SenseNova U1.5 Lite正式版をリリース：超長文指示に対応し、ネイティブ4Kのリアルなビジュアル制作フローを実現

本日、SenseTimeは軽量・ネイティブ統合型マルチモーダル大規模モデルSenseNova U1.5 Liteを正式にオープンソース化しました。プレビュー版（U1.5 Lite Preview）で示したネイティブ統合型マルチモーダルモデルの能力と比べ、正式版では、こうした能力をより正確かつ安定して実際のビジュアル制作フローに組み込めるかどうかに、より重点を置いています。

モデルは実際のビジュアルタスクを中心に、学習データ、タスク設計、ポストトレーニングのプロセスを改めて最適化しました。ビジュアル品質、複雑な指示への追従、文字とレイアウト、ネイティブ4K、画像編集、精密なビジュアル制御などを強化し、より高い制御性、より高精細で、より高いコストパフォーマンスを備えた機能ツールを提供します。AIによるビジュアル生成を、「実際のビジュアル納品を安定して完遂する」新たな段階へと本格的に前進させます。

現在、モデルはグローバルにオープンソースとして公開されており、開発者やクリエイターは直接デプロイして体験できます。

GitHub：https://github.com/OpenSenseNova/SenseNova-U1

Hugging Face：https://huggingface.co/collections/sensenova/sensenova-u15

ModelScopeコミュニティ：https://modelscope.cn/models/SenseNova/SenseNova-U1.5-8B-MoT

SenseNova Studioオンライン体験：https://unify.light-ai.top/

より充実したビジュアル制作機能で、AI制作のボトルネックを解消

「25分かけて詳細なPromptを丁寧に書いたのに、モデルは1k文字しか解析できず、細部を削るのにさらに30分もかかってしまう」。「画像内のカップだけを変更したいのに、AIは背景や主役の顔まで一緒に変えてしまう」。

こうした状況は、ほぼすべてのクリエイターが経験したことのある「絶望の瞬間」です。過去数年、業界では「画面の美しさ」や「リアリティ」を競うことに重点が置かれがちでした。しかし実際の制作フローにおける本当の核心は、次の問いにあります。モデルは、あなたの完全な意図を正確に実行できるのか？

SenseNova U1.5 Liteは、この難題を解決します。

• 3～4k文字の超長文・複雑な指示への追従：多くのオープンソースモデルが、指示が1k文字を超えると破綻しやすく、細部を取りこぼすというボトルネックを解消します。SenseNova U1.5 Liteはネイティブで3～4kのコンテキスト長に対応し、主体、数量、空間関係、文字、レイアウト、スタイルなど複数の制約を同時に処理することで、複雑なビジュアルタスクの実行安定性を高めます。
• より高品質なビジュアル生成：全体の構図、色彩、質感、光と影、リアリティ、局所的なディテールを改善し、「部分的には正しいものの、全体としての完成度が不足する」状況を減らします。
• より信頼性の高いネイティブ画像編集：主体のアイデンティティ、空間構造、レイアウトの関係、編集対象外の領域の保持を強化するとともに、部分修正、要素の置換、文字の精密な修正、複数の参考画像を用いた編集能力を向上させます。
• より優れた文字処理と複雑なレイアウト：中国語・英語の文字、ポスター、インフォグラフィック、ブランドビジュアル、多テキストの組版能力を強化し、「コンテンツの生成」からさらに一歩進んで、「完全なビジュアル表現の構成」を実現します。
• より精密なビジュアル制御：Bounding Box、Visual Marker、単一画像・複数画像の参考などの方式に対応し、指定した領域やオブジェクトをより正確に編集できます。
• ネイティブ4K高解像度出力：高解像度生成において、全体の構図と、極めて精細な質感、微細な文字、光の反射を両立します。

実践検証：実際のシーンを深く再現

私たちは「実力」を最も試される制作シーンを選び、SenseNova U1.5 Liteが実際の納品をどのように実現するのかをご紹介します。

シーン1：複雑なビジュアル表現

1、クリエイティブポスターとカバーの生成：

非常に高い美的完成度と高コントラストの質感を表現します。複雑なレイアウトを高精度に処理し、文字と余白のリズムを正確に制御できます。文字と物体の空間的な遮蔽を処理する際にも、光と影の自然な連続性を維持し、ネイティブなマルチモーダルモデルによる3次元空間の重なり関係への深い理解を十分に示します。

2、高密度インフォグラフィックの生成：

中国語・英語、データなど豊富な細部の正確性を保ちます。多層的で構造化された空間マッピングにより、さまざまなラベルと情報を完璧につなぎ合わせ、複雑な情報可視化チャートを高品質かつ一度で納品できます。

3、高精細なディテールと芸術的な質感：

建築構造、人物の肌理、芸術作品の筆致など複雑なシーンにおいて、写真や巨匠の絵画に匹敵する繊細な質感を表現します。

シーン2：ネイティブ画像編集

1、レイアウトとスタイルを制御可能な編集

• スケッチ／線画からレトロな暖色系の漫画へ：超長文の複雑な指示に正確に従い、線画のコマ割りと人物の輪郭を保持しながら、自然で繊細に着色と質感の補完を行います。

prompt：この手描きのスケッチを、レトロな暖色系の手描き漫画風イラストに仕上げてください。背景にはベージュ色の紙の質感を加え、全体の光と影は温かく、ろうそくの明かりの下で作業に集中する雰囲気を強調してください。構図はスケッチのレイアウトを維持し、中央をメインシーンとして、その周囲に番号付きの5つのコマパネルを配置してください。左上には巨大な筆文字でメインタイトル「魂を叩くメカニカル軸」と書き、その下に緑色のラベルを配置して「一本一本の軸が、私と世界との対話の方法。」と書いてください。中央の画面では、ゴーグルをかけた少年がろうそくの明かりの下でドライバーを使ってキーボードを組み立てています。机の上には「BUILD SOUL」と印字されたマグカップと、散らばったスイッチがあり、少年の上の吹き出しには「深夜の作業台、僕と、ろうそくと、それからこの小さな仲間たちだけ。」、隣の黒猫の吹き出しには「またキーボードをいじってるの？ニャ～」と書いてください。右上のパネル①には緑色の金属製キーボードケースを描き、タイトルに「① 頼れる『ケース』を選ぼう！」、下に「カスタムメタルケース、ずっしりとした安心感！」と書いてください。右中央のパネル②には4色のメカニカルスイッチを描き、タイトルに「② お気に入りの『軸』を選ぼう！」、説明文に「赤軸は軽やか、茶軸はバランスがよく、青軸は軽快…きっと魂に響く一本がある！」と書いてください。右下のパネル③にはキーキャッププラーでキーキャップを外す動作のクローズアップを描き、タイトルに「③ キーキャッププラー、最高！」、効果音「カチッ！」、説明文「キーを外し、軸を替え、キーキャップを替える。自由こそがメカニカルキーボードのロマン！」を加えてください。左中央のパネル④には光を反射する透明なキーキャップの山を描き、タイトルに「④ 透明キーキャップ、光を放て！」、説明文「光がキーキャップを通り抜けるその瞬間、世界全体が優しくなる。」と書いてください。左下のパネル⑤には温かなバックライトを放つ、組み立てが完成したキーボードを描き、タイトルに「⑤ 完成！」、説明文「一度一度の打鍵が、魂のこだまになる！」と書いてください。下中央の画面には、少年が興奮しながらキーボードを叩く躍動感のあるクローズアップを描き、緑色の爆発型フレームに「これが僕だけの音だ！♡」と入れ、下部に効果音「タタタタタ!!」を書いてください。右下の隅には、ろうそくを見つめる小さな猫を描き、吹き出しに「メカニカルキーボードの魅力は、創造にあり、何よりも愛情にある。ニャ～」と書いてください。

線画

編集後

• テーマをまたいだ移行とレイアウトの保持：元のポスターのレイアウト構造を深く理解し、テーマを切り替えた後も完璧なビジュアル構造を維持します。

prompt：参考画像のレトロな印刷スタイルを踏襲し、天文台の一般公開日をテーマにしたポスターを生成してください。

参考画像

編集後

2、複数の参考画像を融合した生成

• コア要素とシーンを融合・再構成：たとえば「オレンジ色の猫がバイクに乗ってカフェにいる」のように、複数画像から主体・スタイル・光と影などの核心的な特徴を抽出し、まったく新しい空間に自然に再構成します。光と影、スケール感が見事に調和します。

参考画像

編集後

• フードポスターの再構成：複数の料理画像を1枚の完成度の高いポスターに融合し、統一感のある背景、食器の質感、環境光を自動的にマッチング。レイアウトされた文言も完璧に組み込みます。

参考画像

編集後

• インフォグラフィックの参考要素を置換：元のポスターにあるすべての要素を保持しながら、画像内のバンドメンバーを置き換え、下部のブロックを再配置して、曲目と新しい下線要素を追加します。

prompt：Image 2とImage 3を、矩形画像として貼り付けるのではなく、コンテンツの参考画像として使用してImage 1を編集してください。枠内のバンドのシルエットを、Image 2に写るRadioheadの5人のメンバーに置き換え、ポスターの擦れたモノクロのハーフトーンスタイルに変換してください。下部にある4つの特徴ブロックをコンパクトな左側の列に再配置し、Image 3は文言と階層構造の参考のみに使用して、右側にESSENTIAL LISTENINGリストを追加してください。新しいリストは、同じ連続した黒い擦れ加工の背景上に、オフホワイトの文字色を合わせて直接描画してください。白またはクリーム色のカード背景は残さないでください。元のすべてのテキストと、その他のポスター要素はすべて保持してください。

参考画像

編集後

3、インフォグラフィック編集

• スタイルを変換し、主体はそのまま保持：

prompt：ポスター全体を青銀色のハイテク・インダストリアルスタイルに変更し、すべての文字内容、ロボットの主体、情報レイアウトは変更しないでください。

• 局所的な属性変更：

4、テキスト編集

• 黒板メニューの一部テキストを置換：

prompt：黒板メニューの「Summer Drinks」というタイトルの下にある1行目、白い三角形の記号の右側に配置された黄色の手書き文字「快乐柠檬水」を、赤色の手書き文字「草莓啵啵奶茶」に置き換えてください。元のチョークの質感と筆致のスタイルを維持し、黒板上のその他すべての文字（価格5.00を含む）、イラスト（レモン、コーヒーカップ、アイスキャンディー）、木枠の構造、および背景の植物がある環境は変更せず、厳密に保持してください。

• 複数箇所の正確なテキスト書き換え：

5、指定領域と部分的な精細編集

prompt：赤枠内の「WHY IT MATTERS」モジュール全体を中国語に翻訳し、元のアイコン、階層構造、レイアウトを保持してください。赤枠は位置の指定にのみ使用し、出力には残さないでください。

prompt：画像上のマークと全体的なヒントに従って、このシーンをクリエイティブに変換し、ムードのある洗練された真夜中のラウンジの雰囲気にしてください。完了後、注釈を削除してください。

8Bパラメータアーキテクチャのブレークスルー：「より多くの」能力だけでなく、「より安定した」能力と「より高いコストパフォーマンス」

として8Bパラメータの軽量モデルであるSenseNova U1.5 Liteは、指示追従性と画像編集の保持性において同規模のモデルを上回り、テキストレンダリングと複雑なレイアウトでは、超大規模な商用モデルに匹敵する実用レベルを実現しています。

さまざまなビジュアルタスクに対応するため、業界では通常、明示的なRouter（ルーター）または複数の専門家による協調メカニズムを採用し、レンダリング、美的表現、編集を異なるモデルに振り分けます。しかし、これによりシステムのオーバーヘッドと推論レイテンシが大幅に増加します。

SenseNova U1.5 LiteはNeo-unify統合アーキテクチャに基づき、この従来の定型を打ち破ります。

• トレーニングとデリバリーの分離（MOPD蒸留）：トレーニング段階では、テキスト、美的表現、編集に特化したエキスパートモデル（Expert）を個別に学習します。デリバリー段階では、マルチエキスパート・オンライン方策蒸留技術（MOPD）により、複数のエキスパートの能力を損なうことなく単一の8Bモデルに統合します。
• 理解と生成の双方向フィードバック：視覚的な意味理解と空間モデリングによって形成された認知を生成に直接フィードバックすることで、複数レベルの指示を自然に処理しながら、マルチモーダル理解ベンチマークでも高い性能を維持します。
• 極めて高いコストパフォーマンス：8Bのパラメータ規模により、1枚のGPUでスムーズに実行できます。Routerを頻繁に切り替える必要がなく、1回のPassで意味理解とピクセル生成を両立するため、呼び出しコストと推論レイテンシを大幅に削減します。

OneIG（EN、ZH）、LongText（EN、ZH）、BizGenEval（Easy、Hard）、CVTG、IGenBench、Qwen-Image-Benchにおける生成レイテンシと平均性能の比較。

さらに、正式版ではタスク指向の強化学習（RL）によるポストトレーニングを強化し、次の3つの重要な側面に重点を置いて最適化しています。

• 指示遵守（Instruction Compliance）：非常に長いプロンプトも容易に解析し、厳格で複雑な複数の制約を正確に実行します。
• 視覚的嗜好（Visual Preference）：構図、質感、光と影を総合的に最適化し、画面の質感と視覚的な完成度を高めます。
• 編集内容の保持（Editing Preservation）：ピクセルレベルの局所編集を実現し、対象外の領域の内容と構造を完璧に保持します。

この複雑な指示への追従と精密な編集能力により、SenseNova U1.5 Liteは、方向性を失うことなく複数回にわたる反復編集をシームレスにサポートします。これにより、1回限りの生成という制約を真に打ち破り、軽量モデルでも長い工程にわたる継続的な創作や二次編集が可能になります。

オープンソースによる創作を「見られる」から「使える」へ

マルチモーダルは、AIが物理世界と実際の生産性へと進むために避けては通れない道です。SenseTimeのSenseNova U1.5 Liteをオープンソース化した目的は、世界中の開発者やクリエイターに軽量で、統一され、極めて高いコストパフォーマンスを備え、細やかな制御が可能な生産性ツールを提供することにあります。

ぜひ GitHub／Hugging Face からデプロイして体験し、私たちとともにオープンソースエコシステムを発展させていきましょう。

GitHub：https://github.com/OpenSenseNova/SenseNova-U1

Hugging Face：https://huggingface.co/collections/sensenova/sensenova-u15

ModelScopeコミュニティ：https://modelscope.cn/models/SenseNova/SenseNova-U1.5-8B-MoT

SenseNova Studioオンライン体験：https://unify.light-ai.top/