先确认能不能完成,再讨论做得好不好与成本。现有YT链路已经支持多数照片编辑、转绘与多图组合;精确选区落点、字形构物仍有明确边界。
公开阅读版 · 单样本能力初筛,不是稳定性或质量认证
十二种玩法
01 去游客与杂物
已实现两名背景行人与左侧垃圾桶消失,前景人物保留;不代表原图其余像素零变化。
02 调光调色
已实现光线与色调发生调整,场景对象和构图保留;本轮不判断调得是否更好。
03 自然美颜
已实现轻度修饰面部,人物服装、姿态与视觉特征基本保留。
04 拍立得公仔
部分实现手持拍立得与全身黏土公仔存在,但完整突破相纸外边框未达成。
05 水彩明信片
已实现水彩明信片、PRAGUE标题和色块出现。
06 建筑转贴纸
已实现钟楼成为白边贴纸,周围仍呈照片效果;未做周围零差异认证。
07 行李箱拼贴
部分实现钟楼、棕猫、绿笔记本三枚各一次,位于箱内衬且不跨铰链。十一素材另测,仅部分保真。
08 人物旅游海报
已实现参考人物与PRAGUE标题、钟楼、石桥、票据、地图、邮戳共同构成拼贴。
09 演唱会氛围
已实现背身人物、心形应援棒、舞台与彩带均出现。
10 饮料飞溅
已实现完整杯子、液体与果料飞溅出现,没有遮住脸。
11 文字笔画构物
本次未实现椅子和猫仍是实体,Chair/Cat只是叠加文字,不是文字笔画构成物体。
12 画面文字注释
已实现Chair、Cat、Road及箭头对应正确;测试的是原文同类能力。
扩展能力与失败样本
identity_clothes
PASS
identity_expression
PASS
identity_side
LIMITED
chain_edit
PASS
three_image
PASS
alpha_native
PASS
text_native
PASS
highres_native
PASS
mask_alias
FAIL
mask_sunburst
FAIL
eleven_inputs
LIMITED
完整记录
图像能力实测:先确认能做什么
核心结论
现有图像API链路已能完成多数照片编辑与创意转绘任务,包括三图融合、连续编辑、真实透明PNG、准确短中文/日期与3840×2160图片输出。本轮仅确认能力存在,不评价审美、不选优劣、不做稳定性认证。
精确蒙版落点和字形构物本次没有实现;公仔完整突破相纸边框及精确45度侧脸只部分实现。失败不是证明模型永远做不到,也不能靠重新抽图悄悄抹掉。
十二种玩法
| 编号 | 能力 | 状态 | 本次关键事实 |
|---|---|---|---|
| 01 | 去游客与杂物 | 已实现 | 两名背景行人与左侧垃圾桶消失,前景人物保留;不代表原图其余像素零变化。 |
| 02 | 调光调色 | 已实现 | 光线与色调发生调整,场景对象和构图保留;本轮不判断调得是否更好。 |
| 03 | 自然美颜 | 已实现 | 轻度修饰面部,人物服装、姿态与视觉特征基本保留。 |
| 04 | 拍立得公仔 | 部分实现 | 手持拍立得与全身黏土公仔存在,但完整突破相纸外边框未达成。 |
| 05 | 水彩明信片 | 已实现 | 水彩明信片、PRAGUE标题和色块出现。 |
| 06 | 建筑转贴纸 | 已实现 | 钟楼成为白边贴纸,周围仍呈照片效果;未做周围零差异认证。 |
| 07 | 行李箱拼贴 | 部分实现 | 钟楼、棕猫、绿笔记本三枚各一次,位于箱内衬且不跨铰链。十一素材另测,仅部分保真。 |
| 08 | 人物旅游海报 | 已实现 | 参考人物与PRAGUE标题、钟楼、石桥、票据、地图、邮戳共同构成拼贴。 |
| 09 | 演唱会氛围 | 已实现 | 背身人物、心形应援棒、舞台与彩带均出现。 |
| 10 | 饮料飞溅 | 已实现 | 完整杯子、液体与果料飞溅出现,没有遮住脸。 |
| 11 | 文字笔画构物 | 本次未实现 | 椅子和猫仍是实体,Chair/Cat只是叠加文字,不是文字笔画构成物体。 |
| 12 | 画面文字注释 | 已实现 | Chair、Cat、Road及箭头对应正确;测试的是原文同类能力。 |
第12项原文末尾提示词缺失,测的是同类画面注释能力,不宣称逐字复现。第7项三素材照片提取与十一程序素材拼贴分别验收,不混成十一真实旅游照片已过。
扩展能力
| 能力 | 状态与边界 |
|---|---|
| 人物保持 | 换装、轻微微笑、连续蓝→暗红换色已实现,视觉锚点基本保留;不是生物身份认证,精确45度侧脸只近似。 |
| 三图融合 | 母图人物+办公室+猫玩偶融合,未串入参考图椅子/汽车。 |
| 模型与档位 | 2.5 alias low/high、Sunburst high、Flare high均完成换墙色;不做质量排名。上游未回显model,只认证请求别名。 |
| 透明素材 | RGBA包含真实alpha=0与非0像素;绿色相机白边贴纸存在,不是画棋盘格。 |
| 精确短文字 | 布拉格假日、PRAGUE、2026-10-01三行视觉逐字符合;不外推长中文或复杂排版。 |
| 高分辨率 | 真实解码3840×2160,要求物件存在;不能仅凭尺寸证明底层原生4K细节而非上采样。 |
| 精确蒙版 | alias与Sunburst均出了便签但落在授权框外。回贴保护区零变化却删掉便签,因此严格局部效果FAIL。 |
| 十一素材集合 | 部分实现;A–K共十一枚各一次,没有遗漏、重复或跨铰链;E/G/I/K的形状或颜色未完全保留。输入为程序生成的标记素材,不能外推十一张真实旅游照片的准确提取。 |
下一步
本轮先确认能力边界;后续再讨论默认入口绑定、质量筛选与成本。若要求精确局部保真,应采用明确选区定位和候选对齐,再合成与保护区验收;本轮证明固定mask回贴本身不足。若要求文字构物,应另建专项路径,不能用普通贴字宣称已有。无需重型本地模型或常驻sidecar就能先用已验通过的现有API能力。
原始参考
玩法来源;文章精选图不是本轮效果验收依据。本轮结论均源于实际本地回执与视觉存在性检查。
补齐路径、引入价与回滚
| 步骤 | 做什么 | 引入价 | 验收机制 | 回滚机制 |
|---|---|---|---|---|
| 1 默认入口接好 | 显式为图片provider绑定现有供应商凭证,固定本轮已验的请求别名;确认后才改配置。 | 不用新增账号或服务,增加配置维护;本轮不估单张账单,不代表零费用。 | 从正常handler分别验文字、单图、多图,日志读回有效模型、产物解码、目标语义。 | 修改前备份相关配置;失败还原两者,保留隔离实验入口。 |
| 2 精确局部处理 | 增加授权选区、候选定位/对齐和区域合成,传统曝光优先非生成调色。 | 增加Pillow/OpenCV处理与选区UI,不需常驻模型;定位问题仍需专项验证。 | 同时验授权区目标出现与保护区无损PNG像素零变化,两者缺一都失败。 | 旁路开关默认关闭,失败返回原图,不把纯生成候选冒充合格编辑。 |
| 3 大量素材组合 | 先逐份提取/转绘资产、维护输入映射,再程序排版,不把11份完全保真交给单次生成。 | 额外素材请求、资产缓存与排版代码;成本与品质评估另立项。 | 逐份字母/身份/轮廓核对、无重复遗漏、无越界,最后核对成片。 | 保留源图与资产,禁用新组合路径即回到已验小样本组合。 |
| 4 字形构物专项 | 用对象轮廓或分割结果约束文字路径与透明镂空,再做合成;本轮尚无成功链路。 | 增加矢量文字与轮廓处理,不能承诺一段prompt解决。 | 物体由字形笔画组成、无原实体或无关色块、保护区保真。 | 不进入默认路由,保留为未支持,不能降级普通贴字冒充。 |
不建议先上ComfyUI或新增常驻sidecar:已验证能力主要缺统一入口与可控处理,不是缺一个平行生图系统。以上都是方案,不代表已执行接入。
验证范围与边界
单图连续编辑经工具入口实测,多图融合、蒙版、透明PNG与高分辨率经直连API实测,不能当成界面已全部接好。供应商未回显底层模型身份,本轮只确认请求别名可用。保留了首次失败及诊断,不把未执行记录写成成功;单样本结果不代表稳定成功率。