商汤科技推出SenseNova U1信息图增强版V3开源模型，在保持高信息密度生成能力的基础上，新增局部文字修改、内容编辑、全局风格与布局调整功能。适合设计师、内容创作者及开发者使用，模型权重已公开免费下载，无需重复生成即可修正细节。
Tags:
邀请大家来玩一场“找不同”小游戏：你能发现从左到右一共编辑了几处吗？欢迎在评论区留言！
左边是原图，右边是编辑后的图~（本文所有图片均可点开查看大图）
但在高信息密度场景中，错字修改、图标调整、内容增补等局部修改仍难以完全避免。哪怕只出现一个文字错误，也可能让整张图无法直接使用，用户只能重新生成、反复“抽卡”。
为进一步提升模型在图文融合与结构化视觉内容生成中的交付能力，商汤科技正式推出SenseNova U1信息图增强版V3（SenseNova-U1-8B-MoT-Infographic-V3，以下简称Infographic-V3）。
模型权重下载地址：
https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic-V3
新版本延续了 V2 强大的信息图生成能力，并首次加入信息图编辑能力：当画面整体已经令人满意时，用户无需推倒重来，只需针对局部文字或整体风格进行修改，即可继续完善作品。
原图
主题风格换成漫画风格，需要进行以下修改：
第一项修改：将原图中的文字：“STYLE”替换为：“时尚杂志”
第二项修改：将原图中的文字：“FORWARD”替换为：“美丽的补充力”
原图
删除海面下的塑料袋、塑料瓶和吸管，将中央口号改为白色手写体“SAVE OUR OCEAN”，把右侧海龟移到文字下方并在底部新增回收标志，保持海洋分层结构清晰
从“重新生成”到“按需修改”
让好图不再因小错作废
局部文字编辑
Infographic-V3 支持多种信息图的编辑方式。用户既可以在图上标注目标区域后进行定点修改，也可以通过自然语言(Prompt) 直接指定需要修改的内容。面对错字、漏字或重复字，模型能够在尽量保持原有版式、配图和视觉结构的前提下完成修正。
标注目标区域进行定点修改
把红色框的“经典·从容·每一刻”换成经典时尚手表，蓝色框换成“100米防水”，橙色框换成电池寿命约10年
修复红框内模糊标题为“量子互联网的第一条链路”，其余不动
在红框中加入“年度结余目标：120,000元”
把红色框的“我不见，黄河之水地下来”替换成“君不见，黄河之水天上来”，把蓝色框的“我不见，高堂明镜悲白发”替换成“君不见，高堂明镜悲白发”
通过自然语言 Prompt 直接指定需要修改
第一项修改：将原图中的文字：“不够高级“替换为：“DESIGN！OR DIE！”第二项修改：将原图中的文字：“没有惊喜感”，换成“缺乏设计感会导致”
透明杯壁上加入“CURLY & PROUD”，文字需随杯面弧度自然变形，并呈现透过玻璃与茶水后的透明度和色偏
将四代员工使用个人AI工具的比例依次改为：Gen Z 92%、Millennials 81%、Gen X 68%、Boomers 55%，并同步调整四根彩色柱子的高度。保留人物插画、英文标题、配色纹理、来源和品牌信息不变
局部内容编辑
除了文字修改，对于局部内容不满意等情况也可以进行编辑。
主题风格换成乐高风格。将原图中的文字：“2022“替换为：“2025”
第二项修改：将原图中的文字：“FINESTBUSINESSTRENDS”换成“HELLO！ WORLD！”
全局风格编辑
除了可以进行局部修改，Infographic-V3 还支持对信息图的整体风格进行调整。用户可以在保留核心信息与结构的同时，更换视觉表达方式，使同一份内容适配不同品牌、主题与传播场景。
把图片风格换成中国传统风格，字体换成宋体
保持内容不变，迁移为亮色风格
风格换成复古羊皮纸地图风；保留全部文字、数据与版式
全局布局编辑
此外，Infographic-V3 还具备全局布局编辑能力，能够在保留核心信息的基础上，重新组织内容层级与版面结构，让信息呈现更加清晰，并灵活适配不同尺寸与使用场景。
信息大致不变，对布局进行美化
信息图生成能力
更重要的是，编辑能力的加入并未以牺牲生成能力为代价。Infographic-V3 延续 V2 在图文融合、复杂排版与结构化视觉表达方面的优势，能够处理高信息密度内容、复杂版式与多样视觉风格。
从 MT阶段重启训练
兼顾生成与编辑能力
为了获得稳定的信息图编辑能力，技术团队没有只在后训练上调整，而是回到 MT（中期训练）阶段重新设计训练路径。围绕真实编辑需求，合成了形式多样的信息图编辑数据，并按照一定配比联合训练文本生成图像（T2I）与图像编辑任务。
模型随后依次经历 MT、SFT（监督微调）和 RL（强化学习）阶段。实验结果表明，这种联合训练方式使 Infographic-V3 在保留较强信息图生成能力的同时，获得了多种文字编辑和风格编辑能力，为信息图从“一步生成结果”走向“可持续修改的视觉作品”打下基础。
新增编辑能力评测
在两项近期 Benchmark 上取得良好表现
针对新加入的编辑能力，技术团队新增了专门评测文字编辑能力的 WeEdit 评测基准，也引入近期开源的Qwen-Image-Bench 进行文生图综合能力的评测。
结果显示，Infographic-V3 在两项评测中均取得了良好表现，验证了模型在文字修改、局部编辑与综合图像编辑方面的能力，在文生图的综合能力上也稳步提升。
在编辑榜单WeEdit上，Infographic-V3均分为5.89分，表现为开源模型中的最优
在Qwen-Image-Bench上，Infographic系列模型的表现稳步增长
下一步：让模型学会自我检查、自我纠错与持续迭代
Infographic-V3 已经具备单轮生成与单轮修改能力，实现从首次创作到后续修改的一体化体验，而这只是起点。SenseNova-U1 架构原生支持图文交替思考，这意味着模型未来有机会在生成信息图后主动检查内容与版式，发现问题后自主调用编辑能力完成纠错，并通过多轮迭代持续优化结果。
当生成、检查、修改形成闭环，信息图创作将从“用户反复抽卡”进一步走向“模型自主打磨成品”。技术团队期待持续增强模型一次性交付高质量视觉内容的能力，让 AI 信息图真正进入更可靠、更高效的生产流程。
目前SenseNova U1信息图增强版V3（SenseNova-U1-8B-MoT-Infographic-V3）已面向全球用户开源。欢迎广大创作者、开发者下载体验，持续提供反馈和建议。
模型权重下载地址：
https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic-V3
模型文档：
https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1_infographic_model_CN.md
魔搭社区：
https://modelscope.cn/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3
没有评论:
发表评论