Как быстро сгенерировать картинку: нейросеть Midjourney для абсолютных новичков

Ещё пару лет назад создание качественной иллюстрации требовало либо навыков в графическом редакторе, либо приличного бюджета на фрилансера. Обыватель, далёкий от дизайна, мог разве что подобрать фотографию со стока — и то не всегда удачно. А потом появились нейросети, генерирующие изображения по текстовому описанию, и расклад изменился до неузнаваемости. Среди них особый интерес вызывает Midjourney — инструмент, который даже у людей без единого дня опыта в рисовании творит настоящие чудеса. Но чтобы первая же картинка не разочаровала, стоит разобраться в нескольких базовых нюансах ещё до старта.

Что такое Midjourney и почему вокруг столько шума?

Midjourney – это нейросеть, превращающая текстовый запрос (его принято называть «промтом») в готовое изображение. Причём изображение не просто сносное, а зачастую впечатляющее даже по меркам профессионального арта. Дело в том, что модель обучена на колоссальном массиве визуальных работ, и она довольно точно «понимает» стилистику, освещение, композицию. Когда-то подобная технология казалась фантастикой из фильмов про далёкое будущее, но сейчас к ней доступ есть у любого, кто умеет набирать текст на клавиатуре. К слову, львиная доля пользователей Midjourney — вовсе не дизайнеры и не художники. Это блогеры, маркетологи, владельцы малого бизнеса, да и просто люди, которым хочется получить красивую аватарку или обложку для плейлиста.

Многие считают, что для работы с нейросетью нужно разбираться в программировании или хотя бы в машинном обучении. На самом деле всё куда проще. Весь процесс сводится к набору текста на английском языке и нажатию одной кнопки. Результат появляется за считаные секунды — обычно от тридцати до шестидесяти, в зависимости от загрузки серверов. И вот тут бросается в глаза главная изюминка: скорость. За то время, пока закипает чайник, можно получить четыре варианта иллюстрации.

Регистрация и первый запуск

Начать нужно с сайта Midjourney. Раньше нейросеть работала исключительно через Discord — мессенджер, популярный у геймеров, — и для многих новичков это становилось первым подводным камнем. Сейчас же появился веб-интерфейс на сайте midjourney.com, и жизнь стала ощутимо легче. Достаточно зайти на сайт, авторизоваться через аккаунт Google или Discord и оформить подписку. Бесплатного тарифа на момент написания статьи нет, но базовый план стоит около десяти долларов в месяц — не то чтобы серьёзное вложение, учитывая возможности. Кошелёк от такой суммы точно не станет заметно легче.

Стоит ли тратить время на Discord-версию? Вовсе не обязательно. Веб-интерфейс интуитивно понятнее, да и результаты там отображаются в аккуратной галерее, а не теряются в бесконечной ленте чата. Впрочем, кому-то Discord-формат даже нравится — можно подглядывать за промтами других пользователей и учиться на чужих удачах. Это, кстати, один из самых эффективных способов набить руку.

Как составить первый промт?

Промт. Это слово будет преследовать вас на каждом шагу. По сути, промт — текстовое описание того, что вы хотите увидеть на картинке. Пишется он на английском языке, хотя нейросеть кое-как понимает и русский, результат при этом заметно хуже. Даже элементарное знание английского на уровне «читаю со словарём» вполне выручит. А если с языком дела обстоят совсем туго, на помощь придёт любой онлайн-переводчик.

Структура хорошего промта довольно проста, хотя и требует некоторой смекалки. Сначала идёт описание главного объекта — скажем, a medieval castle on a cliff. Затем стоит добавить детали окружения, настроение, время суток: foggy morning, dramatic lighting, autumn forest below. Ну и, наконец, можно указать стиль — watercolor painting, photorealistic, anime style и так далее. Всё это вписывается в одну строку через запятые. Нужно отметить, что чем конкретнее описание, тем точнее результат. Вместо расплывчатого beautiful landscape куда лучше сработает misty fjord at sunrise with snow-capped mountains. Нейросеть, как и человек, лучше работает с чёткими вводными.

Нюансы параметров

Задача не из лёгких. Ведь помимо текстовой части промта существуют ещё и параметры, которые задаются через двойное тире в конце строки. Один из самых востребованных — —ar (aspect ratio), отвечающий за соотношение сторон изображения. По умолчанию картинка генерируется квадратной, но для обложки блога, например, удобнее горизонтальный формат 16:9, а для сторис в социальных сетях — вертикальный 9:16. Записывается это элементарно: в конце промта добавляется —ar 16:9.

Следующий важный параметр — —stylize (или сокращённо —s). Он управляет тем, насколько «художественно» нейросеть интерпретирует запрос. Низкое значение (скажем, 50) даёт более буквальное следование описанию. Высокое (750–1000) — добавляет вычурности и творческой свободы, но объект может «уплыть» от первоначальной задумки. Для новичков золотая середина — значения от 100 до 250. Отдельно стоит упомянуть параметр —chaos, который определяет разнообразие между четырьмя вариантами в одной генерации. При нулевом значении все четыре картинки будут довольно похожими, а при высоком — совершенно разными по композиции и палитре. Это бывает полезно, когда хочется посмотреть, в каком направлении нейросеть «мыслит».

Стоит ли платить за старшие тарифы?

Базовая подписка за десять долларов даёт примерно двести генераций в месяц. Много это или мало? Для пробных экспериментов — более чем достаточно. Но если нейросеть начнёт затягивать (а она затягивает, это стоит признать), лимит может закончиться за неделю. Тем более что каждый апскейл и каждая вариация тоже расходуют «минуты» из тарифа. В стандартном плане за тридцать долларов количество генераций вырастает в разы, а ещё появляется режим «релакс» — генерация идёт чуть медленнее, зато без ограничений по количеству. Для тех, кто использует Midjourney в коммерческих целях, этот тариф уже ощутимо бьёт по бюджету, но и отдача от него внушительная.

А вот гнаться за максимальным тарифом на первых порах нет смысла. Он нужен тем, кто генерирует сотни картинок ежедневно, — иллюстраторам, контент-агентствам, разработчикам игр. Обычному человеку, решившему окунуться в мир нейроарта, базового или стандартного плана хватит с запасом.

Частые ошибки новичков

Первая и самая распространённая ловушка — слишком короткий промт. Написать cat и ждать шедевр — затея провальная. Нейросеть, конечно, нарисует кота, но скорее всего это будет нечто среднестатистическое и скучное. Без деталей о породе, позе, освещении, стиле результат выглядит пресно. Ведь именно конкретика и придаёт изображению характер.

Вторая ошибка — противоположная крайность. Некоторые новички пытаются впихнуть в один промт всё, что только приходит в голову: и закат, и дракона, и средневековый город, и космический корабль на заднем плане, и непременно чтобы всё это выглядело как масляная живопись Караваджо. Результат получается хаотичным, нечитаемым, а иногда и откровенно нелепым. Зрелище удручающее. Тут действует простое правило: одна идея — один промт. Если хочется совместить несовместимое, лучше разбить задумку на несколько генераций, а потом совместить результаты в графическом редакторе.

Ну, а третья ошибка связана с руками и пальцами. Да, нейросеть до сих пор довольно плохо справляется с анатомией кистей рук — шесть пальцев на одной руке или странно вывернутые запястья всплывают с завидной регулярностью. Это известная «ложка дёгтя» в бочке мёда нейрогенерации. Впрочем, с каждой новой версией модели ситуация заметно улучшается, и в пятой версии Midjourney руки выглядят уже куда приличнее, чем в третьей.

Как добиться нужного стиля?

Стилевые указания в промте — настоящий кладезь возможностей. Midjourney превосходно имитирует самые разные художественные направления, от фотореализма до акварели, от киберпанка до импрессионизма. Достаточно дописать в конце промта in the style of Studio Ghibli или oil painting, Baroque, и нейросеть подхватит настроение. К тому же можно ссылаться не только на стили, но и на конкретных фотографов или художников — нейросеть знакома с огромным количеством имён.

Отдельная история — работа с освещением. Слова golden hour, neon glow, soft diffused light, harsh shadows кардинально меняют восприятие одного и того же сюжета. Буквально десятилетие назад подобные эффекты требовали часов работы в Photoshop, а сейчас достаточно пары слов в строке запроса. И всё же не стоит забывать о балансе: если перегрузить промт стилевыми указаниями, нейросеть может запутаться и выдать нечто невнятное. Главное — угадать с палитрой и не переборщить с деталями.

Веб-интерфейс или Discord?

Этот вопрос до сих пор вызывает споры среди пользователей. Веб-версия на сайте Midjourney выглядит современно и понятно: слева — галерея всех ваших генераций, по центру — окно ввода промта, справа — параметры изображения. Всё собрано в одном месте, ничего не теряется, и даже новичок без подготовки разберётся за пять минут. Да и само ощущение от работы приятнее — интерфейс тяготеет к минимализму.

Discord же — совсем другой антураж. Здесь генерации происходят в общих каналах, где одновременно работают десятки людей. Картинки мелькают одна за другой, и в этом хаосе легко потерять свои результаты. Но есть и плюс: наблюдая за чужими промтами, довольно быстро начинаешь понимать, какие формулировки работают лучше. Это как подглядывать за шеф-поваром на кухне — бесплатный мастер-класс. Для тех, кто ценит порядок, подойдёт веб-версия. А кого вдохновляет живая атмосфера творческой лаборатории — тому прямая дорога в Discord.

Апскейл и вариации: что делать после генерации?

После каждого запроса нейросеть выдаёт четыре варианта изображения в сетке два на два. И вот тут начинается самое интересное. Под каждой сеткой расположены кнопки, обозначенные буквами U и V с цифрами от одного до четырёх. Буква U отвечает за апскейл — увеличение выбранного варианта до полного разрешения. Буква V запускает генерацию четырёх новых вариаций на основе выбранного изображения. Это невероятно удобно, ведь можно взять понравившийся вариант и «докрутить» его до идеала.

Кстати, в последних версиях появилась функция Vary (Region) — она позволяет выделить конкретную область картинки и перегенерировать только её, оставив остальное нетронутым. Скажем, если всё хорошо, но небо кажется слишком тусклым, можно выделить верхнюю часть и попросить нейросеть сделать его ярче. Раньше для такого приходилось запускать генерацию заново целиком, а сейчас процесс стал скрупулёзным и точечным.

Авторские права и подводные камни

Вопрос неоднозначный. С одной стороны, согласно условиям Midjourney, пользователи платных подписок получают право использовать сгенерированные изображения в коммерческих целях. С другой — правовое поле вокруг нейроарта до сих пор остаётся мутным. В разных странах суды принимают разные решения, и универсальной практики пока не сложилось. Тем более что нейросеть обучалась на работах реальных художников, и споры об этичности такого подхода не утихают.

На практике это означает следующее: для личных проектов, блогов, социальных сетей проблем обычно не возникает. А вот если сгенерированная картинка становится центральным элементом коммерческого продукта (обложкой книги, фирменным стилем бренда), стоит задуматься о консультации с юристом. Не стоит относиться к этому щепетильному вопросу легкомысленно — лучше перестраховаться, чем потом разбираться с претензиями.

Как ускорить процесс и не тратить генерации впустую?

Первый и самый действенный приём — использование референсных изображений. Midjourney позволяет вставить ссылку на картинку прямо в начало промта, и нейросеть будет опираться на неё при генерации. Это колоссальная экономия времени. Вместо того чтобы подбирать слова, описывающие нужную цветовую гамму или композицию, достаточно показать пример.

Второй спасательный круг — параметр —seed. Каждая генерация имеет свой уникальный числовой «зерновой» код. Если результат понравился и хочется создать серию похожих картинок (например, для единообразных иллюстраций в статье), можно зафиксировать seed и менять только описание объекта, сохраняя общую стилистику. К тому же это помогает разложить по полочкам, какой именно элемент промта на что влияет: меняешь одно слово при том же seed — и сразу видишь разницу.

Ну и, конечно же, не стоит пренебрегать функцией Describe. Она работает в обратном направлении: загружаешь картинку, а нейросеть выдаёт текстовое описание, которое могло бы породить подобное изображение. Это настоящий спасательный круг для тех, кто пока не может сформулировать промт самостоятельно. Берёшь понравившуюся картинку из сети, скармливаешь её Midjourney, получаешь готовый промт и дорабатываешь его под свои нужды.

Midjourney и конкуренты: что выбрать?

На рынке нейрогенераторов изображений сейчас довольно тесно. Помимо Midjourney внимание приковывают DALL·E от OpenAI, Stable Diffusion и Leonardo AI. У каждого инструмента свои сильные стороны. DALL·E неплохо справляется с точным следованием инструкциям и встроен прямо в ChatGPT, что удобно для тех, кто уже пользуется этой экосистемой. Stable Diffusion — проект с открытым исходным кодом, и при наличии мощной видеокарты его можно запускать локально, без подписок и ограничений. Leonardo AI тяготеет к игровому и концепт-арту.

Но по качеству «из коробки» Midjourney всё ещё солирует. Без долгих настроек, без установки дополнительного софта, без танцев с бубном вокруг графических драйверов — результат выглядит впечатляюще уже с первого запроса. Именно эта простота входа и делает Midjourney лучшим выбором для абсолютного новичка. Впрочем, когда уровень мастерства вырастет, никто не мешает попробовать и другие инструменты. Каждый из них внесёт свою лепту в понимание того, как нейросети работают с визуальным контентом.

Практический совет на старте

Перед тем как тратить генерации на собственные эксперименты, стоит провести хотя бы полчаса в публичной галерее Midjourney на сайте. Там собраны работы тысяч пользователей со всего мира — вместе с промтами, которые их породили. Это бесплатный добротный учебник, в котором каждый пример нагляднее любой теоретической статьи. Натыкаешься на изображение, которое приковывает внимание, — смотришь промт, анализируешь структуру, запоминаешь удачные формулировки. Буквально за вечер такого «серфинга» формируется вполне рабочее понимание того, как строить запросы.

И ещё одна мелочь, о которой мало кто говорит. Не стоит бояться генерировать «мусор». Первые десять-двадцать картинок почти наверняка будут далеки от идеала. Это нормально. Это часть процесса. Ведь даже опытные пользователи не попадают в точку с первого раза — они последовательно уточняют промт, меняют параметры, пробуют вариации. Терпение здесь ценнее таланта.

Midjourney — один из тех инструментов, которые проще освоить на практике, чем по учебникам. Пара вечеров экспериментов — и руки (уже ваши, не нейросетевые) сами запомнят, какие слова и параметры приводят к нужному результату. А первая по-настоящему удачная генерация, поверьте, запомнится надолго. Удачи в творческих экспериментах — и пусть нейросеть станет не заменой воображения, а его усилителем.