商汤SenseNova U1图文交错增强版：支持多页连续创作，角色风格不“跑偏”

2026-06-12 21:07:09 来源：财讯网

小大

商汤日日新 SenseNova U1 系列新成员——U1-8B-MoT-Interleaved 图文交错增强版模型，面向图文交错创作与生成（Interleaved Generation）场景进行了专项强化，更好地支持绘本、故事书、多页 PPT、图文教程等连续内容创作，解决传统多模态模型“多轮生成后角色形象飘移、画风断裂、图文脱节”等痛点。

核心突破：从“单张高质量”到“连贯图文长序列”

SenseNova U1 图文交错增强版的核心能力表现在：能够在长内容场景中，持续输出风格统一、叙事连贯、图文高度对应的多页结果 ——它不再仅仅生成孤立的单张图像，而是一套完整的、可直接使用的图文内容序列 。

其核心升级主要体现在四个方面：

1、叙事一致性与角色连贯性大幅提升

模型显著提升了长周期创作中的叙事连贯性、角色一致性与画风统一性。故事线在整个生成过程中被严格遵循，人物形象从第一页到最后一页均保持高度一致，彻底解决了此前多轮生成中角色形象“走调”的核心痛点。

2、图文对应关系增强，告别“图文脱节”

经过专项训练，模型大幅改善了图像内容与文字描述之间的语义对齐能力。生成的画面能更准确地呈现文本所描述的复杂场景、动态动作与物体间的空间关系，有效减少了“图文脱节”的现象。

3、视觉质量与Artifact明显改善

针对人物结构、文字渲染、页面排版等高频高难区域进行了定向优化，显著降低了生成物中的视觉瑕疵（Artifact），使复杂图文混排内容更加自然、稳定和可用。

4、全新能力：多页 PPT 自动生成

新版本首次支持了多页 PPT 自动生成能力。模型能够智能从输入内容中提取要点，自行完成排版设计与文字渲染。

能力对比：四大场景实测表现

以下通过实际案例，直观呈现SenseNova-U1-8B-MoT-Interleaved图文交错增强版模型在各类图文创作任务中的真实表现：

场景一：教程类内容生成

• 任务场景：生成带有步骤说明与配图的图文指南。这类场景的关键痛点在于：步骤必须清晰，图文需严格语义对齐，且画面逻辑要干净实用。 • 原版模型表现：生成的果蔬图像虽较真实，但搅拌步骤的配图出现了违背物理逻辑的“星云漩涡”；且生成步骤较为繁琐，家庭实操实用性偏低。 • 增强版模型优势：西瓜图像更加真实自然，无锯齿状视觉瑕疵（Artifact）；搅拌动作完全符合真实物理逻辑；同时步骤精简实用，贴近真实操作场景。

原版

图文交错增强版

场景二：故事书类内容生成

• 任务场景：根据故事文本生成多页连续的儿童绘本，核心难点在于确保角色不“变脸”、情节连贯完整。 • 原版模型表现：未能遵循“角色突然失踪”的关键情节指令；表达形式单一且无文字配解；情节逻辑不够流畅，画面中鸟类尾部及人物面部出现明显形变（Artifact），形象不够卡通，缺乏童话感。 • 增强版模型优势：精准呈现“突然失踪”的核心反转情节；故事原生配有文字讲解，表达形式丰富，可读性大幅提升；角色形象卡通化且稳定，无形变问题。

原版

图文交错增强版

场景三：绘画过程类内容生成

• 任务场景：生成模拟手绘过程的逐步图文内容，要求能循序渐进地呈现绘画步骤与创意作品的诞生全过程，风格需高度统一。 • 原版模型表现：基本遵循指令，但“过程感”呈现有限；画面质感一般，缺乏纸张的纸质肌理，视觉上更接近生硬的数字渲染风格。 • 增强版模型优势：指令遵循更精准；绘画步骤的过程性体现极强，层次感清晰可见；画幅表现异常逼真，纸张上的画面感极强，完美还原了真实手绘的艺术质感。