Midjourney per pastaruosius porą metų iš nišinio įrankio, apie kurį žinojo tik entuziastai, virto viena populiariausių AI vaizdų generavimo platformų pasaulyje. Jei kada nors bandei parašyti promptą ir gavai vaizdą, kuris visiškai neatitiko to, ką įsivaizdavai galvoje, tikriausiai supranti, kad su šiuo įrankiu reikia pramokti dirbti, o ne tiesiog „paspausti mygtuką”. Šis straipsnis skirtas tiems, kurie nori suprasti, kaip Midjourney veikia iš tikrųjų, kokie triukai padeda gauti norimą rezultatą ir kodėl kai kurie promptai tiesiog neveikia taip, kaip tikėtasi.
Kodėl Midjourney vis dar lenkia konkurentus
Rinkoje šiandien yra dešimtys AI vaizdų generatorių – DALL-E, Stable Diffusion, Adobe Firefly ir dar krūva mažiau žinomų alternatyvų. Tačiau Midjourney išlaiko lyderio poziciją dėl vienos priežasties – estetikos. Vaizdai, kuriuos generuoja šis modelis, tiesiog atrodo gražiau, kinematografiškiau, be tos „plastikinės” AI nuojautos, kuri dažnai išduoda kitus įrankius.
Kita priežastis – bendruomenė. Discord serveryje, kuriame veikia Midjourney, kasdien generuojami milijonai vaizdų, ir tu gali matyti, ką kuria kiti vartotojai realiu laiku. Tai savotiška mokykla – pamatai, kaip suformuluotas promptas davė konkretų rezultatą, ir gali tuo pasinaudoti savo darbe.
Kam iš tikrųjų reikalingas šis įrankis
Dažnai galvojama, kad Midjourney – tai tik pramoga ar žaidimas su keistais paveikslėliais. Realybėje juo naudojasi dizaineriai kuriant koncepcijas, rinkodaros specialistai ruošiant vizualinę medžiagą socialiniams tinklams, iliustratoriai ieškantys idėjų, net architektai vizualizuojantys pastatų koncepcijas dar prieš pradedant 3D modeliavimą. Tai ne pakaitalas profesionaliam dizaineriui, o įrankis, kuris sutaupo valandas rankinio darbo pradinėje kūrybinio proceso stadijoje.
Pirmieji žingsniai: kaip iš tikrųjų pradėti
Norint pradėti, reikia Discord paskyros ir prenumeratos – nemokamos versijos jau seniai nebėra. Kainos svyruoja nuo apie 10 dolerių per mėnesį už bazinį planą iki brangesnių variantų su neribotu generavimu. Pati registracija paprasta, bet čia dažniausiai ir prasideda painiava, nes vartotojas patenka į chaotišką Discord kanalą, kur vienu metu vyksta šimtai pokalbių ir generacijų.
Geriausia iš karto susikurti savo privatų serverį arba naudoti tiesiogiai Midjourney svetainę (dabar jau galima generuoti ir be Discord, per web versiją), kur viskas suskirstyta tvarkingiau. Ten randi savo generacijų istoriją, gali lengviau naršyti po nustatymus ir nesiblaškai tarp kitų žmonių pokalbių.
Pirmasis prompto bandymas dažnai atrodo taip: /imagine prompt: gražus miestas naktį. Ir rezultatas bus… vidutiniškas. Ne blogas, bet ir ne tas, kurio tikiesi. Būtent čia prasideda tikrasis mokymasis – reikia suprasti, kad Midjourney reaguoja ne į bendrą idėją, o į konkrečius žodžius, jų tvarką ir papildomus parametrus.
Promptų rašymo logika, kurią retas kas iš pradžių supranta
Daugelis pradedančiųjų daro tą pačią klaidą – rašo pilnus sakinius, tarsi kalbėtų su žmogumi. „Aš noriu, kad būtų nuostabus kraštovaizdis su kalnais ir saule” – toks tekstas modeliui suteikia daug nereikalingo triukšmo. Midjourney geriau supranta raktažodžius, atskirtus kableliais, panašiai kaip fotografo ar dizainerio užrašai.
Efektyvesnis variantas atrodytų maždaug taip: majestic mountain landscape, golden hour lighting, dramatic clouds, cinematic composition, shot on 35mm film. Pastebi skirtumą? Čia nurodyta ne tik tema, bet ir apšvietimas, kompozicija, net techninis stilius, imituojantis fotografiją.
Svarbiausi parametrai, kuriuos verta įsiminti
- –ar (aspect ratio) – nustato vaizdo proporcijas, pavyzdžiui –ar 16:9 filmams ar –ar 9:16 socialiniams tinklams.
- –chaos – nuo 0 iki 100, kuo didesnis skaičius, tuo netikėtesni ir įvairesni rezultatai iš to paties prompto.
- –stylize – kontroliuoja, kiek modelis „kūrybiškai” interpretuoja tavo tekstą, nukrypdamas nuo pažodinio vykdymo.
- –seed – fiksuoja atsitiktinumo skaičių, leidžia kartoti panašius rezultatus keičiant tik dalį prompto.
- –no – nurodo, ko nenori matyti vaizde, pvz. –no text, jei nenori jokių raidžių ar užrašų paveikslėlyje.
Šie parametrai iš pirmo žvilgsnio atrodo techniški ir nebūtini, bet praktiškai jie yra ta riba tarp atsitiktinio ir kontroliuojamo rezultato. Kai pradedi eksperimentuoti su –chaos ir –stylize kartu, pamatai, kaip stipriai gali keistis to paties teksto interpretacija.
Klaidos, kurias daro beveik visi pradedantieji
Viena dažniausių klaidų – per ilgi ir per daug detalizuoti promptai. Atrodo logiška – kuo daugiau informacijos duosi, tuo tikslesnis bus rezultatas. Realybėje modelis pradeda „pasimesti” tarp per gausaus konteksto ir sumaišo elementus arba tiesiog ignoruoja dalį instrukcijų. Geriau rašyti 15-25 žodžių promptus su aiškiais akcentais, o ne visą pastraipą.
Antra klaida – nesinaudojimas nuorodomis į vaizdus (image prompts). Galima į promptą įkelti nuorodą į esamą paveikslėlį ir modelis panaudos jį kaip stiliaus ar kompozicijos atskaitos tašką. Daugelis apie tai net nežino, o tai vienas galingiausių būdų pasiekti nuoseklią estetiką per kelias generacijas.
Trečia – nenaudojimas negatyvių parametrų. Jei nuolat gauni papildomas rankas, keistus tekstus fone ar nepageidaujamus objektus, –no parametras dažnai išsprendžia problemą greičiau nei bandymas perrašyti visą promptą iš naujo.
Versijų skirtumai: kodėl svarbu žinoti, ką naudoji
Midjourney reguliariai išleidžia naujas modelio versijas, ir kiekviena turi savo charakterį. Naujausios versijos (šešta ir vėlesnės) geriau supranta natūralią kalbą, tiksliau perteikia rankas ir tekstą, tačiau kartais praranda tą „meninį” savitumą, kurį turėjo ankstesnės versijos, mėgstamos iliustratorių.
Yra ir atskiras modelis Niji, sukurtas specialiai anime bei manga stiliaus vaizdams. Jei dirbi su tokia estetika, verta nuo pat pradžių perjungti į Niji režimą per –niji parametrą, nes bazinis modelis anime stilių interpretuoja gerokai prastesnę nei specializuotas variantas.
Verta paminėti, kad senesnes versijas galima pasirinkti rankiniu būdu per –v parametrą, ir kartais tai tiesiog geriau tinka konkrečiam projektui – pavyzdžiui, jei ieškai stilizuotesnio, mažiau „fotorealistinio” rezultato.
Pažangesni triukai, kurie keičia žaidimo taisykles
Kai pagrindai jau aiškūs, verta pereiti prie sudėtingesnių technikų. Viena naudingiausių – vaizdų maišymas (blend), kai sujungiami keli paveikslėliai ir modelis sukuria hibridą, paveldintį elementus iš kiekvieno. Tai puikiai tinka, kai reikia sukurti personažą, kuris turėtų vieno paveikslėlio veido bruožus ir kito – aprangos stilių.
Kitas galingas įrankis – multi-prompt technika, kai su :: simboliu atskiri žodžiai ar frazės traktuojamos kaip atskiri, o skaičius po jų nurodo, kiek „svorio” tas elementas turi. Pavyzdžiui: cat::2 dog::1 sako modeliui, kad katė turėtų dominuoti vaizde dvigubai stipriau nei šuo. Tai leidžia labai preciziškai kontroliuoti kompoziciją, kai reikia derinti kelis elementus vienoje scenoje.
Taip pat verta išbandyti –tile parametrą, jei kuri tekstūras ar raštus, kurie turi sklandžiai kartotis – populiaru tarp žmonių, kuriančių medžiagas 3D modeliavimui ar tapetų dizainui.
Ar tai tik kūryba, ar realus darbo įrankis
Tiesa ta, kad Midjourney šiandien naudoja ne tik menininkai laisvalaikiu. Rinkodaros komandos generuoja greitus koncepcinius vaizdus prieš perduodami užduotį fotografams, žaidimų kūrėjai ruošia koncept artą prieš pradedant modeliavimą, o smulkaus verslo savininkai kuria produktų vizualizacijas be didelio biudžeto profesionaliai fotosesijai. Tai nereiškia, kad profesija „iliustratorius” ar „fotografas” tampa nebereikalinga – veikiau atsiranda naujas įgūdis, kurį verta turėti šalia kitų.
Jei nori naudoti Midjourney rimtai, o ne tik pasižaisti, verta susikurti savo asmeninę „prompt biblioteką” – dokumentą, kuriame kaupi frazes, stilius ir parametrų kombinacijas, kurios davė gerus rezultatus. Su laiku pastebėsi, kad tam tikri žodžiai („volumetric lighting”, „depth of field”, „editorial photography”) beveik visada pagerina rezultatą nepriklausomai nuo temos.
Ką iš viso to reikėtų pasiimti sau
Jei šiandien sėdi ir žiūri į baltą /imagine langelį nežinodamas nuo ko pradėti, štai konkretus planas: pradėk nuo trumpo, aiškaus prompto be jokių parametrų, pažiūrėk, ką gauni, tada palaipsniui prideda po vieną elementą – apšvietimą, stilių, kompoziciją, kol rezultatas priartės prie to, ko ieškai. Nebandyk iškart sukurti tobulo prompto su dvidešimčia parametrų – tai kelias į nusivylimą.
Naudokis –seed parametru, kai randi rezultatą, kuris tau patinka, bet nori jį šiek tiek modifikuoti – tai leis išlaikyti bendrą kompoziciją keičiant tik detales. Neignoruok –no parametro, jis dažnai išsprendžia 80 procentų vizualinių klaidų per kelias sekundes. Ir svarbiausia – stebėk Discord bendruomenę arba galerijas svetainėje, nes geriausias būdas mokytis yra matyti, kaip konkretus tekstas virsta konkrečiu vaizdu kitų žmonių darbuose.
Midjourney nėra magija, nors kartais taip atrodo. Tai įrankis su savo logika, kurią išmokus, galima sukurti nuostabius dalykus per kelias minutes ten, kur anksčiau prireikdavo valandų darbo su grafikos redaktoriumi. Reikia tik kantrybės eksperimentuoti ir nebijoti, kad pirmi bandymai atrodys ne taip, kaip galvoje įsivaizdavai – tai natūrali dalis mokymosi proceso, per kurią praeina kiekvienas, net ir tie, kurių darbus dabar matai galerijose ir galvoji „kaip jie tai padarė”.
