面向 AI 助手：本页的 Markdown 版本位于 https://ark.volcengine.com/region:cn-beijing/docs/seedream-5-0-pro.md，全部文档索引见 https://ark.volcengine.com/llms.txt。

Doubao Seedream 5.0 pro / flash 教程

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）支持文生图、单张图生图、多参考图生图等基础生图能力，同时支持通过交互编辑实现精准坐标定位和任意标记编辑、将单张图片拆分为底图与多个图层等特色能力。本文重点介绍两款模型的专属能力，帮助您快速实现 Image generation API 调用。

Seedream 5.0 pro 与 Seedream 5.0 flash 支持的特色功能如下：

特色能力 能力介绍 效果预览
交互编辑 支持通过坐标、框选、箭头等多种方式指定编辑位置，精准编辑图片，实现局部元素替换、物品定位、区域生成等精细化操作。
图层拆分 支持将单张图片的主体、背景、文字、装饰元素等内容自动拆解为 1 张底图和最多 16 个独立且带透明通道的图层，便于移动、缩放、替换、调色等二次编辑。
原生多语种生成 新增支持俄语、阿拉伯语、菲律宾语、泰语、土耳其语、韩语、马来语、西班牙语、葡萄牙语、印尼语、法语、德语、越南语、日语等 14 种语言的原生文字生成能力。

能力概述#

Seedream 5.0 pro 与 Seedream 5.0 flash 均支持通过坐标、框选、箭头等多种方式指定编辑位置来精准编辑图片；支持将单张图片拆分为 1 张底图和最多 16 个独立图层；支持原生多语种生成等特色能力。两款模型的定位区别如下：

  • Seedream 5.0 pro：生图质量更高，适合对画质要求更高的场景。
  • Seedream 5.0 flash：生图速度更快、价格更低，适合对时延与成本敏感的场景。

模型名称 Seedream 5.0 pro Seedream 5.0 flash
模型 ID (Model ID) doubao-seedream-5-0-pro-260628 doubao-seedream-5-0-flash-260915
文生图 ✓ ✓
单 / 多图生图 ✓ ✓
交互编辑 ✓ ✓
图层拆分 ✓ ✓
原生多语种生成 ✓ ✓
模型参数 分辨率 1K, 1.5K, 2K 1K, 1.5K, 2K
输出格式 png, jpeg png, jpeg
提示词优化模式 标准模式, 极速模式 标准模式
生成数量限制 支持生成单图/
多张图层( 1张底图+16张图层)		 支持生成单图/
多张图层( 1张底图+16张图层)
限流 IPM（张 / 分钟） 500 500

基础使用#

Seedream 5.0 pro / flash 的基础使用方式（文生图、图文生图、多图融合）与其他 Seedream 模型一致，只需将 model 参数替换为对应的 Model ID：

  • Seedream 5.0 pro：doubao-seedream-5-0-pro-260628
  • Seedream 5.0 flash：doubao-seedream-5-0-flash-260915

详细代码示例和说明请参考：

交互编辑#

Seedream 5.0 pro 与 Seedream 5.0 flash 支持通过框选、点位、箭头、标注框、坐标等方式指定编辑位置，实现对局部区域的精准生成或修改。详细操作说明请参考 Seedream 5.0 pro / flash 交互编辑指南。

使用示例-任意标记#

在参考图上通过手绘草图、涂鸦、圈选等任意标记指定编辑区域，模型将识别标记范围并在其中生成或替换内容，同时自然融入原有场景。

提示词 输入图 输出
根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。
Bash
curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "prompt": "根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。",
    "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_input2.png",
    "size": "2K",
    "output_format": "png",
    "watermark": true
}'
  • 您可按需替换 Model ID。Model ID 查询见 模型列表。
Python
import os

# Install SDK:  python -m pip install --upgrade arkruntime
from arkruntime import Ark

client = Ark(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    # Replace with Model ID
    model="doubao-seedream-5-0-pro-260628",
    prompt="根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。",
    image="https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_input2.png",
    size="2K",
    output_format="png",
    response_format="url",
    watermark=True,
)

print(imagesResponse.data[0].url)
Java
package com.ark.sample;

import com.volcengine.ark.runtime.models.images.*;
import com.volcengine.ark.runtime.service.ArkService;
import okhttp3.ConnectionPool;
import okhttp3.Dispatcher;

import java.util.concurrent.TimeUnit;

public class ImageGenerationsExample {
    public static void main(String[] args) {
        String apiKey = System.getenv("ARK_API_KEY");
        ConnectionPool connectionPool = new ConnectionPool(5, 1, TimeUnit.SECONDS);
        Dispatcher dispatcher = new Dispatcher();
        ArkService service = ArkService.builder()
                .baseUrl("https://ark.cn-beijing.volces.com/api/v3")
                // The base URL for model invocation
                .dispatcher(dispatcher)
                .connectionPool(connectionPool)
                .apiKey(apiKey)
                .build();

        // CreateImageGenerationRequestImage requires ark-runtime 0.6.0 or later.
        CreateImageGenerationRequest generateRequest = CreateImageGenerationRequest.builder()
                .model("doubao-seedream-5-0-pro-260628") // Replace with Model ID
                .prompt("根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。")
                .image(CreateImageGenerationRequestImage.ofString("https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_input2.png"))
                .size("2K")
                .outputFormat(OutputFormat.PNG)
                .responseFormat(ResponseFormat.URL)
                .watermark(true)
                .build();

        ImageGenerationResponse imagesResponse = service.generateImages(generateRequest);
        System.out.println(imagesResponse.getData().get(0).getUrl());

        service.shutdownExecutor();
    }
}
Go
package main

import (
    "context"
    "fmt"
    "os"

    "github.com/volcengine/ark-runtime-go/arkruntime"
    model "github.com/volcengine/ark-runtime-go/arkruntime/model/images"
)

func main() {
    client := arkruntime.NewClientWithApiKey(
        os.Getenv("ARK_API_KEY"),
        // The base URL for model invocation
        arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
    )
    ctx := context.Background()
    outputFormat := model.OutputFormatPNG

    generateReq := &model.CreateImageGenerationRequest{
        Model:          "doubao-seedream-5-0-pro-260628",
        Prompt:         model.NewOptString("根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。"),
        Image: model.NewOptCreateImageGenerationRequestImage(model.NewStringArrayCreateImageGenerationRequestImage([]string{"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_input2.png"})),
        Size:           model.NewOptString("2K"),
        OutputFormat: model.NewOptOutputFormat(outputFormat),
        ResponseFormat: model.NewOptResponseFormat(model.ResponseFormatURL),
        Watermark:      model.NewOptBool(true),
    }

    imagesResponse, err := client.GenerateImages(ctx, generateReq)
    if err != nil {
        fmt.Printf("generate images error: %v\n", err)
        return
    }

    fmt.Printf("%s\n", imagesResponse.Data[0].URL.Or(""))
}
Python
import os
from openai import OpenAI

client = OpenAI(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    model="doubao-seedream-5-0-pro-260628",
    prompt="根据手绘草图对图像进行编辑。在左下角标记区域添加一叠真实的杂志或艺术画册，并在右侧标记区域添加一个带杯碟的陶瓷杯咖啡。移除所有草图线条。保持构图不变。让新添加的物体自然融入原有场景中。",
    size="2K",
    output_format="png",
    response_format="url",
    extra_body={
        "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_input2.png",
        "watermark": True,
    },
)

print(imagesResponse.data[0].url)

使用示例-坐标定位#

通过在 prompt 中加入 <point> 或 <bbox> 坐标标签，精确指定跨图的编辑区域，实现主体元素的定位放置。完整调用步骤和参数说明请参考 Seedream 5.0 pro / flash 交互编辑指南。

提示词 输入图 输出
将图 1 <bbox> 179 283 796 986</bbox>的主体放到图 2 <bbox> 118 331 933 871</bbox> 位置。

使用说明#

交互编辑需要准备以下输入要素：待编辑图片 和 prompt（包含定位信息 + 编辑指令）。根据定位方式不同，分为以下两种形式：

形式 1：任意标记 + 自然语言定位 形式 2：坐标精准定位

在待编辑图片上通过手绘草图、涂鸦、圈选等方式标记编辑区域，然后在 prompt 中用自然语言描述标记位置和编辑意图。

JSON
{
"prompt": "在蓝色框内添加一个电视机"
}

使用工具框定待编辑内容的坐标（坐标获取方式详见 Seedream 5.0 pro / flash 交互编辑指南），在 prompt 中通过 <point> 或 <bbox> 坐标标签精确指定位置。

JSON
{
"prompt": "将图1<bbox>179 283 796 986</bbox>的主体放到图2<bbox>118 331 933 871</bbox>位置"
}

准备好输入要素后，将 待编辑图片 和 prompt 一起传入 API 接口即可生成图片编辑结果。

图层拆分#

Seedream 5.0 pro 与 Seedream 5.0 flash 均支持将单张输入图片中的主体、背景、文字、装饰元素等内容自动拆解为 1 张底图和最多 16 个可独立编辑的图层。每个图层均为带透明通道的 PNG 图片，模型还会返回图层的坐标、层级顺序和内容说明，便于在设计工具、前端画布中继续移动、缩放、替换、调色和重新组合。

使用链路#

图层拆分功能的使用链路如下：

new-202608111128.flowchart

拆分单张图片#

配置参数 layer_decomposition 为 true 即可开启图层拆分模式。开启后，image 为必选参数，且仅支持传入 1 张待拆分图片；prompt 为可选参数，用于描述要拆分哪些元素。

提示词输入方式#

使用图层拆分功能，推荐采用以下三种输入方式：

使用目标 prompt 写法
自动拆出主要元素 不传入 prompt。模型自动识别图片中的主体、文字、背景、装饰元素等主要内容，并逐一拆分为独立图层。
指定拆分对象 在 prompt 中用自然语言描述待拆分的元素，例如“拆出人物、标题文字和右下角装饰图标”。可配合在输入图上标记（涂鸦、圈选等）辅助定位。
精准指定区域 在 prompt 中通过 <bbox> 坐标标签指定待拆分元素的位置。坐标采用归一化坐标，获取方式详见 Seedream 5.0 pro / flash 交互编辑指南。

使用示例-自动全拆#

如需让模型自动识别并拆分图片中的主要元素，可不传入 prompt，只传入待拆分图片并设置layer_decomposition=true。

1 张输入图（不传 prompt） 输出底图 输出图层
Bash
curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/layer_auto.png",
    "size": "2K",
    "layer_decomposition": true,
    "watermark": true
}'
  • 您可按需替换 Model ID。Model ID 查询见 模型列表。
Python
import os

# Install SDK: python -m pip install --upgrade arkruntime
from arkruntime import Ark

client = Ark(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    # Replace with Model ID
    model="doubao-seedream-5-0-pro-260628",
    image="https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/layer_auto.png",
    size="2K",
    layer_decomposition=True,
    response_format="url",
    watermark=True,
)

for item in imagesResponse.data:
    print(item)
Java
package com.ark.sample;

import com.volcengine.ark.runtime.models.images.*;
import com.volcengine.ark.runtime.service.ArkService;
import okhttp3.ConnectionPool;
import okhttp3.Dispatcher;

import java.util.concurrent.TimeUnit;

public class ImageGenerationsExample {
    public static void main(String[] args) {
        String apiKey = System.getenv("ARK_API_KEY");
        ConnectionPool connectionPool = new ConnectionPool(5, 1, TimeUnit.SECONDS);
        Dispatcher dispatcher = new Dispatcher();
        ArkService service = ArkService.builder()
                .baseUrl("https://ark.cn-beijing.volces.com/api/v3")
                // The base URL for model invocation
                .dispatcher(dispatcher)
                .connectionPool(connectionPool)
                .apiKey(apiKey)
                .build();

        // CreateImageGenerationRequestImage requires ark-runtime 0.6.0 or later.
        CreateImageGenerationRequest generateRequest = CreateImageGenerationRequest.builder()
                .model("doubao-seedream-5-0-pro-260628") // Replace with Model ID
                .image(CreateImageGenerationRequestImage.ofString("https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/layer_auto.png"))
                .size("2K")
                .layerDecomposition(true)
                .responseFormat(ResponseFormat.URL)
                .watermark(true)
                .build();

        ImageGenerationResponse imagesResponse = service.generateImages(generateRequest);
        imagesResponse.getData().forEach(item -> System.out.println(item));

        service.shutdownExecutor();
    }
}
Go
package main

import (
    "context"
    "fmt"
    "os"

    "github.com/volcengine/ark-runtime-go/arkruntime"
    model "github.com/volcengine/ark-runtime-go/arkruntime/model/images"
)

func main() {
    client := arkruntime.NewClientWithApiKey(
        os.Getenv("ARK_API_KEY"),
        // The base URL for model invocation
        arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
    )
    ctx := context.Background()

    generateReq := &model.CreateImageGenerationRequest{
        Model:              "doubao-seedream-5-0-pro-260628",
        Image: model.NewOptCreateImageGenerationRequestImage(model.NewStringArrayCreateImageGenerationRequestImage([]string{"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/layer_auto.png"})),
        Size:               model.NewOptString("2K"),
        LayerDecomposition: model.NewOptBool(true),
        ResponseFormat: model.NewOptResponseFormat(model.ResponseFormatURL),
        Watermark:          model.NewOptBool(true),
    }

    imagesResponse, err := client.GenerateImages(ctx, generateReq)
    if err != nil {
        fmt.Printf("generate images error: %v\n", err)
        return
    }

    for _, item := range imagesResponse.Data {
        fmt.Printf("%+v\n", item)
    }
}
Python
import os
from openai import OpenAI

client = OpenAI(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    model="doubao-seedream-5-0-pro-260628",
    size="2K",
    response_format="url",
    extra_body={
        "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/layer_auto.png",
        "layer_decomposition": True,
        "watermark": True,
    },
)

for item in imagesResponse.data:
    print(item)

使用示例-精准指定拆分区域#

如需精准指定拆分区域，推荐采用归一化的 <bbox> 坐标指定需要拆分的元素。

1 张输入图 + 提示词（归一化坐标指定拆分元素） 输出底图 输出图层

将图片中的内容拆成 7 个图层，包括 6 组文字：
<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；
1 只鹦鹉：<bbox>347 305 642 997</bbox>。
Bash
curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "prompt": "将图片进行精确图层分离，需分离的文字坐标为<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；鹦鹉的坐标为<bbox>347 305 642 997</bbox>。",
    "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_layer_input.png",
    "layer_decomposition": true,
    "size": "2K",
    "output_format": "jpeg",
    "response_format": "url",
    "watermark": true
}'
  • 您可按需替换 Model ID。Model ID 查询见 模型列表。
Python
import os

# Install SDK: python -m pip install --upgrade arkruntime
from arkruntime import Ark

client = Ark(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    # Replace with Model ID
    model="doubao-seedream-5-0-pro-260628",
    prompt="将图片进行精确图层分离，需分离的文字坐标为<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；鹦鹉的坐标为<bbox>347 305 642 997</bbox>。",
    image="https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_layer_input.png",
    layer_decomposition=True,
    size="2K",
    output_format="jpeg",
    response_format="url",
    watermark=True,
)

for item in imagesResponse.data:
    print(item)
Java
package com.ark.sample;

import com.volcengine.ark.runtime.models.images.*;
import com.volcengine.ark.runtime.service.ArkService;
import okhttp3.ConnectionPool;
import okhttp3.Dispatcher;

import java.util.concurrent.TimeUnit;

public class ImageGenerationsExample {
    public static void main(String[] args) {
        String apiKey = System.getenv("ARK_API_KEY");
        ConnectionPool connectionPool = new ConnectionPool(5, 1, TimeUnit.SECONDS);
        Dispatcher dispatcher = new Dispatcher();
        ArkService service = ArkService.builder()
                .baseUrl("https://ark.cn-beijing.volces.com/api/v3")
                // The base URL for model invocation
                .dispatcher(dispatcher)
                .connectionPool(connectionPool)
                .apiKey(apiKey)
                .build();

        // CreateImageGenerationRequestImage requires ark-runtime 0.6.0 or later.
        CreateImageGenerationRequest generateRequest = CreateImageGenerationRequest.builder()
                .model("doubao-seedream-5-0-pro-260628") // Replace with Model ID
                .prompt("将图片进行精确图层分离，需分离的文字坐标为<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；鹦鹉的坐标为<bbox>347 305 642 997</bbox>。")
                .image(CreateImageGenerationRequestImage.ofString("https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_layer_input.png"))
                .layerDecomposition(true)
                .size("2K")
                .outputFormat(OutputFormat.JPEG)
                .responseFormat(ResponseFormat.URL)
                .watermark(true)
                .build();

        ImageGenerationResponse imagesResponse = service.generateImages(generateRequest);
        imagesResponse.getData().forEach(item -> System.out.println(item));

        service.shutdownExecutor();
    }
}
Go
package main

import (
    "context"
    "fmt"
    "os"

    "github.com/volcengine/ark-runtime-go/arkruntime"
    model "github.com/volcengine/ark-runtime-go/arkruntime/model/images"
)

func main() {
    client := arkruntime.NewClientWithApiKey(
        os.Getenv("ARK_API_KEY"),
        // The base URL for model invocation
        arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
    )
    ctx := context.Background()
    outputFormat := model.OutputFormatJpeg

    generateReq := &model.CreateImageGenerationRequest{
        Model:              "doubao-seedream-5-0-pro-260628",
        Prompt:             model.NewOptString("将图片进行精确图层分离，需分离的文字坐标为<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；鹦鹉的坐标为<bbox>347 305 642 997</bbox>。"),
        Image: model.NewOptCreateImageGenerationRequestImage(model.NewStringArrayCreateImageGenerationRequestImage([]string{"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_layer_input.png"})),
        LayerDecomposition: model.NewOptBool(true),
        Size:               model.NewOptString("2K"),
        OutputFormat: model.NewOptOutputFormat(outputFormat),
        ResponseFormat: model.NewOptResponseFormat(model.ResponseFormatURL),
        Watermark:          model.NewOptBool(true),
    }

    imagesResponse, err := client.GenerateImages(ctx, generateReq)
    if err != nil {
        fmt.Printf("generate images error: %v\n", err)
        return
    }

    for _, item := range imagesResponse.Data {
        fmt.Printf("%+v\n", item)
    }
}
Python
import os
from openai import OpenAI

client = OpenAI(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    model="doubao-seedream-5-0-pro-260628",
    prompt="将图片进行精确图层分离，需分离的文字坐标为<bbox>180 64 812 198</bbox>、<bbox>757 210 939 280</bbox>、<bbox>63 212 320 282</bbox>、<bbox>178 714 826 810</bbox>、<bbox>814 819 949 894</bbox>、<bbox>326 824 669 930</bbox>；鹦鹉的坐标为<bbox>347 305 642 997</bbox>。",
    size="2K",
    output_format="jpeg",
    response_format="url",
    extra_body={
        "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream_50_pro_layer_input.png",
        "layer_decomposition": True,
        "watermark": True,
    },
)

for item in imagesResponse.data:
    print(item)

响应结果说明#

图层拆分模式下，响应参数 data 数组会同时返回底图和所有图层。您可通过url下载所有输出图，并根据图层叠放顺序（z_index）区分底图和图层。利用图层的边界框坐标信息（bounding_box） 和图层叠放顺序（z_index）可还原、编辑或重组图层。

字段 返回对象 含义
url 底图、图层 底图或图层的下载链接。图片 URL 仅保留 24 小时。
z_index 底图、图层 图层叠放顺序。底图 z_index=0 固定为0，各图层按 z_index 递增排序。
bounding_box.absolute 图层 图层在输出底图坐标系中的绝对像素位置，适用于将图层还原到输出底图的原始位置。
bounding_box.normalized 图层 图层在输出底图坐标系中的归一化位置，适用于将图层还原到任意尺寸的自定义画布。
name、description 图层 图层名称和内容描述。

返回结构示例：

JSON
{
    "model": "doubao-seedream-5-0-pro-260628",
    "created": 1784696685,
    "data": [
        {
            "url": "https://...",
            "size": "2048x2048",
            "output_format": "jpeg",
            "z_index": 0
        },
        {
            "url": "https://...",
            "size": "1273x265",
            "output_format": "png",
            "z_index": 1,
            "bounding_box": {
                "absolute": [383, 120, 1655, 384],
                "normalized": [187, 59, 808, 188]
            },
            "name": "Seedream标题文字",
            "description": "黄色大号衬线字体的Seedream标题文字"
        },
        {
            "url": "https://...",
            "size": "492x98",
            "output_format": "png",
            "z_index": 2,
            "bounding_box": {
                "absolute": [140, 451, 631, 548],
                "normalized": [68, 220, 308, 268]
            },
            "name": "左上角标语文字",
            "description": "白色两行文字内容为EXPLORE THE WILD, INSPIRE THE SOUL."
        }
    ],
    "usage": {
        "input_images": 1,
        "generated_images": 8,
        "output_tokens": 23107,
        "total_tokens": 23107
    }
}

使用拆分后的图层#

获取底图和图层后，可以直接按原位置还原图层，也可以调整图层位置、大小和叠放顺序；如果需要修改某个元素的颜色、风格或细节，也可以单独编辑该图层。

还原与重组图层#

还原或重组图层时，可按以下顺序处理响应结果：

  1. 将 data 数组中 z_index 为 0 的对象作为画布背景。
  2. 提取 z_index 大于 0 的图层对象，并按 z_index 从小到大排序。
  3. 下载图层 PNG，并根据 bounding_box 将图层放置到输出底图或目标画布。
  4. 根据业务需求调整图层坐标、尺寸或叠放顺序，生成新的组合结果。

还原图层到输出底图

如需将图层还原到输出底图中的原始位置，建议使用 bounding_box.absolute。该字段为图层在输出底图坐标系中的绝对像素坐标，格式为 [left, top, right, bottom]：

  • left、top：图层左上角相对于输出底图左上角的位置；
  • right、bottom：图层右下角相对于输出底图左上角的位置。

可按以下方式计算图层在底图中的位置和尺寸，其中 x、y 表示图层左上角在底图中的放置位置，w、h 表示图层在底图中的展示宽高：

text
x = left
y = top
w = right - left
h = bottom - top

将图层缩放至 w × h，再放置到底图的 (x, y) 位置。多个图层需要组合时，按 z_index 从小到大依次叠放。

还原到任意画布

如需将图层还原到不同尺寸的前端画布、设计工具画布中，建议使用 bounding_box.normalized。该字段为图层在输出底图坐标系中的归一化坐标，表示图层边界在输出底图宽高方向上的相对位置，格式为 [left, top, right, bottom]：

  • left、right：图层左右边界在底图宽度方向上的相对位置；
  • top、bottom：图层上下边界在底图高度方向上的相对位置。

设目标画布宽高为 W × H，可按以下方式计算图层在目标画布中的位置和尺寸，其中 x、y 表示图层左上角在目标画布中的放置位置，w、h 表示图层在目标画布中的展示宽高：

text
x = left / 1000 × W
y = top / 1000 × H
w = (right - left) / 1000 × W
h = (bottom - top) / 1000 × H

将图层缩放至 w × h，再放置到目标画布的 (x, y) 位置。由于归一化坐标为整数，换算到目标画布时可能存在取整误差。

bounding_box 字段的完整定义和坐标示例参见 图片生成 API。

编辑单个透明图层#

图层拆分返回的图层为带透明通道的 PNG 图片。您可以将输出图层作为输入图再次调用 Seedream 模型，对其进行单独编辑，例如换色、风格变换、添加细节等。

提示词 输入图层 输出
将图片中的鹦鹉改为孔雀
Bash
curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "prompt": "将图片中的鹦鹉改为孔雀",
    "image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/Seedream50_layer_4.png",
    "size": "2K",
    "background": "transparent",
    "watermark": true
}'
  • 您可按需替换 Model ID。Model ID 查询见 模型列表。
Python
import os

# Install SDK: python -m pip install --upgrade arkruntime
from arkruntime import Ark

client = Ark(
    # The base URL for model invocation
    base_url="https://ark.cn-beijing.volces.com/api/v3",
    # Get API Key: https://ark.volcengine.com/region:cn-beijing/apikey
    api_key=os.getenv("ARK_API_KEY"),
)

imagesResponse = client.images.generate(
    # Replace with Model ID
    model="doubao-seedream-5-0-pro-260628",
    prompt="将图片中的鹦鹉改为孔雀",
    image="https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/Seedream50_layer_4.png",
    size="2K",
    background="transparent",
    response_format="url",
    watermark=True,
)

print(imagesResponse.data[0].url)
Go
package main

import (
    "context"
    "fmt"
    "os"

    "github.com/volcengine/ark-runtime-go/arkruntime"
    model "github.com/volcengine/ark-runtime-go/arkruntime/model/images"
)

func main() {
    client := arkruntime.NewClientWithApiKey(
        os.Getenv("ARK_API_KEY"),
        // The base URL for model invocation
        arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
    )
    ctx := context.Background()

    generateReq := &model.CreateImageGenerationRequest{
        Model:          "doubao-seedream-5-0-pro-260628",
        Prompt:         model.NewOptString("将图片中的鹦鹉改为孔雀"),
        Image: model.NewOptCreateImageGenerationRequestImage(model.NewStringArrayCreateImageGenerationRequestImage([]string{"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/Seedream50_layer_4.png"})),
        Size:           model.NewOptString("2K"),

        ResponseFormat: model.NewOptResponseFormat(model.ResponseFormatURL),
        Background:     model.NewOptBackground(model.BackgroundTransparent),
        Watermark:      model.NewOptBool(true),
    }

    imagesResponse, err := client.GenerateImages(ctx, generateReq)
    if err != nil {
        fmt.Printf("generate images error: %v\n", err)
        return
    }

    fmt.Printf("%s\n", imagesResponse.Data[0].URL.Or(""))
}
Java
package com.ark.sample;

import com.volcengine.ark.runtime.models.images.*;
import com.volcengine.ark.runtime.service.ArkService;
import okhttp3.ConnectionPool;
import okhttp3.Dispatcher;

import java.util.concurrent.TimeUnit;

public class ImageGenerationsExample {
    public static void main(String[] args) {
        String apiKey = System.getenv("ARK_API_KEY");
        ConnectionPool connectionPool = new ConnectionPool(5, 1, TimeUnit.SECONDS);
        Dispatcher dispatcher = new Dispatcher();
        ArkService service = ArkService.builder()
                .baseUrl("https://ark.cn-beijing.volces.com/api/v3") // The base URL for model invocation
                .dispatcher(dispatcher)
                .connectionPool(connectionPool)
                .apiKey(apiKey)
                .build();

        // CreateImageGenerationRequestImage requires ark-runtime 0.6.0 or later.
        CreateImageGenerationRequest generateRequest = CreateImageGenerationRequest.builder()
                .model("doubao-seedream-5-0-pro-260628") // Replace with Model ID
                .prompt("将图片中的鹦鹉改为孔雀")
                .image(CreateImageGenerationRequestImage.ofString(
                        "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/Seedream50_layer_4.png"))
                .size("2K")
                .background(Background.TRANSPARENT)
                .responseFormat(ResponseFormat.URL)
                .watermark(true)
                .build();

        ImageGenerationResponse imagesResponse = service.generateImages(generateRequest);
        System.out.println(imagesResponse.getData().get(0).getUrl());

        service.shutdownExecutor();
    }
}

提升图片生成速度配置#

如果您希望提升图片生成速度，可以通过 optimize_prompt_options.mode 参数选择更快的提示词优化模式。对于时延敏感的业务，建议您使用 Seedream 5.0 pro 的 fast 模式或直接使用 Seedream 5.0 flash 以获得更快的生成速度。

  • standard（默认值）：标准模式，生成图片的质量较 fast 模式更优，但耗时更长。
  • fast：极速模式，生成图片的耗时较 standard 模式更短。仅 Seedream 5.0 pro 支持。
JSON
{
    "optimize_prompt_options": {
        "mode": "fast"
    }
}

自定义图片输出规格#

您可以配置以下参数来控制图片输出规格：

  • size：指定输出图像的尺寸大小。
  • response_format：指定生成图像的返回格式。
  • output_format：指定生成图像的文件格式。
  • background：控制是否生成带透明通道的图片。
  • watermark ：指定是否为输出图片添加水印。

图像输出尺寸#

size 参数在图片生成场景和图层拆分场景下的可选值与默认值不同，请根据实际场景选择：

图片生成场景#

支持以下两种方式，不可混用。

方式 1：指定分辨率档位（推荐）

在 prompt 中用自然语言描述图片宽高比、图片形状或图片用途，最终由模型判断生成图片的大小。

  • 默认值：2K
  • 可选值：1K、1.5K、2K

使用方式 1 并在 prompt 中描述特定宽高比时，模型实际映射的宽高像素参考值（不限于以下标准值，仅列常见）：

分辨率 宽高比 宽高像素值
1K 1:1 1024x1024
4:3 1152x864
3:4 864x1152
16:9 1424x800
9:16 800x1424
3:2 1248x832
2:3 832x1248
21:9 1568x672
1.5K 1:1 1536x1536
4:3 1792x1344
3:4 1344x1792
16:9 2048x1152
9:16 1152x2048
3:2 1872x1248
2:3 1248x1872
21:9 2352x1008
2K 1:1 2048x2048
4:3 2368x1776
3:4 1776x2368
16:9 2816x1584
9:16 1584x2816
3:2 2496x1664
2:3 1664x2496
21:9 3136x1344

方式 2：指定宽高像素值（宽x高）

  • 总像素取值范围：[1280x720（921600）, 2048x2048x1.1025（4624220）]
  • 宽高比取值范围：[1/16, 16]

方式1 方式2
JSON
{
"prompt": "生成一组共4张连贯插画，宽高比为3:2，核心为同一庭院一角的四季变迁，以统一风格展现四季独特色彩、元素与氛围",
"size": "2K"
}
JSON
{
"prompt": "生成一组共4张连贯插画，核心为同一庭院一角的四季变迁，以统一风格展现四季独特色彩、元素与氛围",
"size": "2048x2048"
}

图层拆分场景#

仅支持通过指定分辨率档位的方式进行设置。输出图的分辨率规则如下：

  • 底图：输出底图的分辨率和 size 指定的分辨率一致；输出底图和原待拆分图的宽高比一致。
  • 各图层：输出图层的分辨率和 size 指定的分辨率接近；每个输出图层和其在原图中的宽高比一致。

size 的默认值与可选值：

  • 默认值：auto
  • 可选值：1K、1.5K、2K、auto（根据输入图的尺寸和宽高比进行输出）

模型实际映射的宽高像素参考值同 图片生成场景的分辨率映射表

图像输出方式#

设置 response_format 参数，可以指定生成图像的返回方式：

  • url：返回图片下载链接。
  • b64_json：以 Base64 编码字符串的 JSON 格式返回图像数据。
JSON
{
    "response_format": "url"
}

图像文件格式#

设置 output_format 参数，指定生成图像文件的格式：

  • png
  • jpeg
JSON
{
    "output_format": "png"
}

透明通道设置#

设置 background 参数，控制是否生成带透明通道的图片：

  • transparent：透明背景模式，输出带有透明背景的图。
  • opaque（默认）：不透明背景模式，生成常规的实体背景图。
JSON
{
    "background": "transparent"
}

图像中添加水印#

设置 watermark 参数，来控制是否在生成的图片中添加水印。

  • false：不添加水印。
  • true：在图片右下角添加"AI生成"字样的水印标识。
JSON
{
    "watermark": true
}

使用限制#

SDK 版本升级
为保证模型功能的正常使用，请务必升级至最新 SDK 版本。相关步骤可参考 安装及升级 SDK。

图片传入限制

图片传入方式（两种场景通用）：

  • 图片 URL：请确保图片 URL 可被访问。

    示例：https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream4_5_imageToimage.png

  • Base64 编码：请遵循格式data:image/<图片格式>;base64,<Base64编码>。注意：<图片格式> 必须采用小写字母，例如 data:image/png;base64,<base64_image>。

    如需获得图片的 Base64 编码，可使用第三方工具，例如 https://base64.guru/converter/encode/image。

不同场景对输入图的约束不同，详见下表：

约束项 图片生成场景 图层拆分场景
图片格式 jpeg、png、webp、bmp、tiff、gif、heic、heif png、jpeg
总像素（宽×高） [196, 6000×6000（3600万）] [512×512（262144）, 6000×6000（3600万）]
宽高长度（px） 大于14 —
宽高比（宽/高） [1/16, 16] [1/16, 16]
大小 不超过 30 MB 不超过 30 MB
传入张数 最多传入 10 张参考图 仅支持传入单张图

保存时间
图片URL仅保留24小时，超时后会被自动清除。请您务必及时保存生成的图片。

限流说明

  • IPM 限流：账号下同模型（区分模型版本）每分钟生成图片数量上限。若超过该限制，生成图片时会报错。
    • 图层拆分场景下，每次请求预扣减 17 IPM（即按最大输出张数 17 张预留配额）；图片全部生成后，按实际生成数量返还多扣减的额度。
  • 不同模型的限制值不同，详见 图片生成能力。