商汤日日新发布U1-8B-MoT-Interleaved图文交错增强版模型，聚焦长序列连贯生成

商汤科技旗下日日新SenseNova U1系列近日迎来新成员——U1-8B-MoT-Interleaved图文交错增强版模型。该模型面向图文交错创作与生成场景进行专项强化，旨在支持绘本、故事书、多页PPT、图文教程等连续内容的创作，解决传统多模态模型在多轮生成过程中出现的角色形象飘移、画风断裂、图文脱节等痛点。

核心升级：从单张高质量到连贯图文长序列

据官方介绍，SenseNova U1图文交错增强版的核心能力在于：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。该模型不再限于生成孤立的单张图像，而是可输出一整套可直接使用的图文内容序列。

“核心突破：从‘单张高质量’到‘连贯图文长序列’。”

此次升级主要体现在四个方向：叙事一致性与角色连贯性、图文对应关系增强、视觉质量改善、以及全新多页PPT自动生成能力。

四大改进方向详解

叙事一致性与角色连贯性大幅提升

模型显著增强了长周期创作中的叙事连贯性与角色一致性。故事线在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，解决了此前多轮生成中角色形象“走调”的核心痛点。

图文对应关系增强，告别“图文脱节”

经过专项训练，模型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。

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。这里提到的“Artifact”即视觉瑕疵，指生成图像中不自然的伪影或失真现象。

全新能力：多页PPT自动生成

新版本首次支持多页PPT自动生成能力。模型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。这一功能的逻辑拆解如下：模型首先解析用户输入的文本或主题，自动识别关键信息并形成页面大纲，随后将每个要点对应至单独页面，同时完成页面布局、字体选择与图形元素渲染，最终输出连续的多页PPT内容。

实测对比：四大场景表现

官方通过实际案例展示了增强版模型在图文创作任务中的表现。以教程类内容生成为例：原版模型在生成带有步骤说明与配图的指南时，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”，且生成步骤较繁琐；增强版模型则生成更真实的西瓜图像，无锯齿状视觉瑕疵，搅拌动作符合真实物理逻辑，步骤精简实用，贴近真实操作场景。

• 任务场景：生成步骤说明与配图的图文指南。
• 原版模型表现：图像存在违反物理逻辑的瑕疵，步骤繁琐。
• 增强版优势：图像真实自然，动作符合物理，步骤精简实用。

业内人士指出，此类模型在绘本、故事书、多页PPT、图文教程等长内容创作场景中，有望降低人工编排与内容对齐的成本。

故事书生成模型更新：增强版解决角色“突然失踪”关键情节与画风失真问题

近日，一款面向儿童绘本生成的内容模型发布增强版本。原版模型在测试中被指出未能遵循“角色突然失踪”这一核心剧情指令，同时画面中出现明显形变，缺乏童话感。增强版模型则精准呈现该反转情节，并在画面稳定性与文本可读性上实现提升。

原版模型暴露三项核心短板

根据开发者披露的对比测试数据，原版模型在生成故事书类内容时存在三方面不足。首先，针对“角色突然失踪”这一关键情节指令，原版模型未能准确执行，导致故事逻辑偏离预期。

其次，原版模型的表达形式单一，且生成画面未配有文字讲解，影响儿童阅读时的理解连贯性。此外，画面质量存在缺陷：鸟类尾部及人物面部出现明显形变（Artifact），角色形象不够卡通，缺乏童话感。

测试报告指出，原版模型的画面中鸟类尾部及人物面部出现明显形变，形象不够卡通，难以契合儿童绘本的审美需求。

增强版聚焦情节与画风双升级

增强版模型在核心剧情处理上实现了精准呈现，能够严格按照“角色突然失踪”的指令完成反转情节。同时，故事原生配有文字讲解，表达形式更为丰富，大幅提升了可读性。

在视觉表现方面，增强版模型生成的画面中，角色形象实现卡通化且保持稳定，不再出现鸟类尾部及人物面部的形变问题，整体画面无形变困扰，童话氛围更为浓厚。

对比要点一览

• 核心情节：原版未能遵循“突然失踪”指令，增强版精准呈现反转。
• 表达形式：原版形式单一且无文字配解，增强版配有文字讲解。
• 画面质量：原版出现鸟类尾部及人物面部形变，增强版卡通稳定无形变。

此次更新表明，提升故事书生成内容的逻辑连贯性与视觉稳定性，仍是当下内容生成模型迭代的重要方向。

内容生成图文交错增强版模型解锁多页PPT自动生成能力

具备图文交错增强能力的内容生成模型在本次迭代中首次支持多页PPT的自动生成。以一套“赛博朋克”主题示例作品为参照，该模型实现了风格统一、图文语义严格对应及完整叙事逻辑的呈现。

模型能力突破：从单页到多页的叙事连贯

在本次解锁的多页PPT生成能力中，模型可依据主题自动构建跨页面的叙事脉络。以“赛博朋克”主题PPT为例，整体作品采用全程霓虹暗色调，各页面之间保持高度一致的视觉风格，内容排版与插图选择均遵循赛博朋克美学元素。

“图文语义严格对应”是该增强版模型的核心特征之一——每一页的文字描述与配图内容均存在明确的逻辑关联，而非随机拼贴。

演示案例拆解：赛博朋克主题的完整叙事逻辑

“赛博朋克”主题PPT示例呈现出多页面之间的递进关系：从世界观设定到具体技术场景，每页均围绕赛博朋克文化中的标志性视觉元素（如霓虹灯光、城市夜景、数字界面）展开，确保图文信息在视觉及语义层面同步推进。

• 风格统一：全程采用赛博朋克标志性的霓虹暗色调，配色方案保持恒定。
• 图文对应：每一页的插图与文字描述在内容和情感氛围上高度匹配。
• 叙事完整：多页PPT构成从背景介绍到主题深化的完整逻辑链条。

技术背景简述：图文交错增强模型的能力范围

图文交错增强版模型在生成过程中，会同步校验文字与视觉元素的匹配度，确保生成的PPT在视觉呈现和文字内容上具备双向一致性。模型此次解锁的多页生成能力，意味着用户可直接通过主题指令获得一套具备完整叙事结构的演示文件，无需人工手动调整页间逻辑。

增强版模型在单页PPT自动生成中实现布局稳定性与视觉美观度提升

在单页PPT自动生成的任务场景中，增强版模型相比原版模型在排版布局与文字渲染方面取得显著提升。该任务要求自动提取内容、自动完成排版设计，并确保文字渲染精准准确。

原版模型表现：布局稳定性不足

据测试数据显示，原版模型在排版布局方面不够稳定，整体布局欠清晰，文字排布拥挤，美观度仍有较大提升空间。

增强版模型优势：质感与层次双突破

增强版模型不仅在布局稳定性与视觉美观度上实现了质的飞跃，文字排版也更具呼吸感与视觉层次。所谓“呼吸感”，指文字间距与行距经过优化，避免了拥挤感，使页面阅读体验更为舒适；“视觉层次”则通过字号、颜色、对齐方式的差异化设计，帮助用户快速抓取信息重点。

素材指出，增强版在单页PPT自动生成的各项指标上均优于原版，尤其体现在排版稳定性和美观度上。

对行业用户的影响

对于需要快速制作高质量单页PPT的用户而言，增强版模型的这一进步意味着自动化工具能够更可靠地交付接近设计师水准的输出，降低了手动调整排版的工作量。

模型发布图文交错增强版 借助思维链呈现PPT设计过程

一款模型推出图文交错增强版。该版本借助“图文交错思维链”技术，将PPT布局设计的全过程以连续图文的形式逐步呈现，使创作逻辑一目了然。

技术拆解

“图文交错思维链”的核心在于模型推理过程中同步生成文字说明与对应的布局图示，二者交错出现，形成可追溯的创作逻辑链条。用户可通过逐步呈现的图文对，理解每一步的设计决策。

• 连续图文形式：每一步输出包含文字描述和对应图示。
• 逐步呈现：全过程被拆解为连续步骤，按顺序展示。
• 一目了然：创作逻辑通过图文配对直观呈现。

SenseNova U1图文交错增强版模型推出 支持连续多页完整内容创作

日前，一款名为SenseNova U1的图文交错增强版模型正式发布。该模型旨在解决多模态AI在连续内容创作中的碎片化问题，支持从单张图像到跨越连续多页、逻辑严密且画风统一的完整图文内容生成。

核心能力：指令遵循与视觉质量的结合

据公开信息，SenseNova U1模型具备强大的指令遵循能力，能够根据用户需求生成步骤严丝合缝的图文指南、角色和情节连贯的儿童奇幻绘本，以及注重视觉排版层次的商业演示PPT。其视觉质量被描述为“极致”，在连续多页内容的画风一致性上实现突破。

“让长内容创作从此一气呵成”——模型设计目标强调端到端的连续叙事，告别以往单张图像拼凑的碎片化模式。

技术特点与场景落地

图文交错增强版的核心特征在于“交错”，即模型生成的图文内容在排版上相互穿插、逻辑自洽，而非简单的图文堆叠。这一特性使模型能够输出具有完整叙事结构的文档，例如步骤说明中的图文对应、绘本角色在不同页面的外观一致。

• 图文指南：适用于操作手册、教程等需要图文严格对应的场景。
• 儿童奇幻绘本：要求角色形象与情节在跨页间保持连续。
• 商业演示PPT：需兼顾信息层级与视觉排版的美观性。

行业意义：从碎片拼凑到连续叙事

该模型推出标志着多模态AI连续内容创作进入高实用性、高稳定性的阶段。其直接影响力在于：为内容创作者提供了一种“端到端”的工具，使得长篇图文内容的生产不再依赖人工逐页调整，从而降低创作门槛。业内人士指出，这一进展将推动AI在出版、教育、营销等领域的实际应用。