doubao-seedream-5-0-pro 在「多人互动」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：doubao-seedream-5-0-pro
- 用例名称：多人互动
- 测试类型：图像生成
- 评测维度：人物生成
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
画面中有三个小朋友在公园草地上玩耍，一个穿红色T恤的男孩在踢球，一个穿黄色连衣裙的女孩在跳绳，还有一个穿蓝色短裤的男孩在旁边拍手。阳光明媚，背景有几棵绿树。
任务要求
AI 模型需要满足以下要求：
- 画面中必须恰好包含三个小朋友，每个人物均清晰可见，不得多于或少于三人
- 必须有一个穿红色T恤的男孩正在执行踢球动作，腿部姿势需符合踢球的基本物理形态
- 必须有一个穿黄色连衣裙的女孩正在执行跳绳动作，手持跳绳或跳绳道具清晰可见
- 必须有一个穿蓝色短裤的男孩正在执行拍手动作，双手合拢姿势明确可辨
- 场景必须为公园草地户外环境，背景中需有至少两棵绿树，整体呈现阳光明媚的明亮色调
- 三个人物的肢体结构需基本正确，手部无明显多指或畸变，面部五官清晰，无严重AI生成瑕疵
评测结果
综合得分
该模型在此用例的得分为：71.7 分（满分 100 分），已通过
基础难度评测结果
- 得分：71.7 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】图像整体质量较高，场景氛围和人物动作表现出色，但存在一个核心失误：提示词要求恰好三个小朋友，而图中生成了四个儿童。模型在处理跳绳场景时，将「一个跳绳女孩」拆分为两个角色（一个持绳端、一个跳绳），导致人物数量超出要求。这一错误直接影响了指令遵循度评分。场景环境和人体结构表现均属优秀水准，但人物数量的核心偏差使整体评分受到较大拖累。 【GEMINI】这张AI生成图像在场景环境和人体结构方面表现优秀，公园草地场景细节丰富，三个核心动作（踢球、跳绳、拍手）均正确呈现。然而，最致命的问题是画面中出现了四个小朋友而非提示词要求的三个——多出了一个同样穿黄色连衣裙的女孩站在中间，直接违反了「恰好三人」这一核心数量要求。这一错误导致instruction_fidelity维度大幅扣分，拉低了整体评价。 【KIMI】该图像在场景环境和单个人物质量上表现优秀，但存在致命的指令遵循失误——人物数量从要求的3人变为4人，且出现两个同服装的黄色连衣裙女孩。这一错误直接源于AI在生成多人场景时的控制失效，属于'多人场景测试'中的典型失败案例。尽管画面美观度高、个体动作准确，但核心指令'三个小朋友'未被遵守，导致instruction_fidelity维度大幅扣分。建议优化模型对人物数量的精确控制能力，避免角色重复生成。
进阶难度评测结果
- 得分：84.5 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一张整体质量较高的AI生成商务会议场景图像，成功还原了提示词中绝大多数关键要求：五位商务人士的数量和位置关系准确，各角色的标志性动作（持激光笔、用电脑记录、托下巴思考、举手提问）均清晰呈现，投影屏幕内容真实丰富，桌面道具配置完整。主要不足是会议桌形态为圆形而非提示词要求的椭圆形，以及背对镜头男性的翻阅文件动作不够清晰。在AI生成多人复杂场景方面，该图像展现了较强的指令理解和执行能力。 【GEMINI】这是一张整体质量较高的AI生成商务会议场景图像。图像成功还原了提示词的核心要素：五人围坐、主讲女性持激光笔讲解数据图表、右侧男性托下巴思考、对面同事翻文件和举手提问，场景氛围专业真实。主要不足在于左侧年轻男性的动作与提示词「在笔记本电脑上记录」有偏差，实际呈现为手写记录而非操作电脑。整体而言，图像在多人场景生成、人物动作差异化、道具细节和场景氛围方面表现出色，是一张接近优秀的商务场景生成作品。 【KIMI】这是一张质量较高的AI生成多人商务会议场景图，基本完成了提示词的所有核心要求。人物数量、位置关系、道具配置、场景氛围均达标。主要不足在于手部细节的精细度——这是AI生成多人场景的常见难点，特别是持激光笔的手和举手的手，手指边界模糊影响了真实感。此外屏幕文字存在疑似重复错误。整体属于'基本完成要求，存在1-2处明显瑕疵'的级别，在AI生成图像中属于中上水平。
困难难度评测结果
- 得分：81.9 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一张整体质量较高的AI生成夜市场景图像，成功还原了提示词中大部分核心元素：多人场景布局合理，三位顾客动作与提示词高度吻合，夜市氛围（霓虹灯、蒸汽、暖色光源）营造出色，招牌文字细节丰富。最主要的缺陷是厨师的「拉面」动作未能实现——图中呈现的是单手捞面而非双手拉伸面团的经典拉面动作，这是提示词最具标志性的动作要求。此外章鱼烧摊主的翻转动作也不够明显。综合来看，图像在场景构建和氛围营造上表现优秀，但在最核心的动作细节（拉面手势）上存在明显偏差。 【GEMINI】这是一张完成度极高的AI生成图像，几乎完整还原了提示词中复杂的多人夜市场景。六个以上可识别人物均准确呈现，三位顾客的动作与位置与提示词精确对应，夜市氛围营造出色，空间层次清晰，招牌文字细节丰富。主要不足在于厨师动作更接近「捞面」而非「拉面」，以及章鱼烧女摊主翻转动作动态感略弱。整体而言，这张图像在多人场景生成、指令遵循和视觉真实感方面均表现优秀，是高质量的AI生成作品。 【KIMI】该图像作为AI生成的多人复杂场景，整体完成度较高，尤其在氛围营造、人物布局和文字标注方面表现突出。主要短板在于厨师核心动作的偏离——提示词明确要求'拉面'动态（双手持面团、面条弧线），而实际呈现为'挑面'动作，这属于对关键动态指令的未完全遵循。此外，面条的动态弧线缺失影响了画面的视觉张力。若修正厨师动作和面条轨迹，该图像可达到90分以上水准。
相关链接
您可以通过以下链接查看更多相关内容：
