Midjourney V6神图炸出!生图效果碾压DALL·E3,逼真画面光影细节登峰造极

兵贵神速,Midjourney V6昨天上午说要来,下午就真来了。神图纷纷炸出,光影效果登峰造极,主打一个「你能说我就能画」,擅长写Prompt的朋友,你们有福了!

原文来源:新智元

图片来源:由无界 AI生成

猝不及防的,Midjourney V6昨天下午忽然发布了!

虽然已经预告了是这两天,但谁也没想到Midjourney的手速居然这么快,赶在圣诞节前让大家尝尝鲜。

在/settings的下拉菜单中选择V6,或者在Prompt后输入 --v 6,就可以用上V6 Beta版模型了!

激动的网友们蜂拥而入,出炉了一大波测评。比起V5,V6真的是疯狂加细节,画面质量史诗级增强。

根据MJ官方介绍,V6的主要变化,就是图像质量更好、语义理解更强、能嵌入英文单词、更容纳更多token了。

举个例子,下面这两张超人和蝙蝠侠的「剧照」,要不是背景里的「V6 is here」的提示,几乎已经分辨不出来到底是实拍还是出自AI。

以前被诟病最多的「一眼AI」,也在V6上达到了几乎「以AI乱真」的地步。

有网友表示:Midjourney V5到V6的升级,堪称是一次里程碑,意义堪比Stable Diffusion出现高清重绘。

除了图像模型的大提升之外,V6最大的变化,就在于提示词系统几乎重做了。

用户很可能需要重新学习怎么写提示词,需要尽量避免之前「语焉不详的描述」,例如「award winning」这类形容词。

之所以会这样,是因为在以前,模型没办法完全反映提示词的要求,写太详细也没用。但是升级之后,图片会尽可能地遵循提示词中每一个词,所以用户也要珍惜提示词的空间,尽可能地详细描述自己想要的内容。

总之一句话就是,「只要你能说得清楚,V6就能给你画明白。」

网友用Midjourney V6来想象「如果史蒂夫·乔布斯今天还活着,他会是什么样子」,结果令人震惊这位网友表示:如果说这是生成式AI创造的图像,没人会相信我。

它已经达到了电影级别的质量。这一领域的创意,比如电影、照片、海报和杂志,从此很可能由AI主导。

另一位网友表示,MJ V6太逼真了,你可以直接用它想象你最爱的演员在电影中的样子,比如Jared Leto在Netflix《最后的沙皇》中的扮相。


神图纷纷出现,图像质量史诗级提升


里程碑级的升级,究竟体现在了哪些地方?

一位网友用同样的Prompt来测试了V6和V5.2,可以看出,V6的提升体现在多处细节上。(上V6,下V5.2)

雨坑中日落的倒影,V6的光影效果明显比V5.2更自然,V5.2的加工痕迹要更明显。

reflection of a sunset in a rain puddle

仔细观看可以发现,同样的女性面部主体,V6在皮肤细节、毛发细节、光影效果上,都远优于V5.2的效果。

1940年代复古科幻电影中身穿高领银色操作衣的女操作员,V6生图明显要比V5.2更加真实。

V5.2的图片主体人物显得过于呆板,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

下面这两幅食物的图片都很诱人,但是V6的色彩和光影还是要更胜一筹。

a pot of stew with a wooden spoon, top-down perspective

在生成「二次元」风格的口袋妖怪时,V6生成的效果神似动漫,而V5.2会画得更像个摆拍的手办。

frozen squirtle on the top of a snowy mountain 35mm film still of a detective


超强语义理解,Prompt说啥就画啥


如果说在以前,视觉效果和美学表现都足够震撼的Midjourney,为何风头时常不及DALL-E 3和Adobe Firefly,那自然是因为对于Prompt的高要求,吓退了众多「语死早」的用户。

并且,V5.2糟糕的语义理解,也经常让生图结果是「虽然美丽但不实用」。

而如今的V6,让Midjourney对于语气增强的理解,终于追上了竞家的脚步。比起V5.2,V6大大增强了语义理解的能力,对于Prompt的把握也更加精准。

写着「open late」霓虹灯标志的酒吧,V6就原样生出来了,V5.2的字样根本就不对。

而且从光影效果来看,V6也要更丰富更真实,就像给图片开了光追一样。

a corner bar with a neon sign that says "open late"

这张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。

显然,V6对于「珍珠项链」的理解要比V5.2好很多,而且除了人物主体之外,V6的周边细节也更合理精细。

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。」

从光影和构图来看,V6更符合要求,主体人物很好地融合进了背景里。而V5.2基本都没有做到。

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

下面这幅要求画出抽象、超现实的景观,有融化的时钟、扭曲的形状和浮岛,空中有一只眼镜形状的巨大月亮。

其中,V6在空中画出了「A large, eye-shaped moon dominates the sky」,而V5.2就没有把这部分体现出来。

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

这张1970年代的柯达Ektachrome电影剧照,需要画出身穿深V绿色丝绸连体裤的25岁红发女子。但V5.2并没有把我们要求的深V领口画出来。

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

「五颜六色的珊瑚礁,各种各样的海洋生物,包括各种鱼、海龟和顽皮的海豚」。

这次,V5.2直接把海豚无视掉了,并自作主张地画了一个潜水员……

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年代的间谍电影,年轻的黑发女人站在埃及装饰风格的豪宅中,有着黑色大理石柱子。」显然,V6对于黑色大理石柱等背景的还原,要比V5.2准确得多。

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「电影剧照,一名侦探在犯罪现场采访一名女性证人,侦探在做笔录,目击者焦急地看着,指着一条线索。」可以看到,V6的人物动作更加符合常理,而V5.2的图片中人物动作像是在发呆,没有按照提示词的描述进行做笔录的行为。

interviewing a female witness at a crime scene. The detective is taking notes, while the witness looks on anxiously, pointing towards a clue就如同开头所说,「只要你能说得清楚,V6就能给你画明白。」如果你是个想象力大师,可以用逻辑结构清晰、充满细节的语言描绘出心中所想,V6定不会让你失望——语言可以控制光影、控制材质、控制色彩、控制构图。一句话,语言的魔力已经被放至最大:能写出神级Prompt的人,必得神图。而相比之下,有ChatGPT加持的DALL-E 3,就不这么苛求用户的语言表达能力,而是可以自行想象。难怪大家都说,Midjourney的上限足够高,DALL-E 3的下限足够低。


文字生成,直追SOTA


在文字生成上,V6较前代也有了巨大的提升。EMPTY、TOMORROW、Coca Cola,这些字在图像中想加就加。虽然在准确度上略逊于DALL·E 3,但视觉美感方面的表现,Midjourney依旧是遥遥领先。不过需要注意的是,下面这些图像,每一张都进行了3-10次的尝试,才得了到比较理想的结果。

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这里,我们汇总了一些可以提高生成准确率的实用技巧:

1. 将单词大写并放在引号中,如「LIKE THIS」,可以提高生成的准确度2. 使用--style raw参数,可以得到更准确的结果3. 明确提出是电影海报(movie poster)和广告(advertisement),效果更好4. 高stylize值可以创造出更有趣的文字效果

三大AI生图巨头pk,谁能胜出?



所以,现在AI生图工具的三大巨头,无疑就是Midjourney V6、DALL·E 3和Adobe Firefly了。网友们当然迫不及待地让三巨头展开了一场大pk,对同一主题生图,一目了然地拼个高下。Midjourney因为有着非常丰富的光影效果,有极强的真实感,几乎没有了原先那种「一眼AI」的感觉。同样画一个年轻女人,MJ打在脸上的光影效果让人震撼,人物的眼神在传达着某种情绪,整个画面都充满了电影感和故事感。相比之下,另外两个女人美则美矣,眼神却略显空洞。

金发粉色衣服的美女,MJ画的美女骨相耐看,衣服很仙。果然,Midjourney画的美女,永远是最好看的。

蓝莓蛋糕,MJ也是赢得很彻底。相比之下,DALL·E 3的AI感还是太重了,一眼假。

「一对白发苍苍的老人」这道题,MJ的作品太动人了,一张照片仿佛包含了一生的故事。

机甲战士三家都画得不多,MJ的背景虚化显然是做得最好的。

雪中樱花的背景,MJ又一次完胜。

同样是金发美女,三张图构图不同,侧重点也不同。要论故事感,还是MJ完胜。

拿着相机的美女,后面是起火的建筑。MJ的人物情绪是对的,Adobe Firefly画的美女笑得就太没心没肺了,DALL·E 3的人物和背景太剥离,光线太假。

总之,虽然大家对于AI生图的评价标准各有不同的,但可以笃定地说,在艺术性和创意的触感上,Midjourney V6这一轮是妥妥地赢了。做对比图的博主说,Midjourney现在是,并且可能永远是自己的最爱。就是因为它,自己才进入了这个AI艺术社区。

这位网友表示,在审美上,MJ把两位对手远远甩在了后面。

这位网友指出,Adobe Firefly的优点就是,让图像看起来如此逼真,以至于你可以直接上传社交媒体。相比之下,MJ的对比度更高,更倾向于添加光影。

很抱歉,请在手机微信登录投票
你最喜欢谁家出的图? 单选
Midjourney V6
Adobe Firely
DALL·E 3

参考资料:https://twitter.com/Mr_AllenT/status/1737829217973243990https://twitter.com/chaseleantj/status/1737816505507795060