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。
模型开源地址：https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Interleaved
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。
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。
| 原版 | 图文交错增强版 |
场景四：PPT 内容生成
图文交错增强版模型首次解锁了多页PPT自动生成能力。拿以下“赛博朋克”主题PPT为例：风格高度统一（全程赛博朋克霓虹暗色调）、图文语义严格对应、多页叙事逻辑完整，很好地体现了增强版模型能力。
在单页PPT自动生成上，增强版相比原版也取得了显著提升。
- 任务场景：单页PPT 自动生成，要求内容自动提取、排版设计自动完成，且文字渲染精准准确。
- 原版模型表现：排版布局不够稳定，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：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。
| 原版 | 图文交错增强版 |
而且借助”图文交错思维链”，模型将 PPT 布局设计的全过程以连续图文的形式逐步呈现，让创作逻辑一目了然。
从单张图像的惊艳“盲盒”，到跨越连续多页、逻辑严密、画风如一的“完整图文内容创作”，SenseNova U1 图文交错增强版模型的推出，标志着多模态 AI 连续内容创作正式跨入高实用性、高稳定性的全新阶段。
无论是让步骤严丝合缝的图文指南，还是需要角色和情节完美连贯的儿童奇幻绘本，亦或是追求视觉排版层次的商业演示PPT——它都用强大的指令遵循与极致的视觉质量，给出了令人惊艳的答卷。它让 AI 真正告别了碎片化的单图拼凑，走向了完整、长篇、端到端的连续叙事。
目前模型已面向全球开源，欢迎访问 GitHub 或魔搭社区下载体验。
原创文章，作者：志斌，如若转载，请注明出处：http://www.damoai.com.cn/archives/16140
