最近兩周，“吉卜力畫風(fēng)”突然就火了。

事情的開始是這樣的，3月26日，OpenAI推出了基于GPT-4o多模態(tài)大模型的高精度圖像生成功能“4o Image Generation”，按照他們的說法，現(xiàn)在用戶只需一句簡單的文字描述，就能實現(xiàn)精美的廣告或平面圖的制作、應(yīng)用界面的UI設(shè)計、LOGO或圖片風(fēng)格的切換等等。

結(jié)果呢？整個互聯(lián)網(wǎng)的人，都在用它變身“賽博宮崎駿”。

不開玩笑，小雷是真被這玩意給刷屏了，這兩天一打開群聊，就能看到無法無天的群友們在拿GPT-4o瘋狂整活，有做頭像的，有做表情包的，甚至還有把“黃O大道東”變成吉卜力畫風(fēng)的，推特上的國外網(wǎng)友玩得更是樂此不疲，看得我都有點心癢癢的。

（圖源：X）

幸好，類似的功能，國內(nèi)大模型并不是沒有。

比如說字節(jié)跳動的SeedEdit，同樣可以實現(xiàn)“自然語意修圖”，用戶只需輸入簡單的自然語言，便可對圖像進行多樣化編輯操作。

最重要的是，這功能可不需要你想方設(shè)法翻出去用，在字節(jié)跳動的豆包官網(wǎng)就直接能用，而且目前豆包的“圖像生成”功能是完全免費且不存在限制的，這一波甚至能把開會員的錢也給直接省下來。

話不說多，我們這邊直接開整！

豆包這款產(chǎn)品，讓人人都是宮崎駿

想體驗這個功能的話，其實還蠻簡單的就是了。

打開豆包網(wǎng)頁版，在輸入框下面就有「圖片生成」，應(yīng)該就能看到上傳參考圖的選項了，這里就是SeedEdit模型的入口。

要做的事情很簡單，上傳圖片，然后輸入我們想要改變的內(nèi)容。

（圖源：雷科技）

話不多說，先來看圖。

首先，小雷這邊選用了一張來自知名音樂錄像帶里的截圖，讓豆包和最近巨火的GPT-4o都試著“幫我換成吉卜力風(fēng)格”。

這是原圖：

（圖源：Youtube）

這是豆包的成品：

（圖源：豆包）

這是GPT-4o的成品：

（圖源：GPT）

對比下來，GPT-4o的衣服還原度更高，手部沒有變形，只是沒有維持原圖比例；豆包雖然整體構(gòu)圖、配色更加貼近原圖，但是衣服有些微變化，手部有些變形，甚至多了一只抓著麥克風(fēng)的手。

接著試一下大家都關(guān)心的名人，比如說馬斯克：

（圖源：豆包）

比方說喬布斯：

（圖源：豆包）

再給喬布斯換個迪士尼風(fēng)格：

（圖源：豆包）

從結(jié)果來看，豆包的轉(zhuǎn)換效果可以說是非常成熟。

最后，我們試一試影視劇集里的名場面，這次就拿《和平使者》里面約翰·塞納飾演的克里斯多?！な访芩沟拿麍雒孀隼樱?/p>

（原圖，圖源：HBO Max）

（圖源：豆包）

（圖源：GPT）

這次差距其實更加明顯一些，GPT-4o甚至把金屬頭盔保留了下來，身邊的兩名角色也做到了精準的畫風(fēng)轉(zhuǎn)制，但是圖片比例有所修改，文字信息也沒有保留下來。

作為對比，豆包則是試圖在整幅畫面上進行對齊，然而人數(shù)一多起來，角色的服裝和樣子就沒多少能對上的。

但是，接著我就要說但是了，豆包的效果還是比Gemini 2.0要強上一大截的，谷歌這玩意雖然支持自然語意修圖，但是既不懂吉卜力風(fēng)格是啥意思，也搞不清楚怎么修改圖片比例。

（圖源：Gemini 2.0）

可惡的谷歌，不要給我看這一堆不知所謂的東西！

其實把思路反過來，把畫改成真實風(fēng)格，豆包搞得也不錯，我上傳了一張刻在不少人基因里的Meme圖片，讓它以此為原型，生成一張真實照片。

（圖源：豆包）

嗯...只能說像是挺像的，就是沒了那種沖擊感。

如果再簡單調(diào)整一下的話，就能做出下面這種效果：

（圖源：豆包）

雖說臉型有點不對，笑得也是有點猙獰，但是這種打破次元壁的做法，還真就只有AI大模型能夠?qū)崿F(xiàn)。

豆包圖片處理能力在線，但仍有較大改進空間

不過，人人都在用吉卜力畫風(fēng)，也帶來了新一輪的版權(quán)問題。

畢竟早在2016年，宮崎駿評價AI動畫技術(shù)時就直言：這是對生命本身的侮辱。

宮崎駿反對用技術(shù)代替手工創(chuàng)作，他認為AI生成圖像缺乏對生命力的敬畏，而在2025年的今天，技術(shù)力的進步，反而讓大家對這件事情變得更肆無忌憚了起來，確實是有點諷刺的。

（圖源：Youtube）

既然如此，我們不妨轉(zhuǎn)換一下思路，把它當(dāng)成PS來用？

比如在設(shè)計行業(yè)里源遠流長的梗，“讓大象轉(zhuǎn)個身”這種要求，我們在豆包上能不能實現(xiàn)呢？

答案是“完全可以，輕易可以”。

可以看到，SeedEdit生成的大象背面是非常合乎邏輯的，耳朵的形狀、腳部的位置、身體的顏色都做得相當(dāng)不錯，周圍的環(huán)境也保持了高度的一致，很難看出畫面上有什么破綻。

不過類似海報的效果，豆包就做得不咋樣了，和GPT-4o可以說一眼就能看出差別了。

（圖源：豆包）

（圖源：GPT）

只能說，豆包在審美這塊，還真有挺多要學(xué)的地方。

最后，我也試了一下豆包憑空進行“圖片生成”的效果。

提示詞如下：

一位年輕的印度女性，黑發(fā)扎著敞開的馬尾辮，身穿黑色夾克，站在大學(xué)校園里，直視著鏡頭。該圖像具有1990年代風(fēng)格的電影靜態(tài)美學(xué)，在陽光明媚的日子里拍下的特寫肖像。

（圖源：雷科技）

對比豆包，GPT-4o產(chǎn)出的圖更有特寫感；Midjourney V7產(chǎn)出的圖片光線更加自然，人物臉部的膚色也相對更加清晰，細節(jié)更加豐富，畫面焦點更加清晰，但總的來說，三者都沒啥肉眼可見的問題。

AI修圖，爆發(fā)在即

不可否認，如今AI大模型在“繪畫”上足以獨當(dāng)一面了。

但是在圖像編輯領(lǐng)域，AI大模型依然是相對落后的，無法進行精準編輯一直是行業(yè)的老大難問題。

前些年，這類需求一般可以通過Stable Diffusion的ControlNet插件來實現(xiàn)。

它可以獲取額外的輸入圖像，通過不同的預(yù)處理器轉(zhuǎn)換為控制圖，進而作為Stable Diffusion擴散的額外條件，只需使用文本提示詞，就可以在保持圖像主體特征的前提下任意修改圖像細節(jié)。

（圖源：新浪微博，識別特征并進行重新繪制）

然而本地部署AI應(yīng)用這事，和大部分小白是基本無緣的。

所以在進入今年后，包括GPT-4o、Gemini 2、Midjourney V7等先后上線了通過自然語意修圖的功能。

個人認為，這種只需給定輸入圖像和告訴模型要做什么的文本描述，然后模型就能遵循描述指令來編輯圖像的功能，甚至可以被視為重大突破，曾經(jīng)被視為必備技能的PS，如今似乎陷入了“可學(xué)可不學(xué)”的微妙處境。

當(dāng)然了，目前這類模型在生成圖片時還是有一些問題存在的。

直到今天，豆包AI修圖依然缺乏人像前后的一致性，也缺乏圖片內(nèi)容的方向性，只要涉及到人物面部的修圖，那么最終出來的圖像和原圖的差異會很夸張，豆包本身也很難判斷你要修改的是圖片里的哪個元素。

（圖源：豆包）

倒是文字處理能力，相較以往有了一定提升，現(xiàn)在SeedEdit在修圖時已經(jīng)不會隨便編造文字內(nèi)容，但是圖片生成時的錯字現(xiàn)象依然需要改善。

不管怎么說，豆包SeedEdit算是彌補了國產(chǎn)大模型在語義AI修圖應(yīng)用這塊的空白。

可以預(yù)見的是，隨著AI圖像編輯技術(shù)的不斷發(fā)展，未來手機、電腦都可能會集成這項功能，就像AI消除、AI擴圖那樣走進尋常百姓家。無論是小白還是大咖，每個人都有機會輕松上手使用，讓自己對美的理解可以更直觀地展現(xiàn)出來。

修圖有手就行？或許真的不是夢。