MidjourneyV6Beta：超越阿尔法测试的AI图像革命

Midjourney1yrs ago (2024)update lida

99 0 0

文章主题：Midjourney, V6 Beta, AI绘图, 图像质量

666ChatGPT办公新姿势，助力做AI时代先行者！

在圣诞节假期的前夕，Midjourney 发布了全新的 V6 beta 版本。北京时间下午 13:56，这个时间点正值美国之夜间的十点钟。

他们是想趁着还没回家过圣诞，赶紧先发了。然后让大家一边过圣诞，一边给他们打黑工帮他们测模型。

现在，你使用/setting命令，在模型选择框中，就可以看到V6 Beta版。

Midjourney曾表示：“这是一次alpha测试。事物将会频繁且不可预测地发生变化。”

“这是一个阿尔法测试。事情会经常发生变化，恕不另行通知。”

包括提到了“速度、图像质量、连贯性、提示跟随性和文本准确性将在接下来的几周内得到改善。”

我猜测模型完成度在85%左右，剩很多对齐工作没搞完。

官方说的目前V6 Beta的更新内容包括：

1. 更准确的提示跟随以及更长的提示；

2. 提高连贯性和模型知识；

3. 改进的图像提示和重新混合；

4. 较小的文本绘制能力（必须将文本写在“引号”中，并且 –style raw 或较低的 –stylize 值可能会有所帮助。）

5. 改进的升级器，具有 subtle 和 creative 模式（分辨率提高 2 倍）。

在改进之后，这款软件的表现有了显著提升。它能够处理更多的词汇，从而提高了语言理解的准确性；同时，它的图像识别能力也得到了增强，使得识别出的图片更加清晰明确。此外，该软件还能够插入一些英语单词，这为用户提供了更多的表达选择。另外，这款软件还能将图像放大到更大的尺寸，使用户可以更直观地观察细节。总的来说，这些改进让这款软件在许多方面都表现得更加出色。

我跟上百个群友一起跑了三个多小时，整体感受最大的变化其实还是两部分：

图像质量的提升与语义理解的加强。

一、图像质量的提升

图像质量我关注的是以下几个维度：细节密度、材质质感、色彩表现、光影表现、构图表现、结构真实性。

在Midjourney V6 Beta版本中，我们可以明显地看到在细节密度、材质质感、光影表现以及结构真实性方面都取得了显著的提升。与此同时，在构图表现和色彩表现方面也实现了小幅度的提升。这些改进不仅让作品的整体质量得到了提高，同时也为用户提供了更加真实、立体的视觉体验。

直接放对比图，没啥可说的了，部分图片来源于好基友@鲜虾包、@猫宅V酱、@大峰AI绘画。

就不放太多了，反正核心思想就一个：图像质量up、up、还是up。

知道在细节密度、材质质感、光影表现、结构真实性上，都有巨幅提升就行了。

下面一趴的语义理解才是最核心的重点。

二、语义理解的加强

我重点来聊聊语义理解这块的变化。

在过去的一段时间里，我曾公开地对Midjourney表示过不满，将其视作一种令人费解的的存在，其词义理解仿佛只是一堆混乱的排泄物。在我进行AI创作的过程中，这句话无异于一颗重磅炸弹，让我在每一次尝试中倍感压力，甚至想要摔掉手中的电脑。

然而，在Midjourney V6 Beta中，对于语义理解的精确提升终于使其在中游水平上变得可用。这里，我特别强调了“可用”这个词，因为它准确地描述了该软件在语义理解方面的进步，而与DALL·E 3等顶级技术相比，仍存在一定的差距。

在开始写作之前，我建议您暂时抛开所有刻板的模式，尤其是那些带有SD标志的写作方式，同时避免使用诸如“tag”、“photorealistic”以及“4k”、“8k”等无意义的词汇。这些词汇在新版V6 Beta中并未发挥任何实质性的作用，因此对于您的写作来说并无帮助。

不要写tag，不要写tag，不要写tag，重要的话我说3遍。

更别直接用v5.2的prompt直接拿来复制粘贴，请重新学习新版V6的写法。

整体上，我觉得更强调把细节说清楚的能力。我推荐的结构是：

场景+主体+细节+美学风格。

比如我的这段Prompt：

在这美丽的沙滩上，三位各具魅力的女士正悠然地享受着阳光的沐浴。其中一位金发白人的女士，以其开朗的性格和迷人的容貌吸引了众人的目光。她身着一袭短裤和火红的背心，展现出无尽的活力与魅力。而左侧的非洲女孩则以黑色长发和时尚的比基尼裙装，展现出了独特的神秘气息。右侧的英国女孩也毫不逊色，同样选择了一身比基尼，搭配她的红发，增添了几分浪漫与优雅。在这如诗如画的背景下，她们仿佛是在诉说着一个个充满阳光、热情和友情的美好故事。而这一切，都被 Agfa Vista 200 相机记录下了美好的瞬间。海天相接的地平线上，几艘帆船如同小精灵般在海浪中穿梭，而空中，飞翔的海鸥则像是大自然的音符，弹奏出一曲曲动人的旋律。这就是生活，这就是友情，这就是我们的美丽世界。

非常复杂，但是我几乎都是以长句子去写的，清晰的描述场景和主体以及部分衣服细节。

再看看v5.2，可以就语义理解上，做一个清晰的对比。

在新版prompt的写法上，我说一些我认为有趣的技巧：

1. 你可以指定任何细节。

不要吝啬你的想象力，更不要吝啬你的笔墨，用一切有逻辑、有结构的语言，把你想要的细节指定出来。她穿了什么衣服、衣服是什么材质、什么颜色。写明白，写明白比一切都重要。

比如：

漫威黑寡妇的半身特写镜头。黑寡妇穿着蜘蛛侠的黑色紧身衣，她的左手拿着美国队长的盾牌，右手拿着雷神之锤，她很悲伤。–ar 16:9

2. 你可以使用语言控制构图。

在V6中，现在很容易用语义去定位事物之间以及与相机的关系。这个在V5中几乎是难以想象的。

现在我们可以用短语描述一个通用的图像，以这个通用图像为焦点。围绕它填充细节。

比如：

客厅的桌子上有三个装满水果的篮子。中间的篮子里装有草莓。左边的篮子装满了橘子。右边的篮子装满了芒果。背景是一个带有圆形窗户的空白蓝绿色墙壁。