图像编辑模型FireRed-Image-Edit：小红书团队出品，让图片编辑像说话一样简单

小红书智能创作基础技术团队正式推出 FireRed-Image-Edit——一款通用图像编辑模型，凭借原生编辑架构、精准指令遵循能力，在广泛场景下实现高保真、视觉一致的编辑效果，既打破了专业修图的门槛，也弥补了现有开源模型的性能短板，让“用文字描述，就能修图”的愿景落地。

• GitHub：https://github.com/FireRedTeam/FireRed-Image-Edit
• Demo：https://huggingface.co/spaces/FireRedTeam/FireRed-Image-Edit-1.0

认识 FireRed-Image-Edit：它到底能解决什么问题？

在 AI 图像编辑普及之前，我们修图要么依赖 PS 等专业软件（耗时、难上手），要么使用简易修图工具（功能有限）；而当下的 AI 修图工具，又普遍存在三大痛点：闭源商业产品“看不懂、用不了”，开源模型“跑不动、改不准”，普通工具“听不懂复杂指令、改完违和”。

FireRed-Image-Edit 的核心使命，就是解决这些痛点：用更低的部署成本、更高的执行效率，打造一款“听得懂人话、改得准细节、留得住原味”的通用 AI 图片编辑工具——无需专业技能，无需昂贵设备，只需用自然语言描述需求，就能完成从简单调色到复杂创意编辑的所有操作。

随着自然语言交互技术的成熟，“用描述替代操作”已成为 AI 应用的主流趋势，图片编辑领域也正从“动手”向“动口”升级。而 FireRed-Image-Edit 的突破，就在于它能精准理解复杂多条件指令，同时保证编辑结果的自然度和一致性，破解了“AI 修图易翻车”的行业难题。

核心功能：一张图能改的，它都能“听懂”并完成

FireRed-Image-Edit 就像一位全能修图师，覆盖内容、风格、结构、文字四大维度，无论是日常修图还是创意创作，都能轻松胜任，更有老照片修复、虚拟试穿等特色玩法：

1. 内容级编辑：精准修改画面核心元素

针对画面中的具体物体，实现“加、删、换、调”全操作，不破坏原图场景和光影：

• 添加物体：在风景照里加人物、宠物、道具，与原图融合自然，无违和感；
• 删除物体：一键移除路人、杂物、水印，自动修补背景空缺，不留修改痕迹；
• 替换物体：把苹果换成橙子、把晴天换成雨天、把运动鞋换成高跟鞋，保留物体原有姿态和光影关系；
• 调整属性：改变物体颜色、材质、大小、形状，比如“把黑色背包改成棕色皮质”“把圆形桌子改成方形”。

2. 风格级编辑：一键切换画面氛围

不改变画面内容，只调整视觉风格和色调，满足不同场景的审美需求：

• 艺术风格迁移：把普通照片转换成油画、水彩、动漫、素描、复古胶片等风格；
• 色调调整：一键切换暖调、冷调、清新、复古、暗黑等色调，适配社交媒体发布需求；
• 光影重构：改变光照方向、强度，比如“把侧光改成顶光”“给人物添加柔和逆光”，营造不同氛围感。

3. 结构级编辑：灵活调整画面布局

针对画面构图、物体姿态和视角，进行精细化调整，优化画面呈现效果：

• 视角变换：把正面人物照改成侧面照、把平视风景改成俯视视角，保留物体细节和比例；
• 姿态调整：让人物换姿势、换动作，比如“把站立的人改成坐姿”“让挥手的人改成比心”，姿态自然不僵硬；
• 构图重组：调整画面中元素的位置，比如“把左边的花瓶移到右边”“让人物居中，增加背景留白”。

4. 文字级编辑：高保真保留字体风格

这是 FireRed-Image-Edit 的突出优势，解决了多数 AI 修图“改字必翻车”的问题：

• 添加文字：在海报、图片上添加标题、文案，字体、大小、排版可通过文字指令调整；
• 修改文字：把“促销”改成“售罄”、把“2024”改成“2025”，精准保留原图字体风格、颜色和排版；
• 修复文字：让模糊、褪色、有划痕的文字变得清晰，比如修复老照片上的文字、海报上的模糊文案。

5. 特色高级玩法：解锁更多实用场景

• 虚拟试穿：把任意衣服“穿”到模特身上，精准还原衣物褶皱、垂坠感，保留模特原有姿态和背景，适配电商带货场景；
• 老照片修复：一键修复模糊、褪色、有划痕、破损的老照片，恢复清晰细节和自然色彩，同时保留老照片的时代质感；
• 多图像编辑：灵活处理多张图片，比如“把两张照片的人物合成到同一场景”“让两张照片保持统一色调”；
• 创意合成：打破现实边界，比如“让汽车长出翅膀”“让猫咪穿上西装”，生成超现实创意作品。

四大核心优势：为什么它比其他 AI 修图工具更能打？

相比市面上的 AI 图片编辑工具，FireRed-Image-Edit 凭借四大特色，实现了“好用、精准、高效、轻量”的平衡，既适合普通用户，也能满足专业需求：

优势一：听得懂“复杂人话”，指令遵循零偏差

不同于多数 AI 只能理解简单指令（比如“把狗变成猫”），FireRed-Image-Edit 能精准拆解复杂长指令。比如你说：“把图中穿红色连衣裙的女孩换成穿蓝色牛仔裤和白色T恤，保持女孩的表情和姿势不变，把背景里的咖啡馆换成图书馆，整体色调调整为暖黄色，光线柔和一点”，它能准确捕捉每一个需求点，不遗漏、不做错。

优势二：改得准、留得住，视觉一致性拉满

图片编辑的核心痛点，就是“改了该改的，毁了不该改的”。而 FireRed-Image-Edit 加入了专属的一致性约束机制，编辑时只会修改指令指定的区域，未编辑区域的细节、光影、风格完全保留：换衣服时，人物的长相、表情、姿态不变；改背景时，前景物体的光影关系不变；调色调时，文字的颜色、清晰度不变，整体画面和谐统一。

优势三：文字编辑能力突出，可媲美闭源方案

多数开源 AI 修图工具在处理文字时，要么字体混乱、要么排版怪异、要么和背景脱节，而 FireRed-Image-Edit 专门针对文字编辑做了优化，不仅能精准识别图片中的文字，还能模仿原图的字体、大小、颜色、排版，修改或添加文字后，能完美融入背景，无论是简单的文字修改，还是复杂的海报文案编辑，都能达到专业修图的效果，性能可与谷歌、OpenAI 等大厂的闭源产品媲美。

优势四：高效轻量，部署成本低

研究团队没有盲目追求“参数越大越好”，而是通过优化数据质量和训练方法，在相对轻量的架构上实现了顶级性能。相比动辄几百亿参数、需要专业显卡才能运行的开源模型，FireRed-Image-Edit 更轻量化，未来普通用户有望在电脑、手机等消费级设备上直接运行，无需投入高昂的硬件成本。同时，它基于文本到图像的基座模型原生构建，编辑效率更高，生成速度更快。

工作原理：用大白话看懂 AI 修图的“魔法”

FireRed-Image-Edit 能精准听懂指令、做好修图，背后离不开一套科学的训练体系，就像培养一位顶尖修图师，从基础到进阶，逐步打磨能力：

第一步：海量“看图说话”，打好视觉基础（预训练阶段）

就像人要先认识世界，才能学会改造世界，FireRed-Image-Edit 首先通过“看图说话”积累视觉知识：研究团队给它投喂了超过 10 亿张各类图片（风景、人物、动物、建筑、海报等），以及对应的文字描述，让它记住“什么是猫”“什么是咖啡馆”“什么是暖色调”，建立起扎实的视觉认知，能精准匹配文字描述和画面元素。

第二步：学习“编辑案例”，掌握修图技巧（监督学习阶段）

有了基础认知后，FireRed-Image-Edit 开始系统学习修图技巧：研究团队准备了超过 1 亿组“编辑前后对比”的样本，每组样本都包含“原始图片、编辑指令、目标图片”——比如“原始图片是红色苹果，指令是‘把苹果改成绿色’，目标图片是绿色苹果”。通过反复学习这些样本，它逐渐掌握了“接收指令→理解需求→执行修改”的完整逻辑，知道不同指令对应什么样的修图操作。

第三步：“名师指导”打磨，优化细节效果（强化学习阶段）

为了让修图效果更精准、更自然，研究团队设计了一套自动评分系统，像老师一样给 FireRed-Image-Edit 打分：如果编辑结果符合指令、画面自然、细节到位，就给“奖励”；如果改错区域、画面违和、文字翻车，就给“惩罚”，让它在反复调整中优化细节。

特别针对文字编辑，团队还专门设计了“布局感知”评分标准——不仅看文字内容对不对，还要看文字的位置、大小、风格是否和背景协调，避免出现“字太大、太歪、和背景脱节”的问题。

第四步：加入“约束机制”，守住原图特色（一致性优化）

为了避免“改着改着把原图特色弄丢”（比如修图时把人物长相改歪），研究团队加入了一致性约束机制：在编辑过程中，AI 会实时对比“编辑后的画面”和“原始画面”，重点校验人脸、核心物体等关键区域的相似度，确保只修改指令指定的内容，不破坏原图的核心特色。

第五步：精细化数据处理，筑牢能力根基

FireRed-Image-Edit 的强大，离不开背后精细化的数据工程。研究团队建立了一套完整的“数据生产线”，从 16 亿张原始图片中筛选出高质量样本：先去重（剔除重复、相似图片），再清洗（过滤模糊、曝光过度、有水印的图片），然后分类（按场景、物体、风格精细分类），接着标注（AI 辅助+人工校验，生成精准的文字描述和编辑指令），最后平衡（确保简单任务和复杂任务、常见场景和罕见场景的样本比例合理）。

针对“冷门需求”（比如折纸风格转换、小众方言文字编辑），团队还会专门补充样本，确保 FireRed-Image-Edit 能应对各种复杂场景，不“偏科”。

测试结果：用实力说话，表现远超同类开源模型

研究团队在多个权威测试集上，对 FireRed-Image-Edit 进行了严格评估，同时与当前主流的开源模型、闭源商业产品对比，结果十分亮眼，核心指标均达到领先水平：

1. 通用编辑能力测试（ImgEdit、GEdit 基准）

在这两个国际通用的图片编辑测试集上，FireRed-Image-Edit 在“指令遵循度”“画面高质量”“视觉一致性”三大核心指标上，均达到或超过当前最强开源模型，部分任务甚至超越了谷歌、字节跳动等大厂的闭源产品。尤其是“视觉一致性”，FireRed-Image-Edit 的得分显著领先，能最大程度保留原图特色，避免修图翻车。

2. 文字编辑专项测试

团队专门设计了文字编辑测试集，涵盖简单文字修改、复杂海报文案、模糊文字修复等场景，结果显示：

• 文字识别准确率超过 98%，能精准识别图片中的模糊、褪色文字；
• 字体风格保留、背景融合度等指标，显著优于其他开源模型；
• 即使是长文本、复杂排版的海报，也能精准修改，文字排版合理、与背景融合自然。

3. 人类主观评价测试

研究团队邀请了大量普通用户、专业修图师，进行“盲测”（用户不知道哪个结果是哪个模型生成的），评分结果显示：

• “指令遵循度”：FireRed-Image-Edit 得分最高，用户认为它“最能听懂需求、不做错”；
• “画面自然度”：FireRed-Image-Edit 领先，编辑结果更真实、更像专业修图师的作品；
• “整体满意度”：超过 85% 的用户表示，更愿意使用 FireRed-Image-Edit 进行日常修图和创意创作。

4. 典型案例对比

官方展示的大量对比案例，能直观看到 FireRed-Image-Edit 的优势：

• 添加物体：指令“在床上加一个人使用笔记本电脑”，其他模型生成的人物姿态怪异、与床的互动不自然，而 FireRed-Image-Edit 生成的人物姿态合理、光影与床面贴合，无违和感；
• 属性修改：指令“把巧克力酱换成蛋黄酱”，竞品仅简单改变颜色，而 FireRed-Image-Edit 不仅换对颜色，还保留了酱料的流淌质感、光泽度，还原真实细节；
• 老照片修复：对于模糊、褪色、有划痕的老照片，FireRed-Image-Edit 能恢复清晰的面部细节、自然的色彩，同时保留老照片的复古质感，不会修得过于“现代化”；
• 虚拟试衣：把衣服“穿”到模特身上，FireRed-Image-Edit 能精准还原衣物的褶皱、垂坠感，贴合模特姿态，而竞品常出现衣物变形、光影脱节的问题。