兵貴神速，Midjourney V6昨天上午說要來，下午就真來了。神圖紛紛炸出，光影效果登峰造極，主打一個「你能說我就能畫」，擅長寫Prompt的朋友，你們有福了！
原文來源：新智元
圖片來源：由無界 AI生成
猝不及防的，Midjourney V6昨天下午忽然發(fā)布了！
雖然已經(jīng)預(yù)告了是這兩天，但誰也沒想到Midjourney的手速居然這么快，趕在圣誕節(jié)前讓大家嘗嘗鮮。
在/settings的下拉菜單中選擇V6，或者在Prompt后輸入 --v 6，就可以用上V6 Beta版模型了！
激動的網(wǎng)友們蜂擁而入，出爐了一大波測評。比起V5，V6真的是瘋狂加細(xì)節(jié)，畫面質(zhì)量史詩級增強(qiáng)。
根據(jù)MJ官方介紹，V6的主要變化，就是圖像質(zhì)量更好、語義理解更強(qiáng)、能嵌入英文單詞、更容納更多token了。
舉個例子，下面這兩張超人和蝙蝠俠的「劇照」，要不是背景里的「V6 is here」的提示，幾乎已經(jīng)分辨不出來到底是實拍還是出自AI。
以前被詬病最多的「一眼AI」，也在V6上達(dá)到了幾乎「以AI亂真」的地步。
有網(wǎng)友表示：Midjourney V5到V6的升級，堪稱是一次里程碑，意義堪比Stable Diffusion出現(xiàn)高清重繪。
除了圖像模型的大提升之外，V6最大的變化，就在于提示詞系統(tǒng)幾乎重做了。
用戶很可能需要重新學(xué)習(xí)怎么寫提示詞，需要盡量避免之前「語焉不詳?shù)拿枋觥?，例如「award winning」這類形容詞。
之所以會這樣，是因為在以前，模型沒辦法完全反映提示詞的要求，寫太詳細(xì)也沒用。但是升級之后，圖片會盡可能地遵循提示詞中每一個詞，所以用戶也要珍惜提示詞的空間，盡可能地詳細(xì)描述自己想要的內(nèi)容。
總之一句話就是，「只要你能說得清楚，V6就能給你畫明白。」
網(wǎng)友用Midjourney V6來想象「如果史蒂夫·喬布斯今天還活著，他會是什么樣子」，結(jié)果令人震驚這位網(wǎng)友表示：如果說這是生成式AI創(chuàng)造的圖像，沒人會相信我。
它已經(jīng)達(dá)到了電影級別的質(zhì)量。這一領(lǐng)域的創(chuàng)意，比如電影、照片、海報和雜志，從此很可能由AI主導(dǎo)。
另一位網(wǎng)友表示，MJ V6太逼真了，你可以直接用它想象你最愛的演員在電影中的樣子，比如Jared Leto在Netflix《最后的沙皇》中的扮相。
神圖紛紛出現(xiàn)，圖像質(zhì)量史詩級提升
里程碑級的升級，究竟體現(xiàn)在了哪些地方？
一位網(wǎng)友用同樣的Prompt來測試了V6和V5.2，可以看出，V6的提升體現(xiàn)在多處細(xì)節(jié)上。（上V6，下V5.2）
雨坑中日落的倒影，V6的光影效果明顯比V5.2更自然，V5.2的加工痕跡要更明顯。
reflection of a sunset in a rain puddle
仔細(xì)觀看可以發(fā)現(xiàn)，同樣的女性面部主體，V6在皮膚細(xì)節(jié)、毛發(fā)細(xì)節(jié)、光影效果上，都遠(yuǎn)優(yōu)于V5.2的效果。
1940年代復(fù)古科幻電影中身穿高領(lǐng)銀色操作衣的女操作員，V6生圖明顯要比V5.2更加真實。
V5.2的圖片主體人物顯得過于呆板，不像真人。
1940s retro sci-fi film, medium side-angle shot of a young female control panel operator wearing a form-fitting silver jumpsuit with a high collar. She is surrounded by 3 art deco robots. warm glowing buttons and switches, soft illumination
下面這兩幅食物的圖片都很誘人，但是V6的色彩和光影還是要更勝一籌。
a pot of stew with a wooden spoon, top-down perspective
在生成「二次元」風(fēng)格的口袋妖怪時，V6生成的效果神似動漫，而V5.2會畫得更像個擺拍的手辦。
frozen squirtle on the top of a snowy mountain 35mm film still of a detective
超強(qiáng)語義理解，Prompt說啥就畫啥
如果說在以前，視覺效果和美學(xué)表現(xiàn)都足夠震撼的Midjourney，為何風(fēng)頭時常不及DALL-E 3和Adobe Firefly，那自然是因為對于Prompt的高要求，嚇退了眾多「語死早」的用戶。
并且，V5.2糟糕的語義理解，也經(jīng)常讓生圖結(jié)果是「雖然美麗但不實用」。
而如今的V6，讓Midjourney對于語氣增強(qiáng)的理解，終于追上了競家的腳步。比起V5.2，V6大大增強(qiáng)了語義理解的能力，對于Prompt的把握也更加精準(zhǔn)。
寫著「open late」霓虹燈標(biāo)志的酒吧，V6就原樣生出來了，V5.2的字樣根本就不對。
而且從光影效果來看，V6也要更豐富更真實，就像給圖片開了光追一樣。
a corner bar with a neon sign that says "open late"
這張1960年代的街頭風(fēng)格照片，需要畫出一位年輕女子穿著綠色絲綢連衣裙、戴著珍珠項鏈坐在帆船上。
顯然，V6對于「珍珠項鏈」的理解要比V5.2好很多，而且除了人物主體之外，V6的周邊細(xì)節(jié)也更合理精細(xì)。
1960s street style photo of a young woman sitting on a sailboat wearing a green silk dress and a pearl necklace. The sun is setting over the ocean, shot on Agfa Vista 200
「1980年代的懸疑電影，仰拍，身穿黑西裝的法國管家在維多利亞式豪宅的走廊中手握蠟燭。」
從光影和構(gòu)圖來看，V6更符合要求，主體人物很好地融合進(jìn)了背景里。而V5.2基本都沒有做到。
1980s mystery film, low-angle shot of an evil-eyed French Butler sporting a black suit and grasping a candle in the hallway of a creepy Victorian mansion with musty decor. The warm candle glow evokes a spooky sense of mystery
下面這幅要求畫出抽象、超現(xiàn)實的景觀，有融化的時鐘、扭曲的形狀和浮島，空中有一只眼鏡形狀的巨大月亮。
其中，V6在空中畫出了「A large, eye-shaped moon dominates the sky」，而V5.2就沒有把這部分體現(xiàn)出來。
An abstract, surreal landscape with melting clocks, distorted shapes, and floating islands. The color palette is vibrant with a mix of blues, reds, and greens. A large, eye-shaped moon dominates the sky
這張1970年代的柯達(dá)Ektachrome電影劇照，需要畫出身穿深V綠色絲綢連體褲的25歲紅發(fā)女子。但V5.2并沒有把我們要求的深V領(lǐng)口畫出來。
1970s medium-closeup Ektachrome film still of a 25-year-old woman with curly red hair and freckles standing in front of vintage car in downtown Los Angeles. She's wearing a green silk jumpsuit with a plunging neckline. Golden hour
「五顏六色的珊瑚礁，各種各樣的海洋生物，包括各種魚、海龜和頑皮的海豚」。
這次，V5.2直接把海豚無視掉了，并自作主張地畫了一個潛水員……
A colorful coral reef teeming with marine life. There are various species of fish, a sea turtle, and a playful dolphin. Sunlight filters through the water, creating a dappled effect on the sea floor.「1980年代的間諜電影，年輕的黑發(fā)女人站在埃及裝飾風(fēng)格的豪宅中，有著黑色大理石柱子。」顯然，V6對于黑色大理石柱等背景的還原，要比V5.2準(zhǔn)確得多。
1980s spy movie, Medium closeup shot from low-angle, 35mm film still of a young brunette Egyptian woman standing in an Egyptian Art Deco Mansion with large columns made of black marble, wearing a black sequin dress, inside, daytime, natural lighting「電影劇照，一名偵探在犯罪現(xiàn)場采訪一名女性證人，偵探在做筆錄，目擊者焦急地看著，指著一條線索?！箍梢钥吹剑琕6的人物動作更加符合常理，而V5.2的圖片中人物動作像是在發(fā)呆，沒有按照提示詞的描述進(jìn)行做筆錄的行為。
interviewing a female witness at a crime scene. The detective is taking notes, while the witness looks on anxiously, pointing towards a clue就如同開頭所說，「只要你能說得清楚，V6就能給你畫明白。」如果你是個想象力大師，可以用邏輯結(jié)構(gòu)清晰、充滿細(xì)節(jié)的語言描繪出心中所想，V6定不會讓你失望——語言可以控制光影、控制材質(zhì)、控制色彩、控制構(gòu)圖。一句話，語言的魔力已經(jīng)被放至最大：能寫出神級Prompt的人，必得神圖。而相比之下，有ChatGPT加持的DALL-E 3，就不這么苛求用戶的語言表達(dá)能力，而是可以自行想象。難怪大家都說，Midjourney的上限足夠高，DALL-E 3的下限足夠低。
文字生成，直追SOTA
在文字生成上，V6較前代也有了巨大的提升。EMPTY、TOMORROW、Coca Cola，這些字在圖像中想加就加。雖然在準(zhǔn)確度上略遜于DALL·E 3，但視覺美感方面的表現(xiàn)，Midjourney依舊是遙遙領(lǐng)先。不過需要注意的是，下面這些圖像，每一張都進(jìn)行了3-10次的嘗試，才得了到比較理想的結(jié)果。
A man standing alone in a dark empty area, staring at a neon sign that says "EMPTY"
A realistic standup pouch product photo mockup decorated with bananas, raisins and apples with the words "ORGANIC SNACKS" featured prominently
An anime style movie poster with the stylized words "TOMORROW", with a girl looking upwards at the night sky, and cherry blossoms floating in the wind. --s 200
A Coca Cola ad, featuring a beverage can design with traditional Hawaiian patterns
A clean, minimalistic logo featuring an ice cream cone, with palm trees as the backdrop and the words "ICE CREAM OASIS" --style raw
A clean and minimalistic professionally designed vector of a biker speeding on a highway, with the words "FREEDOM ON WHEELS" --s 250
A minimalistic product shot of a bottle of perfume on a clean backdrop with the words "Floral Symphony", surrounded by fragrant white flowers
A modern cinematic movie poster with the words "FALLEN" showing a fallen angel in a dark forest --style raw --s 200
A modern burger advertisement, with the words "THE BIG ONE", featuring a delicious huge beef burger, with tomatoes and lettuce in the background
A pixar style illustration of a happy hedgehog, standing beside a wooden signboard saying "SUNFLOWERS", in a meadow surrounded by blooming sunflowers這里，我們匯總了一些可以提高生成準(zhǔn)確率的實用技巧：
1. 將單詞大寫并放在引號中，如「LIKE THIS」，可以提高生成的準(zhǔn)確度2. 使用--style raw參數(shù)，可以得到更準(zhǔn)確的結(jié)果3. 明確提出是電影海報（movie poster）和廣告（advertisement），效果更好4. 高stylize值可以創(chuàng)造出更有趣的文字效果
三大AI生圖巨頭pk，誰能勝出？
所以，現(xiàn)在AI生圖工具的三大巨頭，無疑就是Midjourney V6、DALL·E 3和Adobe Firefly了。網(wǎng)友們當(dāng)然迫不及待地讓三巨頭展開了一場大pk，對同一主題生圖，一目了然地拼個高下。Midjourney因為有著非常豐富的光影效果，有極強(qiáng)的真實感，幾乎沒有了原先那種「一眼AI」的感覺。同樣畫一個年輕女人，MJ打在臉上的光影效果讓人震撼，人物的眼神在傳達(dá)著某種情緒，整個畫面都充滿了電影感和故事感。相比之下，另外兩個女人美則美矣，眼神卻略顯空洞。
金發(fā)粉色衣服的美女，MJ畫的美女骨相耐看，衣服很仙。果然，Midjourney畫的美女，永遠(yuǎn)是最好看的。
藍(lán)莓蛋糕，MJ也是贏得很徹底。相比之下，DALL·E 3的AI感還是太重了，一眼假。
「一對白發(fā)蒼蒼的老人」這道題，MJ的作品太動人了，一張照片仿佛包含了一生的故事。
機(jī)甲戰(zhàn)士三家都畫得不多，MJ的背景虛化顯然是做得最好的。
雪中櫻花的背景，MJ又一次完勝。
同樣是金發(fā)美女，三張圖構(gòu)圖不同，側(cè)重點也不同。要論故事感，還是MJ完勝。
拿著相機(jī)的美女，后面是起火的建筑。MJ的人物情緒是對的，Adobe Firefly畫的美女笑得就太沒心沒肺了，DALL·E 3的人物和背景太剝離，光線太假。
總之，雖然大家對于AI生圖的評價標(biāo)準(zhǔn)各有不同的，但可以篤定地說，在藝術(shù)性和創(chuàng)意的觸感上，Midjourney V6這一輪是妥妥地贏了。做對比圖的博主說，Midjourney現(xiàn)在是，并且可能永遠(yuǎn)是自己的最愛。就是因為它，自己才進(jìn)入了這個AI藝術(shù)社區(qū)。
這位網(wǎng)友表示，在審美上，MJ把兩位對手遠(yuǎn)遠(yuǎn)甩在了后面。
這位網(wǎng)友指出，Adobe Firefly的優(yōu)點就是，讓圖像看起來如此逼真，以至于你可以直接上傳社交媒體。相比之下，MJ的對比度更高，更傾向于添加光影。
很抱歉，請在手機(jī)微信登錄投票
你最喜歡誰家出的圖？ 單選
Midjourney V6
Adobe Firely
DALL·E 3
參考資料：https://twitter.com/Mr_AllenT/status/1737829217973243990https://twitter.com/chaseleantj/status/1737816505507795060
