即梦AI文生图实测：角色一致性与人像真实度效果

本文将对即梦4.0的图像生成能力进行全方位实测，围绕四个核心维度展开：组图角色一致性、图文信息图与连续剧情图、真实质感表现、以及海报文字渲染。坦率地说，4.0版本这一次确实带来了不少惊喜，下面直接进入干货环节。

1. 组图生成功能，保持人像一致性

在上一轮即梦4.0的评测中，我们已经注意到它的图像编辑模型在维持一致性方面表现相当出色，支持多图加文本的组合来生成组图。一个很自然的问题随之而来：既然4.0支持多模态生图，同一个模型可以完成文生图、图像编辑、组图生成，那么它在进行图像生成时，是否也能像编辑功能那样，保持同一批次人物形象的一致性？

目前市场上像Nano banana这类模型已经能够实现单提示词加图片输出多张一致性图像，那么即梦4.0能否做到？实测结果给出了肯定的答案。生成的图像质感非常真实，同一批次中的人物一致性表现优异，构图和画面质量也都在线。

下面直接看2K原图，可以点开放大检查细节的一致性。

案例一：Y2K甜心辣妹风格

一致性要求：年轻女性，Y2K甜心辣妹打扮与服装，街拍，超广角摄影，蓝天背景，明亮日光，人物在白色摩天轮前面，有粉色滑板和玩偶。

提示词：生成4张组图图片系列，需要对人物特征（乌黑长发、妆容精致、年轻亚洲女性）、服装（身穿粉色印花上衣、粉色短裙，搭配白色长袜套与手臂套，脚踩粉色厚底鞋，整体为Y2K甜心辣妹风格）、背景（巨大的白色摩天轮前进行时尚街拍、蓝天）和画面美学（时尚街拍, 真实感照片, Y2K美学, 超广角镜头, 低角度拍摄, 明亮日光, 硬朗光线, 高对比度, 高饱和度, 鲜艳色彩, 蓝天背景, 动态构图, 青春活力, 夏日氛围）的一致性。

第一张图：她将一个粉色滑板垂直立在身前，身体前倾，双手在脸侧比出俏皮的手势，直视镜头，表情充满自信与活力。

第二张图：她坐在自己的粉色滑板上，身体微微前倾，怀里抱着一只玩偶，眼神专注地望向镜头。

第三张图：她侧身坐在地上，伸出一只手仿佛要触摸镜头，姿态舒展而俏皮，眼神充满互动感。

第四张图：她悠闲地坐在平放在地上的粉色滑板上，双手捧着一只可爱的白色玩偶靠近脸颊，身体坐姿端正，眼神直视镜头，流露出甜美而自信的气质。

案例二：哥特战斗女仆

一致性要求：年轻女性，面容冷酷，眼神锐利，带有凌乱感的黑色及肩短发和稀疏的刘海，身穿简约的全黑色现代战斗风格着装，搭配黑色短袜和厚底马丁靴，并佩戴着一把武士刀，背景屋顶天台，黄昏时间，强烈明暗对比，电影感抓拍，日系暗黑摄影风格。

提示词：生成4张组图图片系列，需要对以下元素保持一致性。

人物特征：年轻的亚洲女性，面容冷酷，眼神锐利。留着一头带有凌乱感的黑色及肩短发和稀疏的刘海。妆容干净略带攻击性，强调眼部的锐利感。

服装：一套简约的全黑色现代战斗风格着装，由黑色无袖上衣和黑色百褶超短裙组成，搭配黑色短袜和厚底马丁靴。整体风格融合了朋克与校园元素。

装备：一把造型极简的全黑色武士刀（含刀鞘）。

背景：城市摩天大楼的屋顶天台，时间为黄昏。天空是深邃的蓝色，地平线处燃烧着落日的橙黄色余晖，与冰冷的城市建筑形成鲜明对比。

画面美学：电影感抓拍，日系暗黑摄影风格，强烈的视觉冲击力，标志性的低角度广角镜头，夸张的透视效果，利用黄昏的逆光形成鲜明的边缘光，高对比度，冷色调，充满故事氛围。

第一张图 (入座凝视)：采用极低的仰拍视角。她坐在天台的水泥矮墙上，身体侧倾，一条腿向前伸展，另一条腿自然弯曲。她单手撑在身后，另一只手扶着竖立在身侧的武士刀刀柄，身体舒展，眼神冷漠而带着一丝挑衅地俯视镜头，背景是广阔的黄昏天空。

第二张图 (蹲踞逼近)：镜头贴近地面，以极具压迫感的低角度仰拍。她呈蹲踞姿态，身体前倾，极具张力地靠近镜头。她双手扶着斜持在身前的武士刀，刀鞘指向天空，眼神锐利地锁定镜头，仿佛在审视眼前的目标。

第三张图 (远眺戒备)：中景，平视偏低的视角。她背对镜头侧身站立，双手握住武士刀刀柄，将刀水平置于身后腰间，做出经典的戒备姿态。她的目光越过肩膀，凝视着远方的一座标志性摩天大楼，展现出一种守望者的孤高与警惕。

第四张图 (静待风起)：她坐在天台地面上，背靠着水泥矮墙，双腿随意地交叠。武士刀被她抱在怀中，如同伙伴一般。她没有看镜头，而是微微仰起头，闭上双眼，仿佛在感受天台的夜风拂过脸颊，神情在冷峻之外流露出一丝难得的平静与安宁。

2. 图文信息图+连续剧情图生成

从上面的例子可以看到，4.0模型背后很可能集成了大模型优化与文生图理解能力，只需简单说明就能生成一系列图片，颇有Agent自动模式的味道。

图文信息图生成

此次更新对汉字文字的控制力有了明显提升。以往想要生成一张带中文的图文信息图，往往需要逐个准备素材图并添加文字，然后再手动排版。现在只需要一个简单的提示词就能完成，排版效果也基本没有问题。

提示词（分辨率9:16）：手账风格，做一个土豆炒牛腩的步骤教程图，步骤说明要中文，要配图，要文字说明。

连续剧情图生成

连续剧情图对角色一致性的考验更为严苛。在banana模型和即梦4.0出现之前，想要实现角色一致性的延展，只能依靠comfyui工作流或者GPT-4o，反复抽卡试错是家常便饭。现在4.0可以通过一段提示词直接生成连续剧情图，妆造、背景、人物基本保持一致，这一点非常难得。

提示词：可爱风格，做一组图系列的完整内容，要图片+文字说明，最多4张图就能够完结内容。内容是：小朋友在森林里和爸爸妈妈走散了，又害怕又无助，蹲在地上快要哭出来。这时，森林里那些善良可爱的小生灵们发现了ta——发着微光的萤火虫像小灯笼一样汇聚过来，一只毛茸茸的小松鼠捧着坚果好奇地探出头，甚至还有一只温柔害羞的梅花鹿慢慢走近。它们用自己独特的方式安慰和帮助小朋友，萤火虫聚成一条闪烁的光带，小松鼠蹦跳着指引方向，梅花鹿俯下身邀请小朋友靠近。在这群森林朋友的带领下，小朋友穿过树丛，终于听到了爸爸妈妈焦急的呼唤声，飞快地跑过去，扑进了他们的怀抱。一家团聚后，小朋友回头看向森林，那些小朋友们正在暗中闪闪发亮，悄悄地挥手告别。

3. 生成图像的真实度

前几个月，GPT-4o带动了那种模糊自拍照风格的流行，随后这股风潮又吹到了豆包即梦3.0上。

提示词：请画一张极其平凡无奇的iPhone自拍照，没有明确的主体或构图感，就像是随手一拍的快照。照片略带运动模糊，阳光或店内灯光不均导致轻微曝光过度。角度尴尬、构图混乱，整体呈现出一种刻意的平庸感，就像是从口袋里拿手机时不小心拍到的一张自拍。主角是_____，背景是_____。

这是即梦3.0的效果。下面是4.0版本的效果，两者都非常真实，但4.0的表现可以说是amazing级别。在3.0/3.1版本中，需要额外添加“极其平凡”“轻微曝光”“平庸感”等细节描述，才能生成贴近真实日常的图像；而4.0几乎不需要这些附加指令，仅用普通的人像提示词（比如“高中生自拍照”“樱花树下女生自拍”），就能生成符合日常场景的真实质感——自然的曝光、随意的构图，非常自然。

另外，3.0和3.1版本存在“固定脸模”问题，生成的人物面部重复或带有模板化特征；4.0解决了这个问题，人物面部多样性明显提升，真实感和独特性都更进一步。

这里分享一些出图提示词：

一张极其平凡无奇的 iphone 自拍照，没有明确的主体或构图感，就是随手一拍的快照。照片略带运动模糊，教室日光灯与窗边阳光打光不均匀导致的轻微曝光过度，整体呈现出一种刻意的平庸感，就像是从书包里拿手机时不小心拍到的一张自拍。主角是高中生白色樱花树下的自拍照，女生，看向镜头，撑着透明伞，背景明亮，白天，黑色长发，粉色外套，斜向构图，一只樱花树作为前景。

一张极其平凡无奇的iphone自拍照，没有明确的主体或构图感，就是随手一拍的快照。照片略带运动模糊，阳光或室内打光不均匀导致的轻微曝光过度，整体呈现出一种刻意的平庸感，就像是从口袋里拿手机时不小心拍到的一张自拍。主角是coser雷姆。

男生也来试几组。可以看到，同一批次中用不同要求生成图像，后面三张图的人像居然长得差不多，但每张图又各有不同。

4. 海报文字生成的准确性

海报中的中文文字渲染同样令人满意，不仅准确率高，美学感也保持在不错的水准。

提示词：奥斯卡获奖电影海报设计，红色为主色调，洋溢喜庆氛围。上方以金色书法字体写就「盛世篇章 锦绣山河」，并标注“（1949 – 2025）”，见证岁月征程。中间展开的卷轴上，立体山水建筑景观精妙呈现，传统塔楼、亭子错落其间，树木山石点缀，细节丰富。红色绸带飘动，两只金色飞鸟翱翔，赋予画面动感与生机。底部标注「2025.10.1」，搭配「举国同庆 盛世中华」「谱写时代荣光 共筑大国之梦」文字，整体融合传统元素与现代设计，东方美学，极简主义，极致构图，电影光线，极致像素，高清出图，32K，HDR。

中国国风大片敦煌美学海报：画面是恢宏的沙漠与古老城墙，画面中央一位身穿华丽汉服舞者舞动长袖，身后壁画化的飞天仙女随风飘扬，丝绸若隐若现。顶部有书法风格的大字：”千年敦煌，梦回西域”，下方配小字：”岁月如沙，艺术如金，守护国风之美。”，整体色调金黄暖色，丝绸和胡杨树倒影呼应敦煌意象，画面结构富有层次，极富文化气息。

总结

测完这三大块，直接说结论：以前玩AI绘画，最头疼的就是角色捏不准，抽卡抽到怀疑人生。但即梦4.0这次的“组图一致性”，确实让人看到了“AI出片”的实用价值——以后用它来画漫画、做分镜，不是不可能了。照片的真实感和海报的准确性，算是更大的惊喜。

总的来说：提示词遵循更好、角色特征一致性保持较好、深度理解能力再次增强、多图输出和组图输出表现出色，中文文化理解与中文文字生成更是独一档的存在。

缺点当然也有：有时候一些提示词出图效果太过写实，少了点美感；部分2K图放大后不够清晰，不太像真正的2K分辨率；还有就是积分消耗更大了——1张图要1积分，以前可是1积分4张图。

好了，本期实测就到这里，感谢观看，我们下期见。