字节跳动旗下智能AI助手豆包近日再度迎来功能升级——其文生图能力实现重大突破，用户如今可在生成的图片中直接嵌入指定文字。操作极为简便：在撰写生图提示词时，只需添加对文本内容的要求，AI即可将文字完美融入输出画面。目前，该功能已在豆包App启动测试，同时另一款产品即梦也已小范围开放体验。

实际上，汉字生成一直是文生图领域的难点——既要确保字形准确无误，又要与画面风格协调统一，还需适配中文复杂的结构特征。据“虎嗅”今日报道，豆包大模型团队相关负责人透露，此次豆包文生图模型突破了LLM与DIT架构之间的壁垒，在原生中文数据学习能力上投入了大量研究，从而显著提升了汉字生成效果。简而言之，模型对中文的理解更为深入，生成的文字自然更加精准可靠。好消息是，豆包网页版及桌面端也将在近期同步上线该功能。

大约在一个月前，豆包就已上线了图片理解功能。用户在豆包App或PC端新增的照片及相机按钮中上传图片后，AI能够识别画面中的元素与基本特征。例如，拍摄一张风景照询问“这是哪儿”，或截图影视剧片段询问“这个角色出自哪部作品”，均可获得较为准确的答案。这两次更新一前一后，完善了读图与生图的能力闭环，产品迭代节奏十分紧凑。