# Doubao Seedream 5.5 教程
> 全部文档的索引见 [llms.txt](https://ark.volcengine.com/llms.txt)；在任一文档页面地址后追加 `.md` 可获取该页的 Markdown 版本。
Doubao Seedream 5.5（以下简称 Seedream 5.5）支持文生图、单图生图和多参考图生图，并进一步增强多轮编辑一致性、原生 RGBA 图片生成和图层拆分能力。图层拆分时，模型最多可输出 1 张底图和 99 个图层，并可为规整文字图层返回文字内容、位置和近似视觉样式等富文本 OCR 信息。
本文重点介绍 Seedream 5.5 的特色能力。图片生成 API 的完整字段定义、取值范围和返回结构，请参见 [Image generation API](/docs/image-generation-api)。
## 特色能力
Seedream 5.5 的特色能力如下。
| 特色能力 | 能力介绍 | 效果预览 |
| --- | --- | --- |
| [多轮编辑一致性](/docs/seedream-5-5#consistent-editing) | * 支持基于同一主体进行连续编辑，在多轮修改中保持主体特征、画面结构和视觉风格的一致性。 | [视频](https://arkdocs.tos-cn-beijing.volces.com/videos/image-generation/seedream-5-5-multi-round-editing-demo.mp4) | \
| | | |
| [原生 RGBA 图片](/docs/seedream-5-5#native-rgba) | * 支持文生图和图生图直接生成带透明通道的原生 RGBA 图片，适用于贴纸、图标、商品素材等需要透明通道的场景。 | [视频](https://arkdocs.tos-cn-beijing.volces.com/videos/image-generation/seedream-5-5-rgba-demo-cn.mp4) | \
| | | |
| [更精细的图层拆分](/docs/seedream-5-5#fine-layer-decomposition) 及 [富文本 OCR](/docs/seedream-5-5#rich-text-ocr) | * 支持将单张图片拆分为 1 张底图和最多 99 个可独立编辑的图层，并支持设置最大输出图片数。 | [视频](https://arkdocs.tos-cn-beijing.volces.com/videos/image-generation/seedream-5-5-ocr-demo-cn.mp4) | \
| | * 模型为规整文字图层返回文字内容、位置和近似样式等富文本 OCR 信息，供设计工具或应用完成文字图层的二次编辑与合成。 | |
## 能力概述
Seedream 5.5 在 Seedream 5.0 pro / flash 的图片生成和图层拆分能力基础上，重点增强多轮编辑一致性，并扩展 RGBA 图片生成的场景和输入范围，支持更精细的图层拆分和富文本 OCR。三款模型的主要能力区别如下：
| 模型名称 || [Seedream 5.5](https://ark.volcengine.com/region:cn-beijing/model/detail?Id=doubao-seedream-5-5) | [Seedream 5.0 pro](https://ark.volcengine.com/region:cn-beijing/model/detail?Id=doubao-seedream-5-0-pro) | [Seedream 5.0 flash](https://ark.volcengine.com/region:cn-beijing/model/detail?Id=doubao-seedream-5-0-flash) |
| --- | --- | --- | --- | --- |
| Model ID || doubao-seedream-5-5-261028 | doubao-seedream-5-0-pro-260628 | doubao-seedream-5-0-flash-260915 |
| [文生图](/docs/image-generation-tutorial#9695d195) || ✓ | ✓ | ✓ |
| [单图生图](/docs/image-generation-tutorial#8bc49063) || ✓ | ✓ | ✓ |
| [多参考图生图](/docs/image-generation-tutorial#4a35e28f) || ✓，最多输入 10 张参考图 | ✓，最多输入 10 张参考图 | ✓，最多输入 10 张参考图 |
| 图层拆分|| ✓，1 张底图 + 最多 99 个图层 | ✓，1 张底图 + 最多 16 个图层 | ✓，1 张底图 + 最多 16 个图层 |
| [原生 RGBA 图片](/docs/seedream-5-5#native-rgba) | 文生图 | ✓ | — | — |
| ^^ | | | | | \
| | 图生图 | ✓，最多输入 10 张参考图，输入图无需带透明通道 | ✓，仅支持输入 1 张带透明通道的 PNG 参考图 | ✓，仅支持输入 1 张带透明通道的 PNG 参考图 |
| 设置最大输出图片数图层拆分
|| ✓，支持指定 2–100 张，包含底图和图层 | — | — |
| [富文本 OCR](/docs/seedream-5-5#rich-text-ocr) || ✓ | — | — |
| 模型参数 | 分辨率图片生成
| * 方式 1：指定分辨率档位：`1K`、`1.5K`、`2K` | * 方式 1：指定分辨率档位：`1K`、`1.5K`、`2K` | * 方式 1：指定分辨率档位：`1K`、`1.5K`、`2K` | \
| | | * 方式 2：指定宽高像素值：[`1280x720`, `2048x2048x1.1025`] | * 方式 2：指定宽高像素值：[`1280x720`, `2048x2048x1.1025`] | * 方式 2：指定宽高像素值：[`1280x720`, `2048x2048x1.1025`] |
| ^^ | | | | | \
| | 分辨率图层拆分
| 1K、1.5K、2K、auto（默认值） | 1K、1.5K、2K、auto（默认值） | 1K、1.5K、2K、auto（默认值） |
| ^^ | | | | | \
| | 图片文件格式 | png（默认值）、jpeg | png、jpeg（默认值） | png、jpeg（默认值） |
| ^^ | | | | | \
| | 背景类型图片生成
| auto（默认值）、transparent、opaque | transparent、opaque（默认值） | transparent、opaque（默认值） |
| ^^ | | | | | \
| | 提示词优化模式 | 标准模式（默认值） | 标准模式（默认值）, 极速模式 | 标准模式（默认值） |
## 基础使用
Seedream 5.5 的文生图、单张图生图、多参考图生图和交互编辑调用方式与 Seedream 5.0 pro / flash 一致。调用时，将请求中的 `model` 设置为 Seedream 5.5 的 Model ID：`doubao-seedream-5-5-261028`。
通用调用步骤和代码示例请参见：
- [文生图](/docs/image-generation-tutorial#9695d195)
- [图文生图](/docs/image-generation-tutorial#8bc49063)
- [多图融合](/docs/image-generation-tutorial#4a35e28f)
- [交互编辑](/docs/seedream-5-0-pro#interactive_edit)
## 多轮编辑一致性
Seedream 5.5 支持对同一图片进行连续编辑，并增强多轮编辑中主体特征、构图和未编辑区域的一致性。每轮编辑时，将上一轮生成结果作为输入，并通过提示词明确本轮需要修改和保持不变的内容。
> **说明**
>
> 建议优先基于不带透明通道的图片（RGB 图）进行多轮编辑，并在编辑的过程中设置 `background` 为 `opaque` 以获得更好的编辑一致性。
以下示例连续编辑同一张人物图片，每轮以上一轮输出为输入，并保留此前的编辑结果。
> 代码示例仅展示第一轮请求。后续轮次可将上一轮响应中的图片 URL 作为 `image`，并替换 `prompt`。
| 原始输入 | 第一轮添加泡泡糖
| 第二轮添加太阳镜
| 第三轮更改太阳镜款式
| 多轮编辑效果 |
| --- | --- | --- | --- | --- |
|  |  |  |  |  |
**选项：cURL**
```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-5-5-261028",
"prompt": "让人物用嘴吹出一个圆润、半透明的粉色泡泡糖泡泡。保持人物身份、面部特征、视线、发型、珍珠耳饰、服装、姿态、蓝色背景、构图和画面风格不变。",
"image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/seedream-5-5-multi-round-editing-input.png",
"size": "2K",
"output_format": "png",
"background": "opaque",
"response_format": "url",
"watermark": true
}'
```
## 原生 RGBA 图片
Seedream 5.5 支持通过文生图和图生图直接生成带透明通道的 RGBA 图片。与 Seedream 5.0 pro / flash 相比，Seedream 5.5 扩展了透明背景图片的生成场景和输入范围：
| 对比项 | Seedream 5.5 | Seedream 5.0 pro / flash |
| --- | --- | --- |
| 文生 RGBA 图片 | 支持 | 不支持 |
| 图生 RGBA 图片 | 支持最多输入 10 张参考图
| 支持仅支持输入 1 张参考图
|
| 输入图要求 | 无需带透明通道 | 必须为带透明通道的 PNG 图片 |
调用时，将 `background` 设置为 `transparent`，并将 `output_format` 设置为 `png`。
### 文生 RGBA 图片
不传入 `image`，并在提示词中描述需要生成的主体和透明背景要求。
| 提示词 | 输出图 |
| --- | --- |
| 透明亚克力立牌，圣诞主题，矩形轮廓，四周有一圈白色细描边衬托透明基材。整体是手账拼贴风：中心是一张红绿双色黑胶唱片 + 金色边圈，唱片周围环绕立体感的橡果叶片 & 松枝圣诞花环，花环四周点缀着手绘感的红色浆果、金色四角星、驯鹿、雪花小贴纸；下方叠印一条极简白色音乐播放 UI——播放/暂停控制按钮、进度条（01:24 / 04:32）、音量图标。色调以复古红、森林绿、香槟金 + 米白为主。立牌上偶有亚克力厚度带来的高光折射，营造真实产品质感。设为透明背景。 |  |
**选项：cURL**
```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-5-5-261028",
"prompt": "透明亚克力立牌，圣诞主题，矩形轮廓，四周有一圈白色细描边衬托透明基材。整体是手账拼贴风：中心是一张红绿双色黑胶唱片 + 金色边圈，唱片周围环绕立体感的橡果叶片 & 松枝圣诞花环，花环四周点缀着手绘感的红色浆果、金色四角星、驯鹿、雪花小贴纸；下方叠印一条极简白色音乐播放 UI——播放/暂停控制按钮、进度条（01:24 / 04:32）、音量图标。色调以复古红、森林绿、香槟金 + 米白为主。立牌上偶有亚克力厚度带来的高光折射，营造真实产品质感。设为透明背景。",
"size": "2K",
"output_format": "png",
"background": "transparent",
"response_format": "url",
"watermark": true
}'
```
### 图生 RGBA 图片
通过 `image` 传入 1 张参考图，或最多 10 张参考图。以下示例通过数组传入两张参考图，分别提取其中的贴纸元素，并将所有贴纸放在同一张透明背景图片中。
| 提示词 | 输入图 1 | 输入图 2 | 输出图 |
| --- | --- | --- | --- |
| 分别提取图1和图2中的贴纸元素，将提取出的所有贴纸放在同一张透明背景图片中。保留每个贴纸原有的文字、颜色、形状和细节，去除贴纸以外的背景；各贴纸独立摆放、互不重叠，边缘清晰完整。 |  |  |  |
**选项：cURL**
```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-5-5-261028",
"prompt": "分别提取图1和图2中的贴纸元素，将提取出的所有贴纸放在同一张透明背景图片中。保留每个贴纸原有的文字、颜色、形状和细节，去除贴纸以外的背景；各贴纸独立摆放、互不重叠，边缘清晰完整。",
"image": [
"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/ocr-test3.png",
"https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/ocr-test4.png"
],
"size": "2K",
"output_format": "png",
"background": "transparent",
"response_format": "url",
"watermark": true
}'
```
## 更精细的图层拆分
Seedream 5.5 的**图层拆分调用方式、提示词写法、图层还原方法**与 Seedream 5.0 pro / flash 一致，详情请参见 [图层拆分](/docs/seedream-5-0-pro#layer_decomposition)。本节仅介绍 Seedream 5.5 的升级能力。
| 升级能力 | 说明 |
| --- | --- |
| **拆分更多图层** | 单次请求最多输出 100 张图片，包括 1 张底图和最多 99 个图层。 |
| **设置最大输出图片数** | 通过 `layer_decomposition_options.max_images` 设置最大输出图片数，包含底图和图层。| \
| | * 取值范围：[2, 100] | \
| | * 默认值：30，即默认最多输出 30 张图片（1 张底图和 29 个图层） | \
| | | \
| | 当提示词未说明如何拆分或描述不清晰时，模型会结合 `max_images` 和输入图片的复杂度合理规划拆分结果；传入的 `max_images` 值越大，拆分结果通常越细。| \
| | |
### 效果示例
以下示例要求将动物场景插画中的每只动物拆分为独立图层，动物以外的场景元素保留在底图中。请求设置 `max_images: 40`，本次实际返回 33 张图片，包括 1 张底图和 32 个动物图层。
> 为便于展示，图层总览将模型输出的 32 个独立图层拼排为一张图片，并非模型直接输出的单张图片。
| 输入图 | 输出底图 | 输出图层总览 |
| --- | --- | --- |
|  |  |  |
**查看完整输出结果**
> **说明**
>
> 下载 [完整示例包（ZIP，约 67 MB）](https://arkdocs.tos-cn-beijing.volces.com/files/image-generation/seedream-5-5-animal-layers-20261104-v2.zip)，获取底图、32 个透明动物图层及交互演示页面。
>
> 解压后，在浏览器中打开 `preview.html`，点击动物图层卡片，可逐一隐藏或显示图层，查看图层还原效果。
**代表图层示例**
以下展示本次返回的部分原始透明 PNG 图层，编号对应响应中的 `z_index`。
| 图层 1：白头海雕 | 图层 7：大熊猫 | 图层 11：斑马 |
| --- | --- | --- |
|  |  |  |
| 图层 17：狮子 | 图层 24：狐狸 | 图层 32：青蛙 |
| --- | --- | --- |
|  |  |  |
### 调用示例
以下代码以上述动物场景插画为输入，展示将每只动物拆分为独立图层的调用方式。
**选项：cURL**
```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-5-5-261028",
"prompt": "每只动物作为一个完整的独立图层，同种动物分别拆分；保留造型、颜色、姿态、白色描边及原位置；非动物元素统一保留在底图，并自然补全移除动物后的区域。",
"image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/animal-test.jpeg",
"layer_decomposition": true,
"layer_decomposition_options": {
"max_images": 40,
"text_recognition": true
},
"size": "2K",
"output_format": "png",
"response_format": "url",
"watermark": true
}'
```
## 提取文字图层的内容和样式（富文本 OCR）
Seedream 5.5 支持在图层拆分时，为规整文字图层返回富文本 OCR 结果，包括文字内容、逐行位置和近似视觉样式。这些信息可与拆分后的图层结合，供设计工具或应用实现文字修改、本地化和模板复用。文字编辑与图层合成由工具或应用完成。
### 效果示例
以下示例将一张海报拆分为独立图层，并获取文字图层的 OCR 结果。请求设置 `max_images: 15`，实际返回 13 张图片，包括 1 张底图和 12 个图层。其中，9 个文字图层返回了 OCR 结果。
> **说明：体验文字图层编辑**
>
> 下载 [完整示例包（ZIP，约 6.7 MB）](https://arkdocs.tos-cn-beijing.volces.com/files/image-generation/seedream-5-5-ocr-interactive-example-20261104-v3.zip)，体验文字编辑和图层还原。包内包含输入海报、底图、全部图层、OCR 数据及交互页面。
>
> - **打开示例**：解压后，用浏览器打开 `seedream-55-ocr-preview.html`，保持解压后的目录结构不变。
> - **查看与编辑**：选择文字图层，查看逐行文字、坐标和样式，修改文字、颜色和粗体，实时预览效果。
> - **显示与隐藏**：勾选或取消勾选图层，查看其在海报中的叠加效果。
>
> 编辑由浏览器完成，字体与字号为近似还原。刷新或关闭页面后，编辑结果不保留。
| 输入图 | 文字图层 | OCR 识别结果 |
| --- | --- | --- |
|  |  | **文字**：- 第一行：
Presented By : - 第二行：
Anna Katrina Marchesi
**位置（绝对像素坐标）**：- 第一行：
[1196, 629, 1358, 658] - 第二行：
[1195, 651, 1427, 681]
**相似字体**：两行均为 Helvetica Neue
**颜色**：**粗体**： |
**查看全部拆分结果**
**输出底图**
**返回 OCR 结果的图层**
以下编号对应本次响应中的 `z_index`。
| 图层 2：日期 | 图层 3：标题文字“THANK YOU” | 图层 5：标题文字“SO MUCH!” |
| --- | --- | --- |
|  |  |  |
| 图层 6：演示者 | 图层 8：获赠者 | 图层 9：邮箱 |
| --- | --- | --- |
|  |  |  |
| 图层 10：社交媒体 | 图层 11：电话号码 | 图层 12：网站 |
| --- | --- | --- |
|  |  |  |
**未返回 OCR 结果的图层**
| 图层 1：品牌标识 | 图层 4：建筑主体 | 图层 7：箭头 |
| --- | --- | --- |
|  |  |  |
### 开启 OCR 识别
使用 Seedream 5.5 进行图层拆分时，需配置以下参数：
- **图层拆分**：将 `layer_decomposition` 设置为 `true`，开启图层拆分模式。
- **文字识别**：将 `layer_decomposition_options.text_recognition` 设置为 `true`，获取规整文字图层的 OCR 结果。
**选项：cURL**
```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-5-5-261028",
"prompt": "将图片中的元素拆分成独立图层",
"image": "https://arkdocs.tos-cn-beijing.volces.com/images/image-generation/ocr-test2.png",
"layer_decomposition": true,
"layer_decomposition_options": {
"max_images": 15,
"text_recognition": true
},
"size": "auto",
"output_format": "png",
"response_format": "url",
"watermark": true
}'
```
### OCR 识别结果说明
模型通过 `data[].text_recognition` 返回当前文字图层的 OCR 结果，包括完整纯文本，以及按文字行和样式片段组织的位置、文字和样式信息。下表说明各字段的层级及含义。
> 完整字段定义、坐标规则和返回结构请参见 [图片生成 API](/docs/image-generation-api)。
| 响应层级 | 字段名 | 含义 |
| --- | --- | --- |
|  | `text_recognition` | 当前文字图层的富文本 OCR 结果。 |
| ^^ | `text_recognition.text` | 当前图层的完整纯文本，按从上到下、从左到右的顺序排列，行间以 `\n` 分隔。 |
| ^^ | `text_recognition.lines[]` | 按顺序排列的文字行列表，每个元素对应一行文字，包含位置和样式片段。 |
| ^^ | `lines[].bounding_box` | 文字行在输出底图坐标系中的边界框信息，包含绝对坐标 `absolute` 和归一化坐标 `normalized`。用于将文字还原至底图或目标画布中的边界框区域。坐标换算方法参见 [还原与重组图层](/docs/seedream-5-0-pro#layer_reconstruction)。 |
| ^^ | `bounding_box.absolute` | 文字行边界框在输出底图坐标系中的绝对像素坐标，格式为 `[left, top, right, bottom]`。输出底图左上角为 `(0, 0)`，可用于还原文字行在底图中的位置。 |
| ^^ | `bounding_box.normalized` | 文字行边界框按输出底图宽高换算至 `[0, 1000]` 区间的归一化整数坐标，格式为 `[left, top, right, bottom]`，可用于换算文字行在目标画布中的位置。 |
| ^^ | `lines[].runs[]` | 当前文字行的样式片段列表，每个片段内的样式一致。整行样式一致时仅包含一个片段；字体、颜色、粗体等样式变化时，包含多个片段。 |
| ^^ | `runs[].text` | 当前片段的文字内容，不包含换行符，可用于定位和替换文案。 |
| ^^ | `runs[].style` | 当前文字片段的近似视觉样式，包含以下 8 个字段。样式由模型自动识别，可能与原始设计文件中的精确属性存在偏差。 |
| ^^ | `style.similar_font_family` | 模型根据文字外观匹配出的最相似字体名称，不保证与原字体完全一致。无法识别或置信度不足时返回 `unknown`。 |
| ^^ | `style.foreground_color` | 当前文字片段的颜色，使用大写十六进制 `#RRGGBB` 格式，不包含 Alpha（透明度）通道。 |
| ^^ | `style.bold` | 是否识别到当前文字片段使用粗体样式。 |
| ^^ | `style.italic` | 是否识别到当前文字片段使用斜体样式。仅字形本身向右倾斜时返回 `true`；图层整体旋转或透视倾斜不视为斜体。 |
| ^^ | `style.underline` | 是否识别到当前文字片段带有文字下划线。独立的分割线、表格线或装饰横线不视为下划线。 |
| ^^ | `style.strikethrough` | 是否识别到当前文字片段带有删除线。 |
| ^^ | `style.shadow` | 是否识别到当前文字片段带有明显的外投影、阴影或发光偏移。文字边缘的常规抗锯齿过渡不视为阴影。 |
| ^^ | `style.translucent` | 是否识别到文字墨迹本身明显半透明，并能透出下方背景纹理或底色。实心的浅灰色、浅蓝色等浅色文字不视为半透明。 |
**文字图层响应示例**
以下示例对应上方“效果示例”中包含 `Presented By :` 和 `Anna Katrina Marchesi` 的文字图层（`z_index: 6`）。示例展示该图层 `data[]` 项的部分字段，其中 `text_recognition` 为完整的 OCR 结果，可与表中的字段层级对应查看。
```json
{
"size": "1166x899",
"z_index": 6,
"bounding_box": {
"absolute": [1142, 528, 1474, 784],
"normalized": [643, 529, 830, 786]
},
"text_recognition": {
"text": "Presented By : \nAnna Katrina Marchesi",
"lines": [
{
"bounding_box": {
"absolute": [1196, 629, 1358, 658],
"normalized": [673, 630, 765, 659]
},
"runs": [
{
"text": "Presented By : ",
"style": {
"similar_font_family": "Helvetica Neue",
"foreground_color": "#193366",
"bold": true,
"italic": false,
"underline": false,
"strikethrough": false,
"shadow": false,
"translucent": false
}
}
]
},
{
"bounding_box": {
"absolute": [1195, 651, 1427, 681],
"normalized": [673, 652, 803, 682]
},
"runs": [
{
"text": "Anna Katrina Marchesi",
"style": {
"similar_font_family": "Helvetica Neue",
"foreground_color": "#46597E",
"bold": false,
"italic": false,
"underline": false,
"strikethrough": false,
"shadow": false,
"translucent": false
}
}
]
}
]
},
"background": "transparent"
}
```
### 使用限制
- **识别范围**：仅规整文字图层返回 OCR 结果,支持字体范围详见 [Seedream 5.5 OCR 支持字体](/docs/ocr-supported-fonts)。底图、非文字图层，以及艺术字、手写体等非规整文字图层不返回 `text_recognition`。
- **字体识别**：模型通过 `similar_font_family` 返回相似字体，不保证与原字体完全一致。无法识别或置信度不足时返回 `unknown`。
- **样式识别**：样式信息为近似识别结果，可能与原始设计属性存在偏差。布尔字段为 `false` 表示模型未识别到对应样式。
## 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**：指定输出图片的尺寸。
* **response_format**：指定生成图片的返回方式。
* **output_format**：指定图片文件格式；图层拆分场景下，仅控制底图的文件格式。
* **background**：仅适用于图片生成场景，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。
### 图片输出尺寸
`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`
**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]
> **说明：宽高像素值使用说明**
>
> 采用方式 2 时，需同时满足总像素取值范围和宽高比取值范围。其中，总像素是对单张图片宽度和高度的像素乘积限制，而不是对宽度或高度的单独限制。
| 方式 1 | 方式 2 |
| --- | --- |
| ```JSON | ```JSON | \
| { | { | \
| "prompt": "生成一张 16:9 的图片", | "prompt": "生成一张图片", | \
| "size": "2K" | "size": "2880x1440" | \
| } | } | \
| ``` | ``` |
**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）
各档位的宽高像素映射和 `auto` 适配规则，请参见 [Image generation API](/docs/image-generation-api)。
### 图片返回方式
设置 `response_format` 参数，可以指定生成图片的返回方式：
* `url`（默认值）：返回图片下载链接。链接在图片生成后 24 小时内有效，请及时下载或转存。
* `b64_json`：通过响应中的 `b64_json` 字段返回 Base64 编码的图片数据。
### 图片文件格式
设置 `output_format` 参数，指定生成图片的文件格式：
* `png`（默认值）
* `jpeg`
> **说明**
>
> * 图层拆分场景下，`output_format` 仅控制底图的输出格式，图层始终以 `png` 格式输出。
> * 当 `output_format` 为 `jpeg` 时，不能将 `background` 设置为 `transparent`。
### 图片背景类型
设置 `background` 参数，控制生成图片是否包含透明通道。
* `auto`（默认值）：模型根据提示词和 `output_format` 自动判断背景类型。若 `output_format` 为 `jpeg`，输出图片不含透明通道。
* `transparent`：输出带透明通道的图片（RGBA 图）。
* `opaque`：输出不含透明通道的图片（RGB 图）。
> **说明**
>
> - `background` 仅适用于图片生成场景；图层拆分场景会自动输出带透明通道的 PNG 图片，传入该参数报错。
> - 当 `background` 为 `transparent` 时，`output_format` 必须为 `png`；设置为 `jpeg` 将报错。
### 图片中添加水印
设置 `watermark` 参数，控制是否在生成的图片中添加水印。
默认值：`true`。
* `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。
## 使用限制
**SDK 版本升级**
为保证模型功能正常使用，请务必升级至最新 SDK 版本。相关步骤请参见 [安装及升级 SDK](/docs/install-and-upgrade-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/seedream-5-5-transparent-input.png`
* Base64 编码：请遵循格式 `data:image/<图片格式>;base64,`。注意：`<图片格式>` 必须采用小写字母，例如 `data:image/png;base64,`。
不同场景对输入图片的约束不同，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 |
> **说明**
>
> 总像素是对单张图片宽度和高度的**像素乘积**限制，而不是对宽度或高度的单独值进行限制。
**保存时间**
图片 URL 仅保留 24 小时，超时后会被自动清除。请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，每次请求按 `max_images` 的值预扣减 IPM；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](/docs/model-list#9df4d9fd)。