V6对比V5.2：更强大的文字生成能力和手部细节表现

《科创板日报》12月23日讯 预告3个月后，热门文生图模型Midjourney终于上线了最新版本，当地时间12月21日，Midjourney在Discord上宣布其最新版本V6的测试版发布，目前处于alpha测试阶段。从用户的大量示例来看，V6对于写实图片、抽象画作手到拈来，效果不输设计师、摄影师。

Midjourney将V6定位为重大革新成果，其首席执行官DaVid Holz称，V6实际是在AI超级集群上从零开始训练而成的第三套模型，整个开发周期长达九个月，“这套模型生成的图像在真实度方面远超我们以往发布的任何版本。” 根据官方介绍，V6的主要变化在于画面质量更好、语义理解更强、能嵌入文本、容纳更多提示词且连贯性更高，模型知识也更为丰富。

据用户测试，V6现在支持的提示词长度超过350个字符，甚至能够理解标点和语法的细微差别。就目前网友展示的图像来看，在理解力以及光影、构图、材质、色彩等细节方面，V6的确比上一代产品更上一层楼。

用同样的Prompt测试V6和V5.2，对比非常明显（上图为V6生成；下图为V5.2生成）：

主要提示词：1980年代的悬疑电影，仰拍，身穿黑西装的法国管家在维多利亚式豪宅的走廊中手握蜡烛

主要提示词：1960年代的街头风格照片，需要画出一位年轻女子穿着绿色丝绸连衣裙、戴着珍珠项链坐在帆船上

主要提示词：1940年代复古科幻电影中身穿高领银色操作衣的女操作员

主要提示词：街角酒吧的霓虹灯上写着“营业至深夜”

主要提示词：雨坑中日落的倒影

主要提示词：一锅炖菜，配一个木勺

在文字生成上，V6可以在图像中更明确嵌入文本，甚至可以规定其风格。

注：可口可乐原文：CocaCola

还原毛衣质感、动物毛发、窗户上的雨滴

对长文本的处理也更好

产品logo图

不同工具的带文字产品设计图对比

在我国的设计和营销行业中，利用生成对抗网络（GAN）技术进行图像生成和优化，已经逐渐成为一种主流趋势。其中，由Midjourney开发的一款名为“文生图”的工具，因其出色的性能表现，受到了众多跨境电商从业者的青睐。据相关数据显示，Midjourney已经成为该领域最受欢迎的图像生成工具之一，其应用范围也不仅仅局限于商品介绍页和模特展示图的制作。事实上，许多从事跨境电商的人员早已开始采用文生图大模型来提升设计的质量和效率，这无疑预示着其在设计和营销行业的广泛应用前景。

V6版本在绘画领域实现了重大突破，尤其表现在绘制人物的细节方面，如手部描绘。过去，AI绘画因为不够真实而受到质疑，特别是人物手部的细节表现。然而，随着V5版本的发布，这个问题得到了完美解决。V6不仅能够呈现手部的指纹和皮肤纹路，还能够呈现出更为逼真的人物手部形象。下面是一些V6版本绘制的手部画作供您欣赏。

在当前版本中，V6模型尚存在一些功能短板，比如左右平衡和缩小等功能，然而，Holz却对此表示，这些功能将在V6的下一个版本更新中得到完善和优化。

V6并非Midjourney旅程的终点，这个产品一直在不断进化和迭代。2022年3月，它发布了首个版本，并迅速进化至目前的第六版，平均每3个月进行一次更新。根据Midjourney官方公告，V6在未来几周内的性能提升包括速度、图像质量、连贯性、提示遵循以及文本准确性等方面。令人惊喜的是，V6 Beta在发布半小时后的第一次更新中，生成速度竟然提升了2.7倍。

此前该公司还表示，未来的技术更新方向包括生成3D及视频。Holz预测，未来可能实现以每秒30帧的高分辨率实时生成内容，并且到2030年，可能会实现整个视频游戏的生成。

值得一提的是，创始人David Holz据称多次拒绝了风险投资人递来的橄榄枝，在过去的一年里，Midjourney在Discord平台上的用户数量从200万增长到了1767万，每天有超100万人上线（截至发稿），且该产品早已开启付费模式，用户可以根据不同套餐选择，每月收费10至120美元，凭借40名员工组成的团队，Midjourney在9月份成功实现年盈利2亿美元。