Seedream 3.0 技术报告

我们推出Seedream 3.0，这是一款高性能的中英双语图像生成基础模型。针对Seedream 2.0存在的多项挑战，我们开发了多项技术改进，包括复杂提示的对齐、精细排版生成、视觉美学与保真度的优化以及图像分辨率的提升。具体而言，Seedream 3.0的进步源于从数据构建到模型部署整个流程的全面优化。在数据层面，我们采用缺陷感知训练范式与双轴协作数据采样框架，使数据集规模翻倍。此外，在预训练阶段，我们引入了混合分辨率训练、跨模态RoPE、表示对齐损失及分辨率感知时间步采样等多项有效技术。在训练后阶段，我们利用多样化的美学描述进行SFT，并采用基于VLM的奖励模型进行缩放，从而实现了与人类偏好高度契合的输出。更为重要的是，Seedream 3.0开创了一种新颖的加速范式。通过采用一致噪声期望与重要性感知时间步采样，我们在保持图像质量的同时实现了4至8倍的加速。相较于Seedream 2.0，Seedream 3.0展现出显著提升：它增强了整体能力，特别是在复杂汉字文本渲染方面，这对于专业排版生成至关重要。此外，它还提供了原生高分辨率输出（最高可达2K），能够生成具有高视觉品质的图像。