感觉目前豆包的生图也有gpt一半的水平了

图呢

你是说那个喜欢滴滴嗒流口水的那个豆包么

@陌生人 #2 发布于2026/6/12 13:17:40

你是说那个喜欢滴滴嗒流口水的那个豆包么

不涉及文字来说的话前面还算能用 即梦

这应该要有对比图吧，同一套提示词的对比？

@moonay #4

有道理 我现在去生

no img say JB

字节毕竟有抖音什么的，训练数据不缺的

豆包生图不是比说话还离谱吗

@moonay #4 找不到在哪里上传@moonay #4 找不到在哪里上传

@kinopio #9 https://www.nodeimage.com 官方图床，然后要按照 markdown 的格式来加到帖子里

@moonay #10 感谢 上传好了

关键要看提示词，提示词写的详细，生的图就越好！

豆包的问题还是很容易能看出来是豆包做出来的，我觉得优势还是审核没那么严格，也就是同样的提示词，只有豆包才能生成出来，换到其他都做不到 ^-^

这，不做评论

@moonay #13

这种是不是grok是真神

@kinopio #15 grok图片的审核还是严格了，疯狂返回错误，不过grok好一点的地方就是，它会主动告诉你怎么一步步去试探这个审核的边界，同一个会话继续几次就能出结果不用试太多次，这倒是其他都比不了的

grok的视频生成才是完全飙车，没有返回任何错误，照单全收

开源模型也很不错，而且没有描述词限制

@regou #17 前年一直在研究sd 结果过了半年闭源的就给秒杀了 ，

第二个是豆包吧？人物朝向和画面逻辑是反的。而且GPT最厉害的在于一致性和字体完整性，单纯T2I不见得是最强的。

@Aphrodite #19 是的 二是豆包 ，gpt的质感是豆包没办法比的 ，但是论性价比豆包还是可以的

@kinopio #18 已经开源的那些，配上LoRA效果已经很不错了；自己微调训练模型

@moonay #13 可以去找对接人API加白，那出来的效果比这劲爆多了

@regou #22 居然还能这样？ ^-^ 有公开的成品可以观摩观摩下的吗？

视频都能生成，图片不是更简单吗，点我下面的中转站用wan2.6/2.7模型就可以

生图你要用可灵或即梦啊

看图来说不知道分别对应的哪个模型，但是人物就这么坐在道路中间做事儿，明显就不合理了。 ^-^

@moonay #13 裙子+低视角 image2真是噩梦级别

@seaway #26

不知道提示词是什么。路人下雨打伞，主人在马路中央绣鞋，就很离谱~

确实不错

@webmaster #28

这个是提示词：

超写实8K摄影，雨后清晨的江南古镇巷弄，青石板路倒映着斑驳的马头墙，墙角几株带着水珠的虎耳草，一位穿蓝印花布旗袍的老奶奶坐在竹椅上，手里拿着针线正在纳鞋底，竹篮里放着半只刚剥开的粽子和一杯冒着热气的绿茶，远处传来撑油纸伞行人的脚步声，阳光透过云层在地面投下丁达尔效应，镜头用索尼A7R5+85mm f/1.4 GM拍摄，景深极浅，色彩柔和自然，细节拉满，电影级光影质感