Seedream v4.5 Edit Sequential API by ByteDance
ByteDance advanced image editing model with batch generation support. Edit multiple images while preserving facial features and details.
อินพุต
เอาต์พุต
รอดำเนินการแต่ละครั้งจะใช้ $0.036 ด้วย $10 คุณสามารถรันได้ประมาณ 277 ครั้ง
คุณสามารถทำต่อได้:
ตัวอย่างโค้ด
import requests
import time
# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "bytedance/seedream-v4.5/edit-sequential",
"prompt": "A beautiful landscape with mountains and lake",
"width": 512,
"height": 512,
"steps": 20,
"guidance_scale": 7.5,
}
generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]
# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
def check_status():
while True:
response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
result = response.json()
if result["data"]["status"] == "completed":
print("Generated image:", result["data"]["outputs"][0])
return result["data"]["outputs"][0]
elif result["data"]["status"] == "failed":
raise Exception(result["data"]["error"] or "Generation failed")
else:
# Still processing, wait 2 seconds
time.sleep(2)
image_url = check_status()ติดตั้ง
ติดตั้งแพ็คเกจที่จำเป็นสำหรับภาษาของคุณ
pip install requestsการยืนยันตัวตน
คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP Headers
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}อย่าเปิดเผย API key ของคุณในโค้ดฝั่งไคลเอนต์หรือที่เก็บข้อมูลสาธารณะ ให้ใช้ตัวแปรสภาพแวดล้อมหรือพร็อกซีฝั่งเซิร์ฟเวอร์แทน
ส่งคำขอ
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "your-model",
"prompt": "A beautiful landscape"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())ส่งคำขอ
ส่งคำขอสร้างแบบอะซิงโครนัส API จะส่งคืน prediction ID ที่คุณสามารถใช้ตรวจสอบสถานะและดึงผลลัพธ์ได้
/api/v1/model/generateImageเนื้อหาคำขอ
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "bytedance/seedream-v4.5/edit-sequential",
"input": {
"prompt": "A beautiful landscape with mountains and lake"
}
}
response = requests.post(url, headers=headers, json=data)
result = response.json()
print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")การตอบกลับ
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}ตรวจสอบสถานะ
สำรวจ prediction endpoint เพื่อตรวจสอบสถานะปัจจุบันของคำขอ
/api/v1/model/prediction/{prediction_id}ตัวอย่างการสำรวจ
import requests
import time
prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
while True:
response = requests.get(url, headers=headers)
result = response.json()
status = result["data"]["status"]
print(f"Status: {status}")
if status in ["completed", "succeeded"]:
output_url = result["data"]["outputs"][0]
print(f"Output URL: {output_url}")
break
elif status == "failed":
print(f"Error: {result['data'].get('error', 'Unknown')}")
break
time.sleep(3)ค่าสถานะ
processingคำขอยังอยู่ระหว่างการประมวลผลcompletedการสร้างเสร็จสมบูรณ์แล้ว ผลลัพธ์พร้อมใช้งานsucceededการสร้างสำเร็จแล้ว ผลลัพธ์พร้อมใช้งานfailedการสร้างล้มเหลว ตรวจสอบฟิลด์ errorการตอบกลับที่เสร็จสมบูรณ์
{
"data": {
"id": "pred_abc123",
"status": "completed",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}
}อัปโหลดไฟล์
อัปโหลดไฟล์ไปยังที่เก็บข้อมูล Atlas Cloud และรับ URL ที่คุณสามารถใช้ในคำขอ API ของคุณ ใช้ multipart/form-data ในการอัปโหลด
/api/v1/model/uploadMediaตัวอย่างการอัปโหลด
import requests
url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
with open("image.png", "rb") as f:
files = {"file": ("image.png", f, "image/png")}
response = requests.post(url, headers=headers, files=files)
result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")การตอบกลับ
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
พารามิเตอร์ต่อไปนี้ยอมรับในเนื้อหาคำขอ
ไม่มีพารามิเตอร์ที่ใช้ได้
ตัวอย่างเนื้อหาคำขอ
{
"model": "bytedance/seedream-v4.5/edit-sequential"
}Output Schema
API จะส่งคืนการตอบกลับ prediction พร้อม URL ของผลลัพธ์ที่สร้างขึ้น
ตัวอย่างการตอบกลับ
{
"id": "pred_abc123",
"status": "completed",
"model": "model-name",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}Atlas Cloud Skills
Atlas Cloud Skills เชื่อมต่อโมเดล AI กว่า 300+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM
ไคลเอนต์ที่รองรับ
ติดตั้ง
npx skills add AtlasCloudAI/atlas-cloud-skillsตั้งค่า API Key
รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม
export ATLASCLOUD_API_KEY="your-api-key-here"ความสามารถ
เมื่อติดตั้งแล้ว คุณสามารถใช้ภาษาธรรมชาติในผู้ช่วย AI ของคุณเพื่อเข้าถึงโมเดล Atlas Cloud ทั้งหมด
MCP Server
Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 300+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว
ไคลเอนต์ที่รองรับ
ติดตั้ง
npx -y atlascloud-mcpการกำหนดค่า
เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}เครื่องมือที่ใช้ได้
API Schema
ไม่มี SchemaSeedreamเสียงและภาพ ทั้งหมดในครั้งเดียว
โมเดล AI ปฏิวัติวงการของ ByteDance ที่สร้างเสียงและวิดีโอที่ซิงค์กันอย่างสมบูรณ์แบบพร้อมกันจากกระบวนการเดียวที่รวมเป็นหนึ่ง สัมผัสประสบการณ์การสร้างเสียงและภาพพื้นเมืองที่แท้จริงด้วยการซิงค์ริมฝีปากที่แม่นยำระดับมิลลิวินาทีในกว่า 8 ภาษา
Key Updates
Experience the next level of AI-powered visual creation
Superior Aesthetics
Produces cinematic visuals with refined lighting and rendering for professional-grade output.
Higher Consistency
Maintains stable subjects, clear details, and coherent scenes across multiple images.
Smarter Instruction Following
Accurately responds to complex prompts with precise visual control and interactive editing.
Stronger Spatial Understanding
Generates realistic proportions, object placement, and scene layout with accuracy.
Richer World Knowledge
Creates knowledge-based visuals with accurate scientific and technical reasoning.
Deeper Industry Application
Supports professional workflows for e-commerce, film, advertising, gaming, and more.
Industry Applications
E-commerce
Product photography & marketing
Film & TV
Concept art & storyboarding
Advertising
Campaign visuals & creatives
Gaming
Character & environment design
Education
Instructional illustrations
Interior Design
Space visualization
Architecture
Architectural rendering
Fashion
Virtual try-on & styling
Improvements from 4.0
See how Seedream 4.5 outperforms the previous version
Face Quality
Significant improvement when face proportion is small
Text Rendering
Enhanced small character rendering capability
ID Preservation
Stronger identity retention ability
สัมผัสประสบการณ์การสร้างเสียงและภาพพื้นเมือง
เข้าร่วมกับผู้สร้างภาพยนตร์ ผู้โฆษณา และผู้สร้างสรรค์ทั่วโลกที่กำลังปฏิวัติการสร้างเนื้อหาวิดีโอด้วยเทคโนโลยีล้ำสมัยของ Seedance 1.5 Pro
Seedream 4.5 : A professional, high-fidelity multimodal image generation model by ByteDance Seed
Model Card Overview
| Field | Description |
|---|---|
| Model Name | Seedream 4.5 |
| Developed By | ByteDance Seed |
| Release Date | December 2025 |
| Model Type | Multimodal Image Generation |
| Related Links | Official Website,Technical Paper (arXiv), GitHub Repository |
Introduction
Seedream 4.5 is a state-of-the-art, multimodal generative model engineered for scalability, efficiency, and professional-grade output. As an advanced version of Seedream 4.0, it is built upon a unified framework that seamlessly integrates text-to-image synthesis, sophisticated image editing, and complex multi-image composition. The model's primary design goal is to deliver professional visual creatives with exceptional consistency and fidelity. This is achieved through a significant scaling of the model architecture and training data, which enhances its ability to preserve reference details, render dense text and typography accurately, and understand nuanced user instructions.
Key Features & Innovations
- Unified Multimodal Framework: Integrates text-to-image (T2I), single-image editing, and multi-image composition into a single, cohesive model, allowing for diverse and flexible creative workflows.
- High-Fidelity & High-Resolution Generation: Capable of generating native high-resolution images (up to 4K), capturing fine details, realistic textures, and accurate lighting for professional use cases.
- Advanced Image Editing: Excels at preserving the core structure, lighting, and color tone of reference images while applying precise edits based on natural language instructions.
- Enhanced Multi-Image Composition: Accurately identifies and blends main subjects from multiple reference images, enabling complex creative compositions and style fusions.
- Superior Typography and Text Rendering: Features significantly improved capabilities for rendering clear, legible, and contextually integrated text within images.
- Efficient and Scalable Architecture: Built on a highly efficient Diffusion Transformer (DiT) and a powerful Variational Autoencoder (VAE), enabling fast inference and effective scalability.
- Optimized for Professional Use: Demonstrates strong performance in generating structured, knowledge-based content such as design materials, posters, and product visualizations, bridging the gap between creative generation and practical industry applications.
Model Architecture & Technical Details
Seedream 4.5's architecture is an extension of the foundation laid by Seedream 4.0. The core of the model is a highly efficient and scalable Diffusion Transformer (DiT), which significantly increases model capacity while reducing computational requirements for training and inference. This is paired with a powerful Variational Autoencoder (VAE) with a high compression ratio, which minimizes the number of image tokens processed in the latent space, further boosting efficiency.
Training and Data: The model was pre-trained on billions of text-image pairs, covering a vast range of taxonomies and knowledge-centric concepts. Training was conducted in multiple stages, starting at a 512x512 resolution and fine-tuning at progressively higher resolutions up to 4K. The post-training phase is extensive, incorporating Continuing Training (CT) for foundational knowledge, Supervised Fine-Tuning (SFT) for artistic quality, and Reinforcement Learning from Human Feedback (RLHF) to align outputs with human preferences. A sophisticated Prompt Engineering (PE) module, built upon the Seed1.5-VL vision-language model, is used to process user inputs and enhance instruction following.
Intended Use & Applications
Seedream 4.5 is designed for professional creators and applications demanding high-quality, consistent, and controllable image generation. Its intended uses include:
- Professional Content Creation: Generating cinematic-quality visuals for digital advertising, social media, and print.
- Advanced Photo Editing: Performing complex edits, such as changing clothing materials, modifying backgrounds, or adjusting lighting, while maintaining subject integrity.
- E-commerce and Product Visualization: Creating high-quality product showcases and marketing materials.
- Graphic Design: Designing posters, key visuals, and other materials that require the integration of stylized text and typography.
- Creative Storytelling: Producing sequential, thematically related images for storyboards or visual narratives.
Performance
Seedream 4.5 and its predecessor, Seedream 4.0, have demonstrated top-tier performance on public benchmarks. The models are evaluated on the Artificial Analysis Arena, a real-time competitive leaderboard that ranks models based on blind user votes.
Text-to-Image Leaderboard (December 2025)
| Rank | Model | Developer | ELO Score | Release Date |
|---|---|---|---|---|
| 1 | GPT Image 1.5 (high) | OpenAI | 1,252 | Dec 2025 |
| 2 | Nano Banana Pro | 1,223 | Nov 2025 | |
| 5 | Seedream 4.0 | ByteDance Seed | 1,193 | Sept 2025 |
| 7 | Seedream 4.5 | ByteDance Seed | 1,169 | Dec 2025 |
