流程图基于上述代码示例实现交互编辑的完整流程如下。 ![图片](https://arkdocs.tos-cn-beijing.volces.com/flowcharts/image-generation/new-202607111020.svg) # 实现步骤

注意

本文仅提供展示关键执行逻辑的核心代码，无法仅凭以下内容实现完整流程。完整实现请参见代码示例。

## 0. 上传图片并放入画布这一步主要用于获取图片的相关信息。本文示例是将用户上传的图片转换为画布中的可操作对象。除了保存图片文件本身，还需要记录图片在画布中的位置、展示尺寸、原始尺寸和图号，为后续点选、框选和模型调用提供基础数据。核心代码如下：核心代码 ```JavaScript function addImageFromFile(file, dataUrl) { const probe = new Image(); probe.onload = () => { const maxSide = 360; const ratio = Math.min(1, maxSide / Math.max(probe.naturalWidth, probe.naturalHeight)); const id = `img-${state.nextId}`; const image = { id, label: `图${state.nextId}`, name: file.name, dataUrl, element: probe, naturalWidth: probe.naturalWidth, naturalHeight: probe.naturalHeight, x: 80 + (state.nextId - 1) * 40, y: 80 + (state.nextId - 1) * 40, width: Math.round(probe.naturalWidth * ratio), height: Math.round(probe.naturalHeight * ratio), }; state.nextId += 1; state.images.push(image); selectImage(id); setStatus(`已上传 ${image.label}，可拖拽或点选/框选。`); }; probe.src = dataUrl; } ``` ## 1. 将目标区域转换为归一化坐标这一步将用户在画布上的点选或框选操作，转换为 Seedream 5.0 pro Prompt 中可使用的坐标定位标记。 ### 实现原理在图片上点选或框选的区域，需要转换为归一化坐标（范围 0~999，左上角为 0,0，右下角为 999,999），将用户的空间意图显式写入 Prompt，例如： ```text 把图1520 460 位置换成皇冠把图1120 180 640 760 区域替换成花园 ``` * **坐标说明** |坐标类型 |含义 |用途 | |---|---|---| |Client 坐标 |鼠标相对浏览器窗口左上角的位置，即 `event.clientX / event.clientY`。 |浏览器事件的原始输入。 | |World 坐标 |画布内部的逻辑坐标系。图片的 `x / y / width / height` 都保存在这个坐标系中。 |保证画布缩放、平移后仍能正确命中图片。 | |Normalized 坐标 |相对单张图片归一化到 0\-999 的坐标。 |最终写入 `` 或 ``。 | * **坐标转换** 1. 将鼠标的 Client 坐标转换为 World 坐标，消除画布位置、平移和缩放的影响。 2. 将 World 坐标转换为图片内 0\-999 的归一化坐标。具体原理参见 [关键操作：将目标区域转换为归一化坐标](https://ark.volcengine.com/region:cn-beijing/docs/ark/seedream-5-0-pro-editing-guide#key-steps)。 * 点选模式：生成 ` x y`； * 框选模式：生成 ` x1 y1 x2 y2`。 ### 核心代码 * 坐标转换 ```JavaScript // Client 坐标转换为 World 坐标 function clientToWorld(clientX, clientY) { const rect = viewport.getBoundingClientRect(); return { x: (clientX - rect.left - state.view.x) / state.view.scale, y: (clientY - rect.top - state.view.y) / state.view.scale, }; } // World 坐标转换为 0-999 归一化 function normalizedPoint(worldPoint, image) { return { x: clamp1000(((worldPoint.x - image.x) / image.width) * 1000), y: clamp1000(((worldPoint.y - image.y) / image.height) * 1000), }; } ``` * 根据点选 / 框选生成 `` 或 `` 坐标标记 ```JavaScript if (state.mode === "point" && image) { const p = normalizedPoint(worldPoint, image); const ann = buildAnnotation("point", image, { x: p.x, y: p.y }); ann.token = `${image.label}${p.x} ${p.y}`; state.annotations.push(ann); appendAnnotationChip(ann, image); renderImages(); setStatus(`已添加 ${ann.token}`); return; } if (state.box) { const image = state.images.find((item) => item.id === state.box.imageId); const dx = Math.abs(state.box.current.x - state.box.start.x); const dy = Math.abs(state.box.current.y - state.box.start.y); state.box.selection.remove(); if (image && dx > 4 && dy > 4) { const b = normalizedBox(state.box.start, state.box.current, image); const ann = buildAnnotation("bbox", image, b); ann.token = `${image.label}${b.x1} ${b.y1} ${b.x2} ${b.y2}`; state.annotations.push(ann); appendAnnotationChip(ann, image); setStatus(`已添加 ${ann.token}`); } state.box = null; viewport.releasePointerCapture(event.pointerId); renderImages(); } ``` ## 2. 组装 Prompt 这一步将用户输入的自然语言和点选 / 框选生成的空间坐标合并，形成 Seedream 5.0 pro 可以理解的最终 Prompt。 ### Prompt 写法 |场景 |参考写法 | |---|---| |编辑指定点附近的对象 |`把图 1 520 460 位置换成皇冠` | |编辑指定区域的对象 |`把图 1 120 180 640 760 区域替换成花园` | |跨图片编辑 |`将图 1 179 283 796 986 的主体放到图 2 118 331 933 871 位置。` | ### 核心代码核心代码 ```JavaScript // 从编辑框内容生成最终 Prompt，并整理本次需要提交的图片列表 function buildModelInputFromPrompt() { const assignedImages = new Map(); const inputImages = []; // 将画布图片映射为模型输入的图号，并收集需要提交的图片 function assignImage(image) { if (!image) return ""; if (!assignedImages.has(image.id)) { const inputLabel = `图${inputImages.length + 1}`; assignedImages.set(image.id, inputLabel); inputImages.push({ ...image, inputLabel }); } return assignedImages.get(image.id); } // 将编辑框中的图号（图1/图2）重映射为实际要提交的输入图号 function remapImageLabels(text) { return text.replace(/图\\d+/g, (label) => { const image = state.images.find((item) => item.label === label); return image ? assignImage(image) : label; }); } // 遍历编辑框 DOM，将文本与坐标标注拼接为 Prompt 文本 function walk(node) { if (node.nodeType === Node.TEXT_NODE) { return remapImageLabels(node.textContent || ""); } if (node.nodeType !== Node.ELEMENT_NODE) { return ""; } if (node.classList?.contains("annotation-inline")) { const ann = state.annotations.find((item) => item.id === Number(node.dataset.annotationId)); const image = ann ? state.images.find((item) => item.id === ann.imageId) : null; const inputLabel = assignImage(image); if (!ann || !inputLabel) return ""; return ` ${annotationTokenForLabel(ann, inputLabel)} `; } if (node.tagName === "BR") { return "\\n"; } return [...node.childNodes].map(walk).join(""); } const prompt = walk(promptInput) .replace(/\\u00a0/g, " ") .replace(/[ \\t]{2,}/g, " ") .replace(/\\n{3,}/g, "\\n\\n") .trim(); return { prompt, images: inputImages }; } ``` ## 3. 生成图片这一步根据组装好的 Prompt 和输入图片调用图片生成 API，并将模型生成结果返回给前端展示。 ### 核心代码 * 前端提交图片生成请求 ```JavaScript generateBtn.addEventListener("click", async () => { const modelInput = buildModelInputFromPrompt(); const resp = await fetch("/api/generate", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify({ prompt: modelInput.prompt, images: modelInput.images.map((image) => ({ inputLabel: image.inputLabel, name: image.name, dataUrl: image.dataUrl, naturalWidth: image.naturalWidth, naturalHeight: image.naturalHeight, })), }), }); const data = await resp.json(); renderGeneratedImage(data.url); }); ``` * 后端调用图片生成 API ```Python ARK_MODEL = "doubao-seedream-5-0-pro-260628" ARK_BASE_URL = "https://ark.cn-beijing.volces.com/api/v3" try: client = Ark( api_key=os.getenv("ARK_API_KEY"), base_url=ARK_BASE_URL, ) resp = client.images.generate( model=ARK_MODEL, prompt=prompt, image=image_arg, size="2K", output_format="png", response_format="url", watermark=True, ) except Exception as exc: print(f"[generate] error: {exc!r}") return self._send_json(500, {"error": str(exc)}) try: url = resp.data[0].url except (AttributeError, IndexError) as exc: return self._send_json(502, {"error": f"unexpected ark response: {exc}"}) return self._send_json( 200, { "model": ARK_MODEL, "prompt": prompt, "url": url, }, ) ``` ### 效果预览 |输入图片 |效果预览 | |---|---| |![图片](https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/image-20260711-161109-398.png)

> Prompt：`将图 1 179 283 796 986 的主体放到图 2 118 331 933 871 位置。` |![图片](https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/edit-image.png) | # 使用说明在多主体场景下，可以通过以下写法更明确地指定编辑对象。 * 框选区域内有多个主体时，明确操作对象。当 `` 覆盖的区域内存在多个主体/元素时，建议在 Prompt 中补充一句说明要编辑的目标对象（例如“左侧的人”“戴帽子的猫”“前景的花”），帮助模型稳定选择正确的编辑对象。示例：`把图 1 120 180 640 760 区域内的左侧人物换成机器人` * 标注需要保持不变的对象。如果希望某些物体不被修改，可以将其一并框选出来，并在 Prompt 中明确“保持不变/不要修改”。示例：`把图 1 120 180 640 760 区域替换成花园，图 1 700 120 920 360 区域保持不变` # 相关文档 * [Doubao Seedream 5.0 pro / flash 教程](https://ark.volcengine.com/region:cn-beijing/docs/ark/seedream-5-0-pro) * [图片生成 API 文档](https://ark.volcengine.com/region:cn-beijing/docs/ark/image-generation-api)

火山方舟