产品实验室实验性功能：基于Segment的高速且精确的角色编辑能力
目标是让角色局部调整更直观、等待更短，并减少连续修改后的细节漂移。进入编辑后，悬停显示部位名称与选区，支持点选；在同一视角留下多条备注，一次交由 Agent 同步修改整套七视图。本次以 Grok Segment 为体验参考，验证图像编辑与自动选区，再检查识别方案的跨角色表现。
1 以 Grok Segment 为例
鼠标移到图片中的物体或部位上，即可看到对应选区和名称。区域直接出现在图片上，让修改目标更容易表达。Storyverse 以此作为选区体验参考，再结合角色七视图和 Agent 备注完成调整。
2 图像编辑模型的测评：重点观测耗时和连续修改后的内容漂移
以同一角色的七视图完成 53 次测试，覆盖改色、长发、去眉疤、抬手及连续修改。Flare 在标准 2K 改色中最快；四个模型都能完成跨视角改色，细节与轮廓仍有差异。
下表为标准 2K 改色，每模型三次的中位数。编辑耗时含生成和下载，排除首次参考上传；各模型 2K 的实际像素不同。
正在读取已完成的模型测试…
2.1 模型横向对比测试用例展示
查看原始角色参考
2.2 连续修改后的漂移对比：连续修改VS从原图开始
同一角色连续修改三轮后，四个模型均出现面部或皮肤细节漂移。从原始图一次重放累计修改，在本例中减轻了结构变化；该能力不属于第一期范围。
3 Segment识别测试：耗时和准确性
比较 13 种配置、17 张来源图。在同一组七视角的 59 个参考部位中，DINO tiny 加 SAM 2.1 tiny 的框覆盖率为 84.8%，单图耗时中位数为 0.850 秒，兼顾了覆盖与速度。
3.1 不同技术选型的横向对比
耗时为本机预加载后三次运行的中位数。框覆盖率按矩形 IoU ≥ 0.5 计算；默认点选为参考点选中匹配框的比例。
| 路线 | 单图耗时 | 框覆盖率 | 默认点选 |
|---|
4 上一步最优路线的泛化能力测试
用 DINO tiny 加 SAM 2.1 tiny 测试 16 个项目、32 名角色的 224 张图。单图耗时中位数为 0.881 秒，95% 的运行在 1.024 秒内完成。大部位覆盖较好，眉毛、耳朵等细部仍容易遗漏。
精度数据来自 64 张正面与肖像图的助手标注，未经人工复核。点击率采用修正后的参考点；本机预加载后的耗时不代表线上响应时间。