Dreamina 自動化進階指南：重複勞動交給機器，哪些值得設一次就不管

Dreamina 是什麼、能幹嘛、適合誰

Dreamina 是字節跳動旗下 AI 創意平台即夢的國際版，主打兩件事：Seedream 系列的圖像生成與修圖，以及 Seedance 2.5 的視頻生成能力。相比同類工具，它最激進的設計是把多模態參考輸入規格拉到了單次 50 個——圖像、視頻、音頻可以作為原料一起丟進模型，用 @ 語法在提示詞裡逐條指明每個參考負責什麼。

我對這款軟體的第一印象是「介面堆功能」：文生圖、圖生視頻、數字人口播、畫布修圖、綠幕替換……打開首頁能看到十幾個按鈕同時存在。但真正讓我想翻它自動化能力的，是上週幫朋友處理一批電商產品圖時——他的流程是：桌面实拍帶進來、Remove 清掉背景雜物、換個乾淨的風格、輸出。三十張圖做了兩個半小時，我在旁邊看著他重複框選、點消除、再框選再點消除，手動重複了六十次。

「這裡面有什麼能設一次就不管的？」我翻了三天設置面板。結果比預想的好——Dreamina 藏了幾個容易被介面雜訊淹沒的自動化抓手，但也有幾個看起來像自動化、其實是偽需求的功能。這篇把盤點結果直接攤開。

安裝

Dreamina 的 Android APK 體積五十九兆，版本更新頻率大約兩週一次。它和國內即夢共用同一套模型後端，所以 Google Play 版與Dreamina官網直裝版的體積會有差異——前者帶 Google Mobile Services 元件，後者純 APK 更小，但需要手動允許未知來源安裝。

安裝的兩個要點：

一是首次啟動的下載過程。Seedream 與 Seedance 的模型權重不是隨 APK 打包的，首次啟動會在後台拉取約 150MB 的權重文件——這個過程在 UI 上只顯示一個模糊的「初始化」動畫，沒有進度條。如果你等了五分鐘還沒進主介面，不是死了，是還在下。建議用 Wi-Fi 跑這步，流量網路容易中斷但不會報錯。

二是清除舊版本殘留。從 1.0.5 升到 1.0.7 時，我遇到過一次啟動後 TTS 音色庫顯示空白的狀況——後來發現是舊版本的 user_data 目錄裡有一份過期的音色索引 JSON 沒被覆蓋。解法簡單：卸載後手動刪除 Android/data/com.lemon.dreamina/files 再重裝，音色庫就恢復了。重裝用的安裝包直接從Dreamina下載頁面取最新版就行。這個路徑每個版本都存在，出問題先想它。

畫布修圖工具的 Remove 能力是我第一個想自動化的模組。Remove 的交互邏輯很乾淨：筆刷塗選要消除的元素，貼著邊緣塗、少帶背景，點消除後模型按周圍紋理與光照補全被遮擋的部分。但問題是，它本質上不是「批量消除」——每一次框選都是一次獨立的消除請求，模型對大面積消除的補全質量又天然不如小面積，所以你不能指望一次框三十個路人讓它全部乾淨地消掉。

自動化能力盤點：它內建了什麼、哪些能用

盤點結果按「你能不能設一次、之後改一下參數就批量跑」這個標準篩。純粹的「功能」不算自動化抓手——畫布修圖有 Remove 不代表它能自動 Remove 一百張圖，這裡只列真正省手的：

一、畫布工具鏈的統一交互

Remove、Inpaint、Expand 三者共用「框選 + 生成」的操作邏輯。這本來是降低學習成本的設計，但換個角度看：你把框選的手感練熟之後，三個工具的切換成本趨近於零。朋友處理電商產品圖時，我建議他把「框選」這件事本身當成一個可重複的子流程——桌面雜物的輪廓、反光的位置、桌面與產品的邊界，這幾種框法他可以固定筆刷大小和塗選節奏，後面每張圖只是把產品換個位置，框選動作本身幾乎不變。

這不是嚴格意義上的自動化腳本，但它是自動化思維的基礎：把重複的動作固定成肌肉記憶，比等一個不存在的「批量消除」按鈕省時間。

二、多模態參考輸入的 @ 語法模板

Seedance 2.5 的參考輸入體系是真正能自動化的抓手。你可以給一條生成請求同時餵最多 50 個參考——視頻控運鏡、圖像控角色、音頻控聲線——然後用 @Image 1「@Video 1」在提示詞裡逐條指明每個參考的職責。這個設計的妙處在於：一旦你寫好一組參考配置（比如 Image 1 固定鎖產品外觀、Video 1 固定鎖運鏡節奏），後面要換的只是產品圖本身，其他參考不用動。

我自己寫了一份提示詞模板，Image 1 是產品圖、Image 2 是環境參考、Video 1 是我自己拍的十秒預演視頻（用手機拍一下我想要的鏡頭運動），然後提示詞寫「@Image 1 保持產品外觀與配色、@Video 1 控制鏡頭運動與節奏」——換產品時只替換 Image 1，提示詞模板和另外兩個參考原封不動。二十條視頻生成下來，省了大約一半的重複配置時間。

三、TTS 音色的多語言批量複製

數字人口播模組的 TTS 路線支持二十餘種音色，覆蓋不同語言與風格。這個功能本身大家都用，但很少有人注意：你可以把同一段台詞翻譯成不同語言版本，然後用同一個音色設置逐條生成口型視頻。音色選擇、停頓標點、甚至音高微調，全都可以在第一條設好之後原封不動套用給後面的語言版本。

朋友的頻道需要中英雙語口播，我幫他設了一次音色和停頓規則，後面他只需要把翻譯後的台詞粘進去，剩下的機器自己跑——十五條雙語口播，配置時間從每條五分鐘縮到每條一分鐘。

值得自動化的兩件事：電商清場與多語口播

上面盤點裡，我選了兩件真正值得投入配置時間去自動化的場景。判斷標準三條：頻率高、步驟固定、收益明確——滿足兩條以上才算。

電商產品圖清場。朋友每天要處理 10~30 張實拍產品圖，桌面雜物（水杯、反光鏡、桌布紋理）是最常見的干擾源。這件事完全符合三條標準：

• 頻率：每天都在做
• 步驟：框選→消除→放大檢查邊緣→補消遺漏（重複 1~2 次）
• 收益：手動一張 8~10 分鐘，熟練後可以縮到 3~4 分鐘

配置路徑：畫布 → Remove 工具 → 固定筆刷大小（我用 15px 處理小雜物、40px 處理大面積）→ 保存為個人習慣（雖然沒有官方「保存預設」按鈕，但筆刷大小是記住的）→ 每張圖直接套這個筆刷大小框選消除。加上前面說的「框選手感固定」，熟練後這件事已經接近自動化，雖然還不是零手動，但比重複做六十次不同的框法強太多。

多語言口播批量生成。做跨語言頻道的創作者，這件事的收益更直接：

• 頻率：每條視頻需要 2~5 個語言版本
• 步驟：翻譯台詞→粘進 TTS→選音色→檢查朗讀質量
• 收益：配置時間從每條 5 分鐘降到每條 1 分鐘，乘以語言數就是省下的時間

配置路徑：數字人口播 → 文本轉語音 → 選好音色（確認多語言都支持這個音色）→ 第一段台詞先試聽一遍，調整標點控制停頓 → 保存為習慣 → 後面的語言版本直接粘翻譯後的台詞，原封不動套用。

不值得自動化的：哪些看起來能省、其實省不了

也有幾件事，我試過自動化但最終放棄了。原因不是技術做不到，而是觸發條件太碎或收益太小，自動化的成本反而超過手動。

商用授權合規檢查。Dreamina 官方 FAQ 對商用的口徑是「取決於適用條款、內容、模型與素材」——沒有一刀切的能或不能。你用的參考圖從哪來、音色誰授權、模型是 Seedream 還是第三方接入的 GPT Image，每個素材的授權鏈路都不一樣。我想過寫一個「授權檢查清單」自動套用在每次生成上，但很快發現：每條素材的情況真的不一樣，自動化檢查容易漏，反而不如在素材入口處手動留痕。

Remove 大面積消除的補全質量檢查。消除一整輛車、一面牆這種大面積目標時，模型補全的質量每次都不同——有時紋理完美銜接，有時補出假的影子或結構。我試過把補全後的圖片自動縮放比對背景紋理，但誤判率太高（有時模型補了一個本來就沒有的物體），最終還是得手動放大檢查。這種情況下，自動化檢查反而多了一層操作。

翻車兜底：自動化失效時怎麼發現、怎麼救

自動化並不代表你可以完全不管。這裡列三個我遇到過的失效場景，以及對應的快速補救方法——素材包裡的排查素材也提到了這些情況：

• TTS 數字讀錯。台詞裡的阿拉伯數字（價格、型號）最容易被機器朗讀錯——解決方法是先試聽一遍，錯的地方用漢字替代阿拉伯數字。這個動作只需要幾秒，放在自動化流程的最後當一個保險閘。
• 參考輸入稀釋控制力。曾經給 Seedance 同時餵了十張參考圖，結果生成的視頻角色完全亂了——後來發現無關參考會稀釋模型對核心參考的注意力。解決方法很簡單：每次只留與當前任務直接相關的參考，多餘的刪掉。
• Remove 補全有痕跡。大面積消除後，邊緣的毛髮、玻璃、水面這類半透明材質容易出現補接痕。解決方法是換一個角度框選再消一次，或者把大目標拆成幾個小區域分別處理。

結論：這套自動化能力適合什麼使用強度的人

最後收個尾。Dreamina 的自動化能力不夠「高大上」——沒有官方腳本 API，沒有真正的批量任務隊列，更多是「把重複的動作固定成習慣」加上「把參考配置寫成模板之後換參數就行」這種層級的省手。但對日產出 10 條以上內容的創作者，或者做電商產品圖批量處理的小團隊，這些抓手確實能把重複勞動的時間砍掉一半。

個人創作者日產出 5 條以下的，把 Remove 和多模態參考兩個模組用好就夠了——再往深裡挖自動化，投入產出比會急劇下降。我自己現在的做法是：電商圖清場固定筆刷大小、參考模板寫好、翻譯台詞粘進 TTS——三件事設一次，後面就機械化跑，把省下的時間留給提示詞寫作。

本文為個人基於網路公開資料整理編寫，非官方內容，僅供學習交流參考；軟體版權歸原作者所有，請支持正版；使用過程中遇到問題請查閱官方管道，本文不承擔任何責任。