第1章
准备工作

1.1　Midjourney简介

Midjourney是一款实用的AI图像生成工具。用户只需要输入文字描述，Midjourney就能在一分钟内生成对应的图像。该工具由Discord社区推出，并迅速成为人们讨论的焦点。用户可通过Midjourney生成不同画家（如安迪·沃霍尔、达·芬奇、达利和毕加索等）艺术风格的作品，还能识别特定的镜头等摄影术语。

2022年3月，Midjourney首次亮相。2022年8月，V3版本推出。2023年，V5版本成功“出圈”。2023年4月，Midjourney（人工智能图像生成器公司）入选了2023年“福布斯AI 50”榜单。2023年5月15日，Midjourney官方中文版开始内测，搭载在QQ频道上。2024年8月，推出网页版。

Midjourney的创始人大卫·霍尔茨（David Holz）（见图1-1），曾创立专注于跟踪技术的公司Leap Motion，后来转向AI生成艺术领域。Midjourney的宗旨是将AI视为人类想象力的延伸，而不是现实世界的复刻。公司通过付费订阅的商业模式实现盈利，向用户提供不同档次的订阅服务。Midjourney最早源于对生成对抗网络（Generative Adversarial Network，GAN）和深度学习技术的探索。GAN由伊恩·古德费洛（Ian Goodfellow）及其团队在2014年提出，通过两个神经网络（生成器和判别器）的对抗性训练，能够生成逼真的图像。随着GAN技术的不断成熟，研究人员开始思考如何将其应用于实际的图像生成任务，这为Midjourney的诞生奠定了基础。

展望未来，Midjourney将继续在人工智能和图像生成领域保持创新。随着技术的进一步发展，Midjourney有望在更多行业和应用场景中发挥作用。无论是在广告设计、游戏开发，还是在教育和科研领域，Midjourney都将为用户提供更强大的工具，帮助用户实现更多创意和灵感。

1.2　Midjourney的设置与使用

1.2.1　成为Midjourney付费会员

目前，Midjourney只能通过付费使用，官方共提供了4种付费计划，如图1-2所示。

4种计划的主要区别是Midjourney的作图时间不同，生成图像的质量都是一样的。对4种计划的简要对比如下。

基础计划： 每月快速模式下，共有近200分钟的作图时间，大约可生成200张图像，支持3张图像并发快速作业。

标准计划： 每月快速模式下，共有15小时的作图时间，大约可生成900张图像，支持3张图像并发快速作业。

Pro计划： 每月快速模式下，共有30小时的作图时间，大约可生成1800张图像，支持12张图像并发快速作业，且带隐形模式。

Mega计划： 每月快速模式下，共有60小时的作图时间，大约可生成3600张图像，支持12张图像并发快速作业，且带隐形模式。

具体选择哪种计划，请读者根据需要考虑。

1.2.2　注册Discord账号

Discord是一款专为社群设计的免费的网络实时通话软件，主要针对游戏玩家、教育界人士及商界人士，在Microsoft Windows、macOS、Android、iOS、Linux和网页上运行。用户可以在软件的聊天频道通过文字、图片、视频和音频进行交流。Midjourney搭载在Discord里，读者可以将Discord理解为计算机，Midjourney是Discord里的一款程序。接下来，本节分享一种较为简单的注册Discord账号的方法。

首先，打开Discord官网，如图1-3所示。

读者根据所用操作系统进行下载即可，不同系统下Discord的操作界面和功能都是相同的。单击“登录”按钮即可进入登录界面，如图1-4所示。

如果读者已有Discord账号，直接登录即可。如果没有，单击登录界面中的“注册”，进入注册页面，根据页面要求填入电子邮箱、用户名、密码等信息。这里需要注意的是，年龄必须选择18周岁以上。输入注册信息后，单击“继续”。此时会弹出验证程序，如图1-5所示。

选中图1-5中的“我是人类”复选框，然后根据提示完成验证即可。

1.2.3　创建自己的服务器

完成人机验证后，就会进入创建服务器界面，如图1-6所示。

如果读者收到了Discord的其他用户的邀请链接，可以单击创建服务器界面最下方的“加入服务器”，加入其他人已经创建好的服务器。如果读者想创建自己的服务器，单击该界面中的“亲自创建”，在新打开的界面中单击“仅供我和我的朋友使用”，进入自定义服务器界面，如图1-7所示。

单击“UPLOAD”，上传一张自己喜欢的图像作为服务器账号的头像。单击下方输入框，自定义服务器名称，然后单击“创建”按钮，就会进入Discord主界面，顶部会提示验证邮箱的信息，此时需要读者去刚刚注册时所使用的邮箱中查找Discord发送的验证邮件，并单击“验证电子邮件地址”按钮，如图1-8所示。

验证成功的提示如图1-9所示。

至此，读者已顺利在Discord上创建了自己的服务器。

1.2.4　添加Midjourney频道

创建完自己的服务器后，还需要将Midjourney机器人添加到刚创建好的服务器。单击图1-9中最下方所示的“继续使用Discord”就可以跳转到本地安装好的Discord程序，如果没有跳转，请读者手动打开安装好的Discord程序。

在Discord主界面中，单击左上方的 按钮，会进入Discord社区的发现界面，如图1-10所示。

Midjourney是Discord中使用率较高的应用，因此排名一般靠前。如果读者没有看到Midjourney，则在图1-10所示界面的搜索框中输入Midjourney进行搜索。单击图1-10中标记1处的卡片，进入Midjourney服务器。

初次进入Midjourney服务器，会弹出话题推荐，如图1-11所示，单击“我就是随便逛逛”后，回到Midjourney服务器，顶部出现“加入Midjourney”按钮，如图1-12所示。

单击“加入Midjourney”按钮后，读者需根据要求完成人机验证。加入Midjourney后，单击界面右上方的“显示成员名单”按钮，如图1-13所示。在弹出的成员列表中找到Midjourney Bot，如图1-14所示。单击Midjourney Bot后，在弹出的界面中单击“添加至服务器”，如图1-15所示。完成添加至服务器后，会弹出选择服务器界面，如图1-16所示。

先单击图1-16中标记1处的下拉框，选择创建好的服务器，例如笔者创建的服务器是“GenJi的服务器”。选择之后，单击图1-16中标记2处的“继续”。在弹出的授权界面中，保持默认勾选状态，单击“授权”。这时，系统会弹出人机验证界面，自行完成验证后就会看到授权成功界面，如图1-17所示。

单击“前往［创建好的服务器名］”（这里是“前往GenJi的服务器”），就会来到我们自己创建的服务器中，欢迎界面如图1-18所示。

至此，我们已经将Midjourney Bot拉入我们自己的服务器。

1.2.5　接受协议

单击欢迎界面最下方的输入框，输入英文字符/，会弹出Midjourney的指令窗口，如图1-19所示。

选择图1-19中最顶部的/imagine或者在输入框继续输入imagine，输入框会自动添加prompt，如图1-20所示。

此时在输入框的prompt后面随便输入一个单词，例如Panda，然后按回车键，会弹出接受协议窗口，读者单击“Accept ToS”按钮完成协议认证，就会弹出订阅通知。完成一次认证后就可以开始正式使用Midjourney进行创作了。

1.2.6　用Midjourney完成第一幅作品

本节将介绍用Midjourney生成作品的操作方法，其中涉及的指令、参数将于第2、3章详细介绍。

在输入框中输入/，然后输入或者直接用鼠标选择imagine，输入Panda eye macro photography --v 6，作为提示词，如图1-21所示。

输入完成后，按回车键发送指令，就会看到Midjourney开始执行，如图1-22所示。

图1-22中右上角有绘制进度提示，当进度达到100%后，会看到Midjourney生成了一幅清晰的含有4张小图的图像，如图1-23所示。

图1-23生成的图像从左往右、从上到下依次标号为1、2、3、4。图像下方有两排按钮，其含义如下。

U：放大某张图像，完善更多细节内容。U1、U2、U3、U4按钮分别表示对第1张、第2张、第3张、第4张图像执行U操作。

V：生成与所选图像风格类似的4张新图像。V1、V2、V3、V4按钮分别表示对第1张、第2张、第3张、第4张图像执行V操作。

（刷新）：表示按照提示词重新生成图像。

如果图1-23中有满意的作品，则不需要刷新，可以直接挑选心仪的图像。例如，我们喜欢第1张，就单击“U1”。稍等片刻后，Midjourney就会输出所选图像的大图，如图1-24所示。

最后，既可以通过单击图1-24中最下方所示的 按钮，也可以先单击图像，再单击“在浏览器中打开”来保存我们用Midjourney完成的第一幅作品的高清原图，保存的原图如图1-25所示。

1.3　Discord的常用功能

Discord的本地应用程序与网页端的界面和功能相同。本书后续将使用本地应用程序。读者可以根据使用偏好选择本地应用程序或网页端。接下来将介绍Discord的常用功能，图1-26展示了Discord的功能界面。

图1-26中标记1所示的为服务器列表显示区域，该区域以图标形式显示如下类型的服务器：

用户自定义的服务器；

用户已选择加入的由其他用户创建的服务器；

用户已添加的官方机器人。

图1-26中标记2所示的为Midjouney生成图像的区域，通过滚动鼠标滑轮可以查看创作记录。也可以通过在图1-26中右上角所示的搜索栏输入关键字来查找。

图1-26中标记3所示的为输入框，后续用到的输入框，若没有特殊说明，都指的这个输入框。如果读者选择其他服务器或者频道，也可以通过在该输入框中输入内容完成与其他好友进行对话、点评他人的作品等操作。

本书基于自定义的“GenJi的服务器”进行创作。右击服务器列表中我们自定义的服务器logo，弹出的设置菜单如图1-27所示。

在设置菜单中，最常用的设置就是“编辑服务器个人资料”，读者可以在这里修改服务器的图标和名称，修改用户名与密码等个人资料。

读者如果需要将自己创建的频道分享给他人，则单击设置菜单中的“创建频道”。一旦有了自己的频道，就可以根据兴趣来设置相应的类别和活动。服务器与频道的关系就像大楼与大楼里的房间，用户可以在这里与好友聊天互动。

1.4　生成作品的3种方式

Midjourney提供了3种主流的生成作品的方式。本节将通过具体示例介绍这3种方式。

1.4.1　通过文字描述生成作品

图1-28就是通过文字描述（即提示词）生成的作品。

接下来，通过一段简单的文字描述来生成熊猫游泳的图像，如图1-28所示。

我们再在输入框中输入一段复杂的文字描述，用卡通风格生成熊猫家庭的图像，如图1-29所示。

由此可见，如果想让Midjourney创造出优质的图像作品，由几个单词组成的简单的提示词远远不够。经过作者长时间摸索，好的提示词可以按照如下框架来编写：

主体内容，环境背景，构图，视图，参考艺术家，图像参数

其中，环境背景指氛围、场景、光感等；构图包括规则构图、黄金分割、对角线构图等；视图包括正视图、侧视图、俯视图等；参考艺术家指的是要参考绘画风格的艺术家的名字；图像参数包含设置生成图像的尺寸、质量、风格等。

1.4.2　通过融图生成作品

顾名思义，融图就是将多张图像的风格融合在一起。进行融图操作时，应尽量保证样图简单，避免包含过多元素，以确保色调和风格能较好地融合。

首先，准备两张图像，人像应尽量精简，若过于复杂，融图效果可能会不可控。建议图像分别为人物主体和风景照，这样在Midjourney生成图像时，既有人物主体，又有背景的色调和纹理。图像格式最好是.png或者.jpg。

在输入框中输入/blend，然后按回车键发送指令，弹出图1-30所示的界面。由图1-30可知，/blend指令默认需要上传两张图像。依次单击图1-30中的image1和image2，弹出上传界面，上传事先准备好的两张样图。或者，也可以依次将样图拖到image1和image2选框。上传完成后，界面如图1-31所示。

此时按回车键执行融图操作，融图效果如图1-32所示。

如果想上传多张图像，单击图1-30所示界面右下角的“增加4”，在弹出的界面中选择“image3”，就可以继续添加新的样图，此时界面如图1-33所示。

单击“dimensions”选项，将弹出控制融图生成作品尺寸比例的选项，如图1-34所示。其中，Protrait表示生成作品的尺寸比例为2∶3，Square表示生成作品的尺寸比例为1∶1，Landscape表示生成作品的尺寸比例为3∶2。读者根据自己的需求选择即可。

1.4.3　通过样图结合文字生成作品

首先，准备一张或多张样图，样图的格式必须是.png、.gif、.webp、.jpg或.jpeg。单击输入框最左侧的“+”，在弹出的界面中单击“上传文件”，如图1-35所示。

然后，在弹出的界面中选择要上传的图片，此时界面如图1-36所示。按回车键，将样图传给Midjourney服务器，完成上传后界面如图1-37所示。

除了上面的上传样图操作，还可以直接通过鼠标将样图拖曳到Discord程序进行上传，读者可以根据个人喜好选择上传方式。

上传完成后，右击左侧的人物样图，在弹出的界面中单击“复制链接”，如图1-38所示。接下来，在输入框中输入/imagine，然后通过“Ctrl+V”组合键粘贴复制好的链接，再按空格键，然后添加对应的提示词。添加完成后的指令界面如图1-39所示，图中马赛克表示刚刚复制的图像地址，读者应使用自己的链接。

生成的作品如图1-40所示。

如果有多张样图，那么每个链接之间应用空格隔开。图1-41展示了输入3张样图时指令界面上的链接，不同链接间以空格隔开。

1.5　Midjourney版本

从V1到最新版本，Midjourney在技术和功能上不断实现突破，逐步提高了图像生成的质量。每个版本的更新都标志着人工智能图像生成领域的一次重要进展，为用户提供了更加强大的创意工具和平台。截至2024年5月，Midjourney已经推出了V1、V2、V3、V4、V5、V5.1、V5.2、V6共8个大版本。最早发布的是V1，数字越大表示版本越新。接下来将介绍各个版本的特点。

1.5.1　V1到V5版本

V1版本主要聚焦于图像生成的基础功能。该版本能够生成简单的图像，但在细节表现和逼真度方面存在较大的提升空间。

V2版本在V1版本的基础上进行了多方面的优化和改进。通过改进算法，提升了图像的细节表现和清晰度，并且增强了生成图像的多样性。

V3版本引入了更先进的深度学习算法，显著提升了图像生成的质量和速度。该版本在处理复杂场景和细节方面表现卓越，生成的图像更具艺术感和创意。

V4版本专注于高分辨率图像的生成和细节优化。该版本能够生成超高分辨率的图像，并在细节处理上达到了新的水平，图像更加细腻和真实。

V5版本在图像生成的智能化和用户体验方面取得了显著进步。该版本引入了智能提示和创意辅助功能，使用户能更轻松地生成满足个性化需求的图像。

接下来，使用同一提示词和不同版本生成图像，V1～V5版本生成的作品如图1-42～图1-46所示。

从这5张图中，可以观察到Midjourney在以下4个方面有显著提升。

细节丰富度和内容真实性。V1和V2版本的图像生成效果基本类似于简笔画，前景和背景的处理相对粗糙，到了V3版本，背景和透视关系都变得更加合理，而到了V4版本，图像已经达到了可用的状态。

分辨率提高。从V1到V3版本，单张图像的分辨率是256 px×256 px，到了V5版本，单张图像的默认分辨率已经提升到了1024 px×1024 px。

参数多样性。V5版本支持更多的参数，这些参数在之前的版本中大多是不可用的。此外，早期版本对某些词的具体含义理解有限，而V5版本的理解能力显著增强。

艺术风格词汇的重要性。这个结论尚未得到官方认证。有很多人认为V5版本是一个更通用的版本，笔者的理解是V5版本提高了图像生成的基准线。这意味着不需要太多描述性的词，也能生成一个“可以看”的作品。艺术风格词汇的使用变得更加重要，因为它们能够更精确地指导算法生成符合特定风格的作品。

1.5.2　V5.1版本

Midjourney的V5.1版本相对于V5版本在以下6个方面进行了提升。

提升了短提示词的产出质量，即使是简短的提示词也能生成高质量的图像。

新增了“RAW Mode”（原始模式），这是一个可选的模式，用于生成更加写实的图像。

对提示词理解的精准度得到了提升，减少了不必要的算法发散，使得生成的图像更符合用户意图。

文本识别能力增强，尤其是在生成包含文字的图像时，文字的识别和表现更加准确。

减少了不必要的边框，图像的构图更加自然和干净。

提高了图像的清晰度，使细节更加清晰可见。

接下来，同样通过示例介绍其特点。

首先，需要手动开启RAW Mode。在输入框中输入/setting指令，按回车键发送指令，在图1-47的下拉框中选择Midjourney Model V5.1后，再选择RAW Mode即可。或者，可以直接在提示词的最后添加“--v 5.1 --style raw”，来启用V5.1版本的RAW Mode，生成的作品如图1-48所示。

相较于V5版本，V5.1版本生成的作品拥有更多细节，整体画质也更加清晰。由于使用了RAW Mode，视觉风格更加写实。如果用户不需要过于写实的效果，可以在进行图1-47所示的设置时不选择RAW Mode，直接使用V5.1版本。根据笔者的测试，V5版本可以实现的效果，V5.1版本都可以实现，而且效果更佳。

V5.1版本的另一个独到之处在于提升了生成英文文本的能力。使用/imagine指令，并输入提示词，V5、V5.1 RAW Mode、V5.2、V6版本生成的作品如图1-49所示。

由图1-49可以看出，版本越高，对英文文本的识别能力越强，并且能更好地制作成logo类的图像。如果需要更丰富的表现力，建议不使用RAW Mode。

1.5.3　V5.2版本

Midjourney的V5.2版本相对于V5.1版本在以下6个方面进行了提升。

采用了更写实的美学系统，使生成的图像在视觉上更加逼真和自然。

新增了High Variation Mode（高变化模式），使用户可以选择生成具有更高变化性的图像，从而提供更多的创意选项和视觉效果。

新增了Vary（Strong）和Vary（Subtle）标签，使用户可以控制图像生成的变化程度。Vary（Strong）会生成与原图差异较大的图像，而Vary（Subtle）则会生成差异相对细微的图像。

新增了局部修改功能，使用户可以对图像的特定区域进行修改，而不用重新生成整个图像。

新增了Zoom Out（缩放）标签，可以在原图的基础上扩展画布，生成额外的背景内容。

新增了上下左右扩图标签，使用户可以指定图像生成的方向，如可以生成向上、向下、向左或向右扩展的图像，从而提供更灵活的构图选项。

接下来，通过示例介绍其特点。

在输入框中输入/setting指令，按回车键，在图1-50所示的下拉框中选择Midjourney Model V5.2。或者，可以直接在提示词的最后添加“--v 5.2”。

若在图1-50所示的下拉框中选择了Remix mode，则在进行V操作（生成图像的变体）时，可以开启输入框并根据需要调整提示词，设置方式如图1-51所示。

若在图1-50所示的下拉框中选择了High Variation Mode，则生成的图像更加多样化，人物也更加逼真，该模式下生成的作品如图1-52所示。如果不需要更加多样化的结果，则可切换为Low Variation Mode。

相较于V5.1版本，V5.2版本生成的作品在画质、分辨率、风格写实度和构图方面都有所提升。例如，熊猫的翅膀和毛的颜色都能很好地统一起来，光影效果也更加逼真。

经笔者测试对于V5.2版本的人像，表情、动作渲染效果更加写实逼真，质感堪比摄影作品。例如，使用/imagine指令，生成如图1-53所示的作品。

此时，对图1-53中的任意一个作品进行放大查看，例如执行U2操作，此时界面如图1-54所示，相较于之前的版本新增了一些功能，下面将详细介绍。

其中，Upscale（2x）表示将图像放大2倍，Upscale（4x）表示放大4倍。

Vary（Subtle）和Vary（Strong）功能允许用户对原图进行微调或较大改变后再次生成4张相似图像，图1-55和图1-56分别为选中Vary（Subtle）和Vary（Strong）功能后生成的作品。

Vary（Region）用于局部重绘，为用户提供了一个便捷的方式来进行特定区域的图像修改。选中该功能后，进入编辑框界面，如图1-57所示。

其中，标记1到5分别代表撤销操作、使用方形选框选择修改区域、使用套索工具选择修改区域、修改内容的提示词和发送指令。标记4处的文字表示添加一些火焰。红色矩形框中的透明图层就是使用套索工具选择的要修改的部分，单击标记5处的确认按钮发送修改指令，生成的作品如图1-58所示。

如果图像的宽度小于高度，即图像是竖图，那么会出现Make Square标签，如图1-59所示。该标签的作用是将图像以方形尺寸缩放，单击该标签后生成的作品如图1-60所示。在图1-60中，我们可以看到缩放后的作品，并且可以通过U操作进行新一轮的缩放，这个过程可以不断重复，从而将不完整的场景或人物扩展成更完整的全景。

在图1-59中，Zoom Out 2x表示将图像缩小50%。

如果用户需要更精确地控制图像缩放的比例，可以使用自定义缩放标签，单击图1-59所示界面中的Custom Zoom，弹出的提示框如图1-61所示。

在提示框中，用户不仅可以修改提示词，例如添加“some ice”（一些冰），还可以设置特定的参数来控制图像的缩放。这里提供了两个参数：--ar（宽高比）和--zoom（扩展值）。--ar参数允许用户设置所需的宽高比。--zoom参数的设置范围则限于1到2之间，这意味着缩放后的图像不能超过其原始尺寸的两倍。用户可以根据自己的需求设置这些参数。例如，可以设置“--zoom 2”。设置完成后，单击图1-61所示提示框中的“提交”按钮，生成的作品如图1-62所示。

图1-59中的4个方向的箭头按钮，分别表示按照箭头方向（左、右、上、下）进行扩图，常用于风景图。使用/imagine指令，并输入如下提示词。

生成的山水图如图1-63所示。

单击图1-63所示界面中的 按钮，将弹出提示框，不需要修改任何提示，单击提示框中的“提交”按钮后，向左扩图的效果如图1-64所示。

在图1-64所示界面中选择U1，放大后的作品如图1-65所示。此时，如图1-65中矩形框内所示，只有左右扩图按钮了，这是因为如果使用了左右扩图，就不能使用上下扩图。同样，使用了上下扩图就不能使用左右扩图。不断重复该过程，就能制作出连续的环境场景图。

1.5.4　V6版本

Midjourney的V6版本相对于V5.2版本在以下4个方面进行了提升。

更具质感的作品：V6版本在图像生成质量上有了显著的提升，尤其是在画面质感和细节刻画上。图像的光影处理更加真实自然，使生成的作品在视觉上更加吸引人。

长提示词文本理解能力：V6版本能够处理更长的文本提示词，其容量达到了350～500个词，而V5.2版本在超过30个词后，提示词的效果就会大打折扣。V6版本的自然语言处理能力也使用户在编写提示词时更加灵活，不再需要依赖简短的短语，而是可以使用更加自然的语言描述，从而提高了生成内容的准确性和用户满意度。

准确的英文理解能力：V6版本对英文提示词的理解变得更加准确，V6版本能够更好地呈现提示词中提到的所有元素，包括颜色、位置以及元素之间的关系。

放大选项优化：虽然我把这一点放在最后讲解，但实际上它是V6版本相对于V5.2版本的另一个重要改进。放大选项的优化意味着在放大图像时，能够保持更高的图像质量，减少模糊和失真的情况。

下面分别用V5.2版本和V6版本生成图像，提示词如下，观察作品的质感。

生成的作品如图1-66所示。

通过比较，我们可以明显看出V6版本生成的图像细节更加锐利和清晰，而V5.2版本的图像则显得较为模糊和灰暗。

下面分别用V5.2版本和V6版本生成图像，提示词如下，观察生成内容的准确性。

生成的作品如图1-67所示。

通过比较，可以发现V5.2版本没有准确呈现碗的颜色，在提示词中位置靠后的苹果、蓝莓也都丢失了，但V6版本可以准确生成这些物体，且它们的位置关系正确。

下面分别用V5.2版本和V6版本生成图像，提示词如下，观察生成特定英文文本的准确性。注意，要想准确生成英文文本内容，就需要将其置于英文的双引号内；在生成文本内容时，建议使用“--style raw”参数或设置较低的stylize值，以确保文本内容的准确性和可读性。

生成的作品如图1-68所示。

通过比较可以发现，V5.2版本没有准确呈现引号内的文本内容，但V6版本可以准确呈现。

在V6版本中，有两个起到图像放大功能的标签，分别是Upscale（Subtle）和Upscale（Creative）（见图1-69），它们虽然都可以将图像放大两倍，但各自有不同的应用场景和效果。Upscale（Subtle）旨在保持原图的基本外观和风格，放大后的图像与原图非常相似，它主要在细节上进行细微的增强，不会引入显著的新元素或风格变化，适用于那些希望放大图像同时保持原始风格和细节不变的用户。Upscale（Creative）放大后的图像在细节上可能与原图有明显的不同，可能会更加艺术化或风格化，适用于那些希望获得更具创意和艺术感的放大图像的用户。

1.5.5　V6.1版本

Midjourney的V6.1版本相对于V6版本在以下8个方面进行了提升。

图像质量提升：图像更加清晰锐利，特别是在纹理、皮肤和8-bit像素画的表现效果上。

更准确地呈现内容：V6.1版本生成内容的稳定性得到了提升，英文文本内容的正确率也有所提高。

默认美学风格优化：在美学风格上进行了优化，使得画面色彩更加明亮鲜艳，整体视觉效果更佳。

修复面部细节问题：V6.1版本修复了之前版本中人物面部细节不清晰的问题，即使在全身图中，人物面部的五官细节也较为清晰。

图像放大优化：对图像放大功能进行了优化，放大图像时能够提供更精致的细节。

质量参数调整：引入了--quality参数，允许用户控制生成图像所消耗的GPU时间，支持0.5、1、2三种数值，用户可以根据需要平衡生成速度和图像细节。

个性化模型更新：V6.1版本更新了个性化模型，可以适应不同用户的需求。

性能提升：V6.1版本的标准图像生成速度比之前提升了25%，这意味着用户可以在更短的时间内获得生成的图像。

下面分别用V6版本和V6.1版本生成图像，提示词如下，观察生成作品的美学风格。

生成的作品如图1-70所示。

通过比较可以发现，V6.1版本生成的作品在美学风格上进行了优化，其画面色彩更明亮、鲜艳，并且角色形象和肢体动作更加准确。

下面分别用V6版本和V6.1版本生成图像，提示词如下，观察生成作品的清晰度。

生成的作品如图1-71所示。

通过比较可以发现，V6.1版本生成的作品更清晰。

1.6　Niji版本

-- niji参数或/setting指令可以将Midjourney的绘画风格修改为漫画类型。如果想使用更细腻的漫画风格，可以选择将niji·journey Bot拉到自己的服务器上，操作方法如下。

在Discord主界面中搜索niji，找到niji·journey，如图1-72所示。

单击niji·journey（后文简称“Niji”）进入其主界面后，其拉入过程可参考1.2.4节中Midjourney Bot的拉入过程。拉入完成后，在输入框中输入/setting，选择带有Niji图标的指令，如图1-73所示。按回车键发送指令，弹出的设置界面如图1-74所示。其中，第一行表示可以选择的Niji版本，包括Niji4、Niji5、Niji6共3个版本。其他标签功能的介绍详见2.2节。本节将介绍Niji5和Niji6的特点，Niji4的效果与Niji5的Original Style效果相同，不再单独介绍。

1.6.1　Niji5特点

在图1-74所示界面选中Niji version 5，界面新增标签如图1-75所示。矩形框中的标签依次表示新默认风格、表现力风格、可爱风格、景观风格和原默认风格（Niji4的绘图风格）。

保持图1-75中的默认设置，在输入框输入/imagine，选择带有Niji图标的指令，输入提示词panda with cake，如图1-76所示。观察作品的风格，Default Style的作品如图1-77所示。

接下来保持提示词内容不变，依次切换其他4种风格，生成的作品依次为图1-78～图1-81。

根据图1-77～图1-81，可以总结Niji5不同风格的特点和应用场景，如表1.1所示。

除了直接在图1-75所示界面切换标签，还可以通过在提示词后添加参数来切换风格，如添加--style default、--style cute、--style expressive、--style original、--style scenic参数，也可以直接在/setting中设置为Niji Model V5，如图1-82所示。该操作的效果等同于图1-75中的效果。

1.6.2　Niji6特点

2024年1月，Niji6版本推出。相较于Niji5，Niji6版本有以下11个亮点。

图像质量提升：在图像质量上有显著提升，风格感也更强。

风格多样性：能够生成多种风格的图像，包括但不限于写实风格和插画风格。例如，在处理非动漫主题时，Niji6倾向于将其转化为具有鲜明风格的插画。

写实图像处理：在生成写实图像时，Niji6保留了摄影的写实感，但图像会变得更加朦胧，仿佛加了一层滤镜。

3D风格处理：在3D风格的图像中，Niji6会使图像更加柔和，色调变暖，整体看起来更可爱。

中式元素处理：Niji6在处理中式元素时表现更佳，细节和风格更贴合中式审美。

细节和动作表现：Niji6在服装细节和人物动作上表现更好，动作更夸张且有吸引力。

色彩和对比度：Niji6生成的图像色彩更明亮，对比度更强。

提示词反应：Niji6支持更大的提示词容量，能够更准确全面地理解提示词描述，生成效果更佳，但原本在Niji5中好用的提示词可能需要调整才能适应Niji6。

文本生成支持：Niji6支持生成简单的英文文本，这对设计封面等任务非常有帮助。

风格模式：Niji6目前只有--style raw这一个风格模式，该模式可以使图像风格更原始，不再那么动漫化或华丽。同时，通过--stylize参数可以调整风格强度，数值范围为0～1000。

图像差异性：Niji6生成的图像在元素、色彩、构图等方面的差异更明显，不会生成4张非常相似的图像。

在图1-75所示的界面选中Niji version 6。这里只演示两种有代表性的效果。

在Niji 6下，输入/imagine指令，提示词见下页，观察生成作品的准确性。生成的作品如图1-83所示。由此可见，Niji6能很好地识别复杂提示词的内容，并生成相应的作品，而Niji5无法实现。

在Niji6下，输入/imagine指令，提示词见下页，观察生成作品中的文字部分。生成的作品如图1-84所示。由此可见，Niji6在文字识别上比Niji5有质的飞跃。Niji5很难准确识别提示词中的指定文字内容。

除了直接在图1-75所示界面选中Niji verson 6，还可以在提示词中使用--niji 6参数，也可以直接在/setting中设置为Niji Model V6，如图1-85所示。