Membangun alur otomatisasi gambar produk dengan Seedream 5.5: 4 langkah mengintegrasikan pembuatan gambar, pengeditan gambar, aset transparan, dan pemisahan lapisan

Catatan penulis: Melalui empat jenis operasi—pembuatan skenario, penyuntingan berkelanjutan, materi transparan, dan pemisahan lapisan poster—yang dipadukan dengan orkestrasi eksternal dan kontrol kualitas, kita bisa membangun alur produksi gambar produk yang dapat digunakan ulang.

Saat tim e-commerce mengerjakan gambar produk, kesulitannya biasanya bukan pada “menghasilkan satu gambar yang bagus”, melainkan pada tahap-tahap berikutnya: operasional perlu mengganti latar belakang, desain perlu subjek transparan, tim iklan perlu mengubah harga—dan setiap perubahan berpotensi membuat seluruh gambar harus dikerjakan ulang. Seedream 5.5 yang dirilis ByteDance pada 9 November 2026 menyatukan penyuntingan berkelanjutan, output transparan RGBA native, pemisahan lapisan hingga 99 lapis, dan OCR teks kaya ke dalam satu model. Kemampuan-kemampuan ini tepat bersesuaian dengan beberapa tahap dalam produksi gambar produk.

Ini bukan pengulangan daftar kemampuan dari acara peluncuran. Artikel ini menggunakan satu tumbler stainless steel sebagai benang merah sepanjang pembahasan, menjelaskan sesuai urutan kerja nyata bagaimana setiap langkah dipanggil, bagaimana output langkah sebelumnya dikonsumsi, dan apa yang akhirnya dikirim. Artikel ini membedakan tiga jenis informasi: kemampuan yang ditampilkan secara resmi, pengamatan dari pengujian pihak ketiga, serta alur kerja otomatis yang dirancang dalam artikel ini.

Nilai inti: Setelah membaca artikel ini, Anda akan mendapatkan rancangan alur dari gambar produk asli hingga materi yang siap dikirim, termasuk parameter kunci untuk empat tahap, petunjuk berbahasa Mandarin yang bisa langsung Anda modifikasi, metode penyusunan ulang field yang dikembalikan oleh pemisahan lapisan, serta titik kontrol kualitas yang perlu ditetapkan sebelum peluncuran.

Ringkasan satu kalimat: Nilai Seedream 5.5 bukan sekadar menghasilkan gambar produk, melainkan memecah produksi visual produk menjadi beberapa langkah yang saling bersambung, lalu dirangkai menjadi alur lengkap oleh orkestrasi API dan perangkat desain hilir.

to know: 5 istilah yang dibahas dalam artikel ini

• Penyuntingan multi-putaran: Menggunakan gambar yang dihasilkan pada putaran sebelumnya sebagai input putaran baru, lalu melakukan modifikasi secara bertahap.
• Kanal Alpha: Kanal yang mencatat tingkat transparansi setiap piksel dalam gambar. Huruf A pada RGBA merujuk pada kanal ini; JPEG tidak mendukung kanal tersebut.
• OCR: Mengenali konten teks dari dalam gambar. Seedream 5.5 juga memperkirakan posisi teks dan gaya perkiraannya saat memisahkan lapisan.
• z_index: Field yang dikembalikan oleh pemisahan lapisan, menunjukkan urutan penumpukan lapisan; gambar dasar bernilai 0.
• API: Antarmuka yang memungkinkan program memanggil layanan. Alur otomatis dalam artikel ini semuanya dibangun di atas pemanggilan API.

Mengapa otomasi gambar produk Seedream 5.5 tidak bisa hanya mengandalkan satu kali pembuatan gambar?

Ambil contoh listing tumbler vakum. Satu produk biasanya membutuhkan lima jenis materi visual: gambar utama dengan latar putih atau latar sederhana, gambar adegan gaya hidup, subjek transparan yang bisa dimasukkan ke tata letak apa pun, poster pemasaran dengan judul dan harga, serta versi yang terus disesuaikan selama kampanye promosi besar. Jika setiap jenis materi dibuat melalui satu kali pembuatan gambar yang langsung menghasilkan gambar datar utuh, setiap perubahan berikutnya harus dibuat ulang, dan tampilan produk juga bisa berubah antarversi.

Pembuatan gambar sekali jalan memiliki dua masalah struktural. Pertama, perubahan tidak terkendali: hanya ingin mengganti latar, tetapi struktur tutup cangkir atau logo ikut digambar ulang. Kedua, materi tidak dapat digunakan ulang: setelah poster dibuat, produk, teks, dan dekorasi menempel di lapisan piksel yang sama; mengubah harga berarti harus membuat ulang seluruh poster. Ini juga merupakan kendala yang disebutkan ByteDance dalam artikel peluncurannya, termasuk modifikasi lokal yang memengaruhi area lain, subjek yang bergeser setelah beberapa kali modifikasi, kebutuhan masking manual, dan gambar datar yang sulit dipisahkan layernya.

Pendekatan Seedream 5.5 adalah memisahkan masalah-masalah ini dan menanganinya satu per satu. Tahap pengeditan menekankan pemeliharaan area yang tidak diubah, output transparan menghilangkan kebutuhan masking, dan pemisahan layer mengembalikan poster datar menjadi materi yang bisa disusun ulang. Namun model hanya bertanggung jawab atas “pembuatan dan penguraian”; orkestrasi, penyimpanan, kontrol kualitas, dan komposisi akhir tetap harus ditangani oleh aplikasi dan alat desain.

Alur Otomatis Foto Produk Seedream 5.5 Lengkap: Bagaimana satu gambar bisa menjadi aset yang bisa digunakan ulang?

Mari kita lihat gambaran besarnya dulu. Alur di bawah ini adalah alur kerja bisnis yang dirancang berdasarkan kemampuan API resmi, bukan fitur sekali klik yang disediakan resmi:

1. Foto asli produk masuk ke penyimpanan: sistem bisnis menyediakan foto produk asli, deskripsi produk, dan persyaratan visual; gambar asli disimpan permanen.
2. Pembuatan skenario: gambar asli dijadikan gambar referensi, menghasilkan visual utama produk.
3. Pengeditan multi-putaran: output putaran sebelumnya menjadi input putaran berikutnya, menangani perubahan latar belakang, pencahayaan, dan sebagainya.
4. Dua cabang: cabang aset transparan langsung menghasilkan RGBA PNG dari gambar asli produk; cabang pemisahan layer memisahkan layer dari poster utuh, mendapatkan layer dan koordinat.
5. Komposisi desain: program hilir atau alat desain membaca layer, koordinat, dan informasi OCR, lalu menata ulang tata letak.
6. Pemeriksaan kualitas dan pengarsipan aset: setelah QC manual atau berbasis aturan, aset diarsipkan dan dikirim berdasarkan versi.

Kesimpulan desain paling penting di sini adalah: aset transparan dan pemisahan layer adalah dua cabang yang bisa dipanggil secara independen, tidak harus dijalankan berurutan. Kalau hanya butuh badan tumbler yang transparan, cukup pakai foto produk asli untuk menghasilkan aset RGBA, tidak perlu membuat poster dulu lalu memisahkannya. Hanya ketika Anda sudah memiliki poster utuh yang berisi produk, judul, harga, dan dekorasi, lalu ingin menggunakan ulang elemen di dalamnya, barulah panggil pemisahan layer.

📌 Saran verifikasi alur: sebelum membangun, Anda bisa mencoba menjalankan permintaan di setiap tahap menggunakan antarmuka terpadu APIYI apiyi.com untuk memastikan parameter dan struktur respons, baru kemudian memutuskan apakah akan terhubung ke sistem orkestrasi resmi. Model gambar yang bisa dipanggil secara spesifik mengacu pada daftar model platform.

Langkah Pertama Otomatisasi Gambar Produk Seedream 5.5: Membuat Adegan Produk dengan Gambar Referensi

Masukan pada langkah pertama adalah foto asli termos; outputnya adalah visual utama adegan yang dapat digunakan untuk halaman detail produk. Alamat API Volcano Ark adalah https://ark.cn-beijing.volces.com/api/v3/images/generations, dengan ID model doubao-seedream-5-5-261028. Model ID dalam dokumentasi BytePlus versi internasional adalah dola-seedream-5-5-261028; nama model dan dukungan parameter di platform pihak ketiga juga bisa berbeda, jadi perlu dicek sebelum memanggil.

Konfigurasi penting dari empat tahap bisa dilihat dulu lewat satu tabel:

Nilai default size untuk tugas pembuatan biasa adalah 2K. Anda juga bisa menentukan 1K, 1.5K, atau menyesuaikan lebar dan tinggi sendiri dalam batas yang diizinkan (total piksel sekitar 920 ribu hingga 4,62 juta, rasio aspek 1:16 sampai 16:1). Dokumentasi resmi saat ini tidak menyediakan opsi 4K. Nilai default watermark adalah true; ini akan menambahkan tanda “AI生成” di pojok kanan bawah. Apakah akan dimatikan harus diputuskan sesuai kebutuhan kepatuhan Anda.

Petunjuk pembuatan adegan (contoh pengajaran, bukan hasil pengujian sebenarnya):

使用参考图中的不锈钢保温杯作为唯一商品主体，生成一张用于电商详情页的高端生活方式场景图。保温杯置于现代风格的浅色办公桌上，侧面自然窗光，真实摄影质感。严格保留商品原有杯身形状、杯盖结构、材质、颜色和标识。画面为 1:1，不添加额外商品。

Frasa “satu-satunya subjek produk” dan “tidak menambahkan produk tambahan” dalam petunjuk bukan sekadar hiasan yang bisa dihilangkan. Dalam pengujian Segmind pada 11 November 2026, teramati bahwa setelah menempatkan satu sepatu ke dalam adegan gaya hidup, hasilnya berubah menjadi sepasang sepatu, dan sudut pengambilan gambar juga berubah. Gambar produk sangat sensitif terhadap jumlah dan struktur; batasan harus ditulis dalam petunjuk dan juga dalam pemeriksaan kualitas.

Contoh Pemanggilan Minimalis untuk Pembuatan Skenario Seedream 5.5

Berikut demonstrasi langkah pertama menggunakan Python. Contoh ini memakai jalur pembuatan gambar yang kompatibel dengan OpenAI. Untuk apakah field ekstensi seperti layer_decomposition dapat diteruskan apa adanya dan apakah nama modelnya konsisten, ikuti dokumentasi platform yang Anda gunakan:

import requests

resp = requests.post(
    "https://api.apiyi.com/v1/images/generations",  # Antarmuka terpadu APIYI
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "doubao-seedream-5-5-261028",  # Mengacu pada daftar model platform
        "prompt": "使用参考图中的不锈钢保温杯作为唯一商品主体……不添加额外商品。",
        "image": "https://your-cdn.com/cup_original.png",
        "size": "2K",
        "background": "opaque",
        "output_format": "png",
        "response_format": "url",
        "watermark": False,
    },
    timeout=120,
)
print(resp.json()["data"][0]["url"])

timeout dibuat cukup longgar karena ada alasannya. Pengamatan pihak ketiga menunjukkan waktu per panggilan sangat bervariasi: Segmind melaporkan rata-rata sekitar 24 detik untuk satu gambar, sedangkan SeedRouter mengukur 29—47 detik untuk output 1K dan sekitar 59 detik untuk pemecahan lapisan poster 2K. Ini hanya pengamatan dari platform tertentu dan tidak bisa dijadikan patokan seragam, tetapi cukup menunjukkan bahwa pemanggilan sinkron yang memblokir tidak cocok untuk tugas batch.

🚀 Mulai Cepat: Jika tim Anda sudah memakai SDK yang kompatibel dengan OpenAI, Anda dapat memperoleh kunci API dan kuota uji coba gratis untuk pengguna baru melalui APIYI apiyi.com. Mulailah dengan beberapa gambar produk untuk memvalidasi hasil petunjuk, lalu perluas ke pemrosesan batch.

Langkah Kedua Otomasi Gambar Produk Seedream 5.5: Pengeditan Berkelanjutan untuk Revisi Berulang

Tim operasional sudah melihat skenario meja kerja, lalu mengusulkan untuk menggantinya dengan suasana kafe. Input pada langkah ini bukan foto asli, melainkan visual utama yang sudah dikonfirmasi pada langkah pertama: unduh dan simpan data[].url yang dikembalikan pada putaran sebelumnya, lalu kirimkan sebagai image untuk putaran ini. Teks ke gambar dan pengeditan gambar tunggal hanya menghasilkan satu hasil setiap kali pemanggilan; yang disebut “100 putaran pengeditan berkelanjutan” adalah kemampuan yang ditunjukkan secara resmi — setiap putaran merupakan pemanggilan pembuatan yang berdiri sendiri, sehingga alur kerja Anda perlu mengirimkannya satu per satu.

Prinsip penulisan petunjuk untuk pengeditan berkelanjutan adalah: tulis hanya perubahan pada putaran ini, dan sebutkan secara eksplisit objek yang wajib dipertahankan.

Ganti latar belakang meja kerja dengan suasana kafe kayu yang hangat, ubah hanya latar lingkungan dan cahaya lingkungan. Pertahankan bentuk, proporsi ukuran, warna, tutup cangkir, logo, sudut penempatan, dan komposisi keseluruhan tumbler tetap sama, pastikan produk selalu menjadi satu subjek tunggal.

Saran resmi: saat melakukan pengeditan berkelanjutan pada gambar RGB, setel background ke opaque, karena biasanya lebih mendukung konsistensi pengeditan. Alasannya bisa dipahami begini: yang diteruskan dalam rantai pengeditan adalah gambar skena utuh, sehingga memasukkan saluran transparansi akan menambah satu lapisan ketidakpastian di setiap putaran. Karena itu, alur dalam artikel ini menempatkan materi transparan di cabang terpisah dan tidak membiarkannya masuk ke rantai pengeditan.

Pengujian pihak ketiga memberikan sinyal ke dua arah. Xinghai Qingbaoju pada 11 November melakukan uji tiga putaran dengan versi web Doubao untuk mengubah warna jaket dan mengganti latar belakang; postur tokoh dan pakaian tidak menunjukkan pergeseran yang jelas, tetapi penulisnya secara eksplisit menyatakan belum menguji sampai 100 putaran. Segmind melakukan 12 putaran pengeditan pada satu gambar produk; area latar belakang tidak menunjukkan perubahan piksel yang jelas melewati ambang 32 level, tetapi gambar secara keseluruhan berangsur menggelap, dengan pergeseran rata-rata sekitar 5,1 level warna pada putaran ke-12 dibandingkan putaran ke-2. Pada kasus lain, ketika menambahkan teks pada tali/tab tumit sepatu yang sempit, model mengubah struktur tali tersebut agar teks bisa masuk.

Kalau diterapkan pada alur tumbler, bisa ditarik dua saran teknis:

• Setiap putaran berangkat dari “versi yang sudah dikonfirmasi”, bukan dirangkai tanpa henti. Visual utama yang sudah dikonfirmasi harus diarsipkan secara terpisah; jika muncul masalah, kembalilah ke versi tersebut lalu edit ulang.
• Kendalikan panjang rantai pengeditan, misalnya dengan menetapkan batas jumlah putaran; setelah melewatinya, kembali ke gambar asli dan buat ulang skenanya, agar tidak terjadi pergeseran warna yang menumpuk.

Seedream 5.5 Otomasi Gambar Produk Langkah Ketiga: Ekstrak Aset Produk Transparan Secara Langsung

Input untuk cabang aset transparan adalah foto asli produk, bukan gambar scene yang sudah diedit. Dengan cara ini, subjek yang diperoleh paling mendekati produk aslinya dan bisa dimasukkan ke template halaman detail, tata letak iklan, atau tugas komposisi lainnya. Konfigurasi kuncinya hanya dua:

{
  "model": "doubao-seedream-5-5-261028",
  "image": "https://your-cdn.com/cup_original.png",
  "prompt": "提取参考图中的保温杯主体，去除桌面、背景、其他物品及其投影，保留完整杯身、杯盖和产品细节。输出单个独立商品素材，边缘自然清晰，背景完全透明，PNG 格式。",
  "background": "transparent",
  "output_format": "png",
  "response_format": "url"
}

Perhatikan bahwa output_format harus png, JPEG tidak mendukung saluran Alpha. Dibandingkan generasi sebelumnya, Seedream 5.5 mendukung teks ke gambar transparan, sedangkan gambar ke gambar transparan dapat menggunakan hingga 10 gambar referensi, dan gambar referensi tidak perlu memiliki saluran transparan sendiri; Seedream 5.0 Pro / Flash pada skenario output transparan hanya mendukung satu gambar referensi PNG yang sudah memiliki saluran transparan.

Pemeriksaan kualitas aset transparan harus lebih teliti daripada sekadar melihat sekilas. Contoh resmi menampilkan tepi rumit seperti bulu burung hantu salju, tetapi dalam pengujian Segmind, tepi transparan tas punggung dan produk keras relatif bersih; untuk produk kaca yang menuntut transparansi perspektif nyata, dua kali percobaan gagal. Tumbler termasuk baja tahan karat keras, jadi tingkat kesulitannya relatif rendah, tetapi jika berupa gelas kaca atau model dengan tutup transparan, pemeriksaan harus lebih difokuskan. Metode pemeriksaan yang disarankan:

• Tempelkan PNG secara bergantian di atas latar hitam pekat, putih pekat, dan berwarna, lalu periksa tepi berbulu dan sisa bayangan.
• Baca saluran Alpha dengan program, pastikan area latar benar-benar 0 dan tidak ada lubang semi-transparan tak terduga di area subjek.
• Bandingkan dengan gambar asli untuk memeriksa apakah struktur seperti tutup, pegangan, dan logo tetap utuh.

Seedream 5.5 Otomasi Gambar Produk Langkah Keempat: Memisahkan Poster Pemasaran menjadi Lapisan Independen

Poster promosi besar sudah selesai dibuat: badan termal, judul utama, subjudul, harga, grafik dekoratif, dan latar belakang semuanya ada di satu gambar datar. Sekarang kita ingin mengubah harga dari 129 menjadi 99, atau mengubah poster berbahasa Mandarin menjadi versi bahasa Inggris. Di sinilah kita memanggil pemisahan lapisan:

{
  "model": "doubao-seedream-5-5-261028",
  "image": "https://your-cdn.com/cup_poster.png",
  "prompt": "将商品海报拆分为独立图层：商品主体、主标题、副标题、价格文字、装饰图形和背景。保持各元素原有位置、尺寸比例和视觉样式。商品主体及文字分别作为独立图层，其他背景元素保留在底图中，并自然补全被移除元素覆盖的区域。",
  "layer_decomposition": true,
  "layer_decomposition_options": {
    "max_images": 15,
    "text_recognition": true
  }
}

Beberapa batasan yang rawan menimbulkan kesalahan: pemisahan lapisan hanya menerima 1 input PNG atau JPEG, dengan rentang piksel antara 512×512 hingga 6000×6000; tidak boleh menyertakan parameter background, kalau tidak akan muncul error; size default-nya auto; lapisan output selalu PNG, output_format hanya menentukan format gambar dasar. Nilai max_images berkisar 2—100, default 30 (termasuk gambar dasar); ini adalah batas atas dan bukan jumlah yang dijamin. Contoh poster resmi mengatur maksimal 15 gambar, tetapi hasil aktual mengembalikan 13 gambar (1 gambar dasar + 12 lapisan), di mana 9 lapisan teks membawa hasil OCR.

Cara Menggunakan Field Return Layer Seedream 5.5

Nilai dari pemisahan layer terletak pada field return yang bisa dikonsumsi oleh program:

Cara rekonstruksi yang diberikan resmi adalah: letakkan dulu gambar dasar dengan z_index=0, lalu tumpuk layer transparan sesuai z_index menaik. Lebar layer adalah right-left, tingginya bottom-top. Jika kanvas target 1080×1350, left dari koordinat ternormalisasi dikonversi menjadi left / 1000 × 1080.

Struktur OCR adalah text_recognition → text / lines[] → bounding_box / runs[] → style, di dalam style terdapat field seperti similar_font_family, foreground_color, bold, italic, underline, strikethrough, shadow, translucent. Cara mengganti harga adalah: sembunyikan layer harga lama, baca posisinya, warnanya, dan font yang mirip, lalu program desain menggambar ulang dengan teks baru.

Perlu ditegaskan batasannya: ini bukan pembuatan PSD otomatis. similar_font_family hanyalah perkiraan font yang mirip, tulisan tangan dan teks artistik mungkin tidak punya hasil OCR, dan tidak dijamin semua teks bisa dipisahkan menjadi layer mandiri. Selain itu, pemisahan layer ditagih per gambar yang benar-benar dihasilkan, jadi 13 output berarti ditagih 13 gambar.

Menyambungkan Empat Tahap Otomasi Gambar Produk Seedream 5.5

Setelah keempat tahap berjalan sendiri-sendiri, masalah berikutnya adalah menyambungkannya: apa yang dikirim di setiap langkah, kapan langkah selanjutnya dipicu, dan apa yang dilakukan saat muncul masalah. Tabel berikut merangkum input/output sekaligus titik pemeriksaan kualitas (saran teknis, bukan standar resmi):

Ada beberapa detail teknis yang wajib dirancang sejak awal. Pertama, persistensi: URL gambar hasil pembuatan berlaku 24 jam, jadi harus segera diunduh dan disimpan ulang. Kedua, penyimpanan versi: simpan setidaknya tiga versi—foto produk asli, visual utama yang sudah dikonfirmasi, dan materi desain final. Ketiga, penanganan anomali: coba ulang saat timeout, tangani jumlah lapisan yang tidak wajar, dan kembalikan ke versi terkonfirmasi terakhir jika pemeriksaan kualitas gagal. Keempat, pembatasan laju (rate limit): daftar model Volcengine Ark menunjukkan IPM maksimum 500 (bukan jaminan yang kaku), pemisahan lapisan mungkin memotong kuota di muka berdasarkan max_images, jadi max_images sebaiknya tidak dinaikkan secara asal.

Dari sisi ritme implementasi, Anda bisa bertahap dari operasi manual ke orkestrasi API: pertama jalankan kasus tumbler secara manual di Jimeng atau Doubao, lalu sambungkan satu produk menggunakan skrip, dan akhirnya sambungkan ke antrean serta pustaka materi untuk pemrosesan massal. Simpul pemeriksaan kualitas manual sebaiknya tetap dipertahankan—akurasi struktur produk tidak bisa dinilai hanya dari “terlihat nyata”.

import requests, io, time
from PIL import Image

BASE_URL = "https://api.apiyi.com/v1"  # antarmuka kompatibel OpenAI dari APIYI
API_KEY = "YOUR_API_KEY"
MODEL = "doubao-seedream-5-5-261028"   # mengacu pada daftar model di platform

def gen(payload: dict, retries: int = 2) -> dict:
    """Pemanggilan terpadu, dengan percobaan ulang sederhana"""
    payload = {"model": MODEL, "response_format": "url", **payload}
    for i in range(retries + 1):
        try:
            r = requests.post(f"{BASE_URL}/images/generations",
                              headers={"Authorization": f"Bearer {API_KEY}"},
                              json=payload, timeout=180)
            r.raise_for_status()
            return r.json()
        except Exception as e:
            if i == retries:
                raise
            time.sleep(5 * (i + 1))

def persist(url: str, path: str) -> str:
    """URL kedaluwarsa dalam 24 jam, wajib disimpan ulang (di sini disimpan lokal, di lingkungan produksi ganti dengan object storage)"""
    with open(path, "wb") as f:
        f.write(requests.get(url, timeout=60).content)
    return path

def scene(original_url: str, prompt: str) -> str:
    res = gen({"image": original_url, "prompt": prompt, "size": "2K",
               "background": "opaque", "output_format": "png", "watermark": False})
    return res["data"][0]["url"]

def edit(prev_url: str, prompt: str) -> str:
    # output putaran sebelumnya menjadi input putaran ini
    return scene(prev_url, prompt)

def transparent(original_url: str, prompt: str) -> str:
    res = gen({"image": original_url, "prompt": prompt,
               "background": "transparent", "output_format": "png"})
    return res["data"][0]["url"]

def decompose(poster_url: str, prompt: str, max_images: int = 15) -> list:
    # catatan: permintaan dekomposisi lapisan tidak boleh menyertakan parameter background
    res = gen({"image": poster_url, "prompt": prompt,
               "layer_decomposition": True,
               "layer_decomposition_options": {"max_images": max_images,
                                               "text_recognition": True}})
    return res["data"]

def recompose(layers: list, canvas_w: int, canvas_h: int, skip=()) -> Image.Image:
    """Susun bertumpuk berdasarkan z_index secara menaik, gunakan koordinat ternormalisasi agar pas di kanvas baru"""
    canvas = Image.new("RGBA", (canvas_w, canvas_h))
    for layer in sorted(layers, key=lambda x: x["z_index"]):
        if layer.get("name") in skip:
            continue  # misalnya lewati lapisan harga lama, biarkan program desain menggambarnya ulang
        img = Image.open(io.BytesIO(requests.get(layer["url"]).content)).convert("RGBA")
        l, t, r, b = layer["bounding_box"]["normalized"]
        x, y = int(l / 1000 * canvas_w), int(t / 1000 * canvas_h)
        w, h = int((r - l) / 1000 * canvas_w), int((b - t) / 1000 * canvas_h)
        canvas.alpha_composite(img.resize((w, h)), (x, y))
    return canvas

if __name__ == "__main__":
    original = "https://your-cdn.com/cup_original.png"
    v1 = scene(original, "使用参考图中的不锈钢保温杯作为唯一商品主体……不添加额外商品。")
    persist(v1, "cup_v1_office.png")       # lanjut ke langkah berikutnya setelah konfirmasi manual
    v2 = edit(v1, "将办公桌背景替换为温暖的木质咖啡厅场景……确保商品始终为单个主体。")
    persist(v2, "cup_v2_cafe.png")
    persist(transparent(original, "提取参考图中的保温杯主体……背景完全透明，PNG 格式。"),
            "cup_alpha.png")
    layers = decompose("https://your-cdn.com/cup_poster.png", "将商品海报拆分为独立图层……")
    for ly in layers:
        ocr = ly.get("text_recognition")
        if ocr:
            print(ly["z_index"], ocr["text"])  # serahkan ke program desain untuk mengganti teks
    recompose(layers, 1080, 1350).save("cup_poster_rebuilt.png")

Estimasi Biaya Otomatisasi Gambar Produk Seedream 5.5

Perkiraan berikut dihitung berdasarkan harga satuan standar yuan dari daftar resmi “Harga Model” Volcano Ark (diperbarui 12 November 2026), tidak termasuk biaya tambahan dari platform pihak ketiga: gambar masukan 0.05 yuan/gambar; gambar keluaran hingga 2,61 juta piksel 0.13 yuan/gambar, dan 2,61 juta hingga 4,63 juta piksel 0.23 yuan/gambar.

Berdasarkan perkiraan “1 kali pembuatan + 2 putaran pengeditan + 1 kali materi transparan + 1 kali pemisahan lapisan (asumsi tarif rendah)”, biaya per produk sekitar 1.95 yuan, sedangkan biaya pembuatan poster itu sendiri dihitung terpisah. Biaya pemisahan lapisan meningkat secara linear seiring jumlah lapisan; inilah alasan max_images perlu diatur sesuai kebutuhan. Sebagai pembanding, dengan harga resmi untuk pengeditan satu gambar referensi persegi 2K, Seedream 5.0 Pro adalah 0.60 yuan dan 5.5 adalah 0.28 yuan, tetapi aturan penagihan gambar masukan kedua generasi berbeda sehingga tidak dapat digeneralisasi ke semua tugas.

FAQ Pertanyaan Umum Otomasi Gambar Produk Seedream 5.5

Poin Penting Otomatisasi Gambar Produk Seedream 5.5

• Pembagian kerja empat langkah yang jelas: pembuatan skenario menghasilkan visual utama, pengeditan berkelanjutan menangani perubahan, sedangkan transparan dan pemisahan lapisan bertanggung jawab atas penggunaan ulang aset.
• Dua cabang independen: aset transparan diambil dari gambar asli produk, pemisahan lapisan hanya untuk poster lengkap, dan dipanggil sesuai kebutuhan.
• Rantai pengeditan menggunakan opaque: rekomendasi resmi adalah pengeditan berkelanjutan RGB dengan background:"opaque".
• Pemisahan lapisan tanpa background: hanya menerima 1 berkas PNG/JPEG, ditagih berdasarkan jumlah output aktual.
• Rekomposisi digerakkan field: ditumpuk dalam urutan menaik berdasarkan z_index, lalu gunakan koordinat ternormalisasi untuk menyesuaikan dengan kanvas baru.
• Persistensi dan pemeriksaan kualitas wajib: URL kedaluwarsa dalam 24 jam, struktur produk harus ditinjau ulang secara manual.
• Validasi dengan batch kecil terlebih dahulu: Anda dapat menguji petunjuk dan struktur respons menggunakan beberapa gambar produk melalui APIYI apiyi.com.

Ringkasan: Membuat gambar produk Seedream 5.5 beralih dari kreasi sekali jalan menjadi produksi aset

Kembali ke tujuan pengiriman gambar produk, pembagian peran empat kemampuan Seedream 5.5 dapat diringkas sebagai berikut:

1. Pembuatan skenario menentukan kualitas visual utama: gambar referensi + petunjuk dengan batasan ketat, menjaga bentuk produk, logo, dan jumlah.
2. Pengeditan berkelanjutan menentukan stabilitas revisi: output putaran sebelumnya menjadi input putaran berikutnya, hanya menjelaskan perubahan, dan mulai dari versi yang sudah dikonfirmasi.
3. Aset transparan dan pemisahan lapisan menentukan kemampuan pakai ulang: satu menghilangkan kebutuhan seleksi manual, satu lagi mengembalikan poster datar menjadi data yang dapat disusun ulang.
4. Orkestrasi dan pemeriksaan kualitas menentukan biaya yang terkendali: penagihan berdasarkan output aktual, penetapan jumlah putaran dan batas max_images, serta penyimpanan tiga versi.

Model hanyalah unit produksi dalam alur kerja; pengelolaan aset, komposisi, dan pemeriksaan kualitas tetap harus diselesaikan oleh sistem Anda. Disarankan untuk terlebih dahulu menjalankan keempat tahap secara manual dengan satu produk nyata, lalu secara bertahap beralih ke orkestrasi API. Untuk memverifikasi hasil dengan cepat, disarankan melalui APIYI apiyi.com; platform ini menyediakan antarmuka yang kompatibel dengan OpenAI dan kuota gratis untuk pengguna baru, sehingga memudahkan Anda menyelesaikan uji skala kecil sebelum peluncuran resmi.

📚 Referensi

1. Pengumuman resmi Seedream 5.5: peningkatan inti, contoh resmi, dan evaluasi
2. Tautan: seed.bytedance.com/zh/blog/more-realistic-images-more-stable-editing-across-100-rounds-introducing-seedream-5-5

3. Keterangan: sumber demo resmi untuk 100 putaran pengeditan, aset transparan, dan pemisahan lapisan

4. Tutorial resmi Seedream 5.5 di Volcano Ark: parameter, contoh pemanggilan, dan paket aset contoh

5. Tautan: console.volcengine.com/ark/region:cn-beijing/docs/seedream-5-5

6. Keterangan: penjelasan konfigurasi untuk pengeditan multi-putaran, output transparan, pemisahan lapisan, dan OCR

7. API pembuatan gambar Volcano Ark: kolom permintaan dan struktur respons

8. Tautan: console.volcengine.com/ark/region:cn-beijing/docs/image-generation-api

9. Keterangan: definisi kolom seperti z_index, bounding_box, text_recognition

10. Harga model Volcano Ark: aturan penagihan dalam RMB (diperbarui pada 12 November 2026)

11. Tautan: console.volcengine.com/ark/region:cn-beijing/docs/model-pricing

12. Keterangan: dasar harga untuk perhitungan biaya dalam artikel ini

13. Blog teknis Segmind: uji coba 36 pembuatan berbayar dan 12 putaran pengeditan

14. Tautan: blog.segmind.com/seedream-5-5-is-here-edit-in-rounds-transparent-pngs-and-layers/

15. Keterangan: pengamatan pihak ketiga tentang pergeseran warna, material transparan, dan perubahan struktur produk

16. Uji coba Xinghai Qingbaoju: pengujian skenario desain komersial

17. Tautan: eet-china.com/mp/a538489.html

18. Keterangan: umpan balik nyata tentang perubahan warna e-commerce, PNG transparan, dan masalah teks

19. Halaman model SeedRouter: pengamatan waktu pemrosesan pemanggilan API

20. Tautan: seedrouter.ai/zh/models/seedream-5-5
21. Keterangan: referensi waktu pemrosesan end-to-end untuk berbagai output dan tugas pemisahan lapisan

Penulis: Tim Teknis APIYI
Komunikasi teknis: Silakan hubungi kami melalui halaman beranda situs APIYI; materi integrasi lainnya dapat diakses di pusat dokumentasi docs.apiyi.com

Artikel terkait

• Seberapa Canggih Seedream 5.5? 3 Angka Kunci di Balik 100 Putaran Pengeditan Gambar yang Tetap Stabil: Ulasan Seedream 5.5: membahas tiga peningkatan, yaitu penyuntingan 100 putaran, aset transparan RGBA bawaan, dan teks kecil Mandarin-Inggris, serta membedakan uji resmi, laporan media, dan spesifikasi pihak ketiga, disertai kriteria penerimaan, cara memulai, dan panduan integrasi API.
• MiniMax H3-Image vs Seedream 5.5, Cara Memilih untuk Pengeditan Gambar Seratus Putaran: Pahami 2 Model Lewat 5 Tabel: MiniMax-H3-Image unggul dalam keluaran langsung sekitar 16MP dan hingga 16 gambar referensi, sedangkan Seedream 5.5 unggul dalam sekitar 100 putaran penyuntingan berkelanjutan yang diklaim resmi serta latar transparan bawaan; artikel ini memberi kesimpulan berdasarkan jenis pekerjaan dan menjelaskan generasi Seedream mana yang saat ini dapat dipanggil lewat APIYI.
• Saat pembuatan gambar tidak mengembalikan gambar, periksa respons dulu sebelum mencoba ulang: 4 langkah penilaian agar terhindar dari pemotongan biaya berulang: Saat memanggil antarmuka pembuatan gambar dan respons tidak berisi gambar, tentukan penyebabnya melalui 4 langkah berikut: periksa status HTTP, periksa data gambar, periksa pesan kesalahan, lalu coba ulang sekali setelah dikonfirmasi, agar gambar yang sama tidak dikenai biaya berulang.
• gpt-image-2.6-all 的 2K/4K, jangan percaya size pada respons yang dikembalikan: gpt-image-2.6-all pada tingkat 2K/4K menggunakan mode super-resolusi sehingga respons mungkin tidak menampilkan kembali size, dan piksel aktualnya terkadang menyimpang; artikel ini menjelaskan penyebabnya serta cara membaca lebar dan tinggi asli setelah gambar disimpan sebelum menata tata letak.
• Cara Memilih Saluran GPT-Image: Perbedaan 3 Jenis Saluran Resmi dan Reverse (-all, -vip), Riwayat Gangguan, serta 5 Strategi Cadangan: Bandingkan perbedaan tiga jenis saluran GPT-Image (resmi, -all, dan -vip) dalam hal penagihan, ukuran, dan penyuntingan lokal, tinjau kembali insiden gangguan historis April–Oktober 2026, serta berikan solusi cadangan berupa percobaan ulang terbatas, pemutus sirkuit, dan saluran cadangan.