生成した画像が「10枚のレイヤー」で出てくる — Seedream 5.0 Proが狙うのは絵ではなく制作現場だ

画像生成AIの進化は、そろそろ「きれいな絵を出す」の先へ行こうとしている。

7月8日、ByteDanceが画像生成の新フラッグシップ「Seedream 5.0 Pro」を公開した。海外のAIメディア（TestingCatalog、BigGo、OpenPRなど）が一斉に取り上げたが、記事の見出しはほぼ一点に集中していた。生成した1枚の画像が、最初から10枚以上の透明PNGレイヤーに分かれて出てくる——この機能だ。

正直、これは地味に見えて相当効く。理由を順に書いていく。

「1枚の絵」ではなく「編集できる素材」を吐く

これまでの画像生成AIは、どれだけ精巧でも最終的に出てくるのは「1枚のフラットな画像」だった。背景と人物を分けたい、ロゴだけ動かしたい、色を変えたい——そう思ったら、Photoshopで切り抜くか、生成し直すしかなかった。

Seedream 5.0 Proは、この前提を崩す。1回のレンダリングを、ドラッグ・拡大・差し替えができる10以上の独立した透明PNGレイヤーに分離してくれる。しかもそのままFigmaやPhotoshopに持ち込める。

つまり出力が「完成品」ではなく「編集途中のファイル」なのだ。ここが無印のSeedream 5.0（以前レビューした、Web検索しながら描くモデル）との決定的な違いになる。無印が「賢く1枚を描く」なら、Proは「制作現場でそのまま使える形で吐く」に振り切っている。

描く前に「考える」画像AI

もう一つの目玉が、生成前のdeep-thinkingプロンプト推論と、描画前のリアルタイムWeb検索だ。

推論というのは、プロンプトを受け取ってすぐ描き始めるのではなく、「何を描くべきか」を一度考えてから生成に入る、ということ。テキスト生成AIで当たり前になった「考えてから答える」を画像に持ち込んだ形だ。複雑な指示——たとえば「この4つのデータを1枚のインフォグラフィックにまとめて」のような要求——で効いてくる。

実際、ByteDanceが強調している用途の一つが複雑な情報のビジュアル化だ。密度の高いデータを、読めるインフォグラフィックに落とし込む。ここは従来の画像AIが壊滅的に弱かった領域で、文字が崩れる・数字が化ける・レイアウトが破綻する、が定番だった。Proはここに正面から取り組んでいる。

日本語の文字が、画像の中で崩れない

日本のユーザーに一番刺さりそうなのが、オンイメージ文字の多言語対応だ。

Seedream 5.0 Proは、中国語・英語・フランス語・ドイツ語・ロシア語・日本語・韓国語・スペイン語・アラビア語など10言語以上で、画像内に文字を描ける。右から左に書く言語のレイアウトやアクセント記号にも対応する。

これが地味に重要で、これまでの画像AIは英語ですら文字がよく崩れた。日本語に至っては「それっぽい謎の漢字」が並ぶことが多かった。バナー、サムネイル、店頭POP、インフォグラフィック——日本語テキストが必要な制作物で画像AIが使えなかった最大の理由がここだった。Proがこれを実用レベルで解けているなら、SNS運用者やデザイナーの作業が一段変わる。

料金と使い方

Seedream 5.0 Proは、Volcano Engine、BytePlus、fal、ComfyUI、そしてByteDance自身のDoubao・Jimeng（Dreamina）経由で利用できる。

API価格は1枚あたり$0.075（〜2.36MP、日本円でおよそ11円前後）。ネイティブ2K出力に対応する。個人が試すだけならDreamina経由が入口として手軽だろう。本格的に組み込むならfalやVolcano EngineのAPIという住み分けになる。

APIで叩けるということは、バッチ処理に乗せられるということでもある。商品リストのサムネを100枚まとめて生成し、レイヤー分離された状態で受け取ってデザイナーが微調整する——といったワークフローが現実的に組める。ここは後述するが、可能性が広い。

この機能が揃うと何ができるか

機能の紹介で終わらせたくないので、Proが実際に何を可能にするかを考えてみる。

1つ目。デザインの「たたき台生成」が一気に自動化される。 レイヤー分離とAPIを組み合わせれば、「ラフを50パターン生成 → 全部Figmaで開ける状態 → 人間は選んで直すだけ」が成立する。ゼロから作る時間が、選んで直す時間に置き換わる。バナーやサムネを量産する現場では、これだけで工数が大きく変わる。

2つ目。日本語インフォグラフィックの内製化。 これまで外注していた「データをきれいな図解にする」作業を、社内で回せるようになるかもしれない。文字崩れが実用レベルで解決していれば、の話だが、条件が揃えば資料作成の景色が変わる。

3つ目。動画制作の前工程との接続。 生成した2K素材をレイヤーごとに動かせば、簡易なモーショングラフィックスの素材として使える。画像AIで作った素材に、別ツールで音声ナレーションを載せれば、企画動画のプロトタイプが1人で作れる。ここはまだ「揃えば」の段階だが、素材がレイヤーで出てくる意味は大きい。

正直な評価

期待の持てるアップデートだと思う。特にレイヤー分離は「画像AIの出力をそのまま制作に使えない」という長年の不満に対する、まっとうな回答だ。方向性が「絵のクオリティ競争」ではなく「制作フローへの統合」に向いているのが賢い。

一方で、割り引いて見るべき点もある。レイヤー分離や日本語文字の精度は、公式のデモと実運用でギャップが出やすい領域だ。「10枚に分かれます」と言っても、その分割が意図通りとは限らない。日本語も、短いキャッチコピーは描けても長文で崩れる可能性は残る。ここは実際に触って検証すべきで、現時点の評価は「デモベースでは非常に有望」に留めておく。

それでも、MidjourneyやNano Banana、GPT Imageといった競合が「1枚の絵の美しさ」を競う中で、ByteDanceが「編集できる素材を吐く」という別の土俵を選んだのは面白い。画像AIの評価軸が、これから「どれだけ制作現場に馴染むか」に移っていくとしたら、Proはその先頭にいる。

公式の詳細はSeedream（Dreamina）から確認できる。