Как работает Midjourney AI generator: руководство для начинающих

Ещё каких-то три-четыре года назад генерация изображений по текстовому описанию казалась фокусом из научной фантастики — чем-то из разряда голограмм и летающих автомобилей. А сегодня любой обыватель, далёкий от программирования и дизайна, способен за минуту получить картинку, которая приковывает внимание не хуже работ опытного иллюстратора. Львиная доля этого ажиотажа приходится на Midjourney — нейросеть, вокруг которой уже сформировался настоящий бомонд цифровых художников, маркетологов и просто любопытствующих энтузиастов. Но чтобы не разочароваться с первых же попыток и не утонуть в потоке непонятных терминов, стоит разобраться в механике работы этого инструмента с самого начала.

Что скрывается за названием Midjourney?

Midjourney — это генеративная нейросеть, которая превращает текстовые описания (так называемые промты) в изображения. Звучит довольно просто, однако за этой лаконичной формулировкой прячется колоссальный вычислительный процесс. Дело в том, что модель обучалась на миллиардах пар «текст — картинка», вычленяя закономерности между словами и визуальными паттернами. И когда пользователь вводит запрос вроде «средневековый замок на скале в тумане, масляная живопись», нейросеть не ищет готовое изображение в базе. Она синтезирует новое, опираясь на усвоённые связи между понятиями. Именно поэтому результаты порой удивляют даже самих создателей — алгоритм комбинирует элементы так, как живой художник мог бы и не додуматься.

Компанию основал Дэвид Хольц — бывший сотрудник NASA и сооснователь стартапа Leap Motion. Первая версия Midjourney появилась летом 2022 года, и с тех пор модель пережила несколько грандиозных обновлений. К слову, пятая версия уже производила картинки, которые на конкурсах путали с фотографиями, а шестая довела детализацию до уровня, где поры на коже и блики на стекле выглядят пугающе реалистично. Ну и, наконец, актуальная на сегодня версия 6.1 добавила ещё больше контроля над композицией и текстом внутри изображений.

Discord как рабочая среда

Вот тут многие новички спотыкаются. Ведь Midjourney долгое время работала исключительно через мессенджер Discord — платформу, которая изначально создавалась для геймеров. Никакого привычного интерфейса с кнопочкой «загрузить» и ползунками настроек. Вместо этого — текстовый чат, в который нужно вбивать команды. Непривычно? Безусловно. Но к этой механике довольно быстро привыкаешь.

Процесс выглядит так: сначала нужно зарегистрироваться в Discord (если аккаунта ещё нет), затем перейти на официальный сайт Midjourney и присоединиться к серверу проекта. На сервере существуют специальные каналы — «newbies», где начинающие пользователи могут генерировать свои первые картинки. А вот для более комфортной работы стоит пригласить бота Midjourney на собственный сервер или использовать личные сообщения. Это избавляет от хаоса общего чата, где чужие генерации мелькают каждые пару секунд. Впрочем, с недавних пор появился и веб-интерфейс на сайте midjourney.com — он куда интуитивнее, хотя часть опытных пользователей по-прежнему тяготеет к Discord из-за скорости и гибкости команд.

Как составить первый промт?

Промт — сердце всего процесса. Это текстовое описание того, что вы хотите увидеть на картинке. Главная команда — /imagine, после которой через пробел вводится сам запрос. И здесь начинается самое интересное.

Многие считают, что чем длиннее и подробнее промт, тем лучше результат. На самом деле всё не так однозначно. Короткий запрос вроде «cat» даст вполне симпатичного кота, но без какой-либо изюминки. А слишком перегруженное описание на двести слов рискует запутать нейросеть — она начнёт «терять» отдельные элементы. Золотая середина — от пяти до тридцати слов, где каждое несёт смысловую нагрузку. Стоит начать с объекта (что изображено), затем уточнить стилистику (акварель, 3D-рендер, фотореализм), добавить настроение (мрачное, солнечное, ностальгическое) и, если нужно, упомянуть композицию (крупный план, вид сверху, широкий угол). Ну, а дальше — эксперименты. Ведь именно в них вся суть.

Параметры и настройки

Помимо самого текста, в конец промта через двойное тире добавляются параметры — своего рода «рычаги управления» генерацией. Один из самых популярных — —ar (aspect ratio), который задаёт соотношение сторон. По умолчанию картинка квадратная (1:1), но для обложки блога удобнее формат 16:9, а для телефонных обоев — 9:16. Следующий важный параметр — —stylize (или сокращённо —s), который регулирует степень «художественности». Низкие значения (от 0 до 100) дают более буквальное следование промту, высокие (вплоть до 1000) — позволяют нейросети импровизировать и добавлять декоративные детали.

Отдельно стоит упомянуть параметр —chaos. Он определяет, насколько разнообразными будут четыре варианта в одной генерации. При значении 0 все четыре картинки окажутся довольно похожими, а при 100 — совершенно непредсказуемыми. Это удобно на этапе поиска идей, когда конкретного видения ещё нет. К тому же существует параметр —no, который работает как «негативный промт» — через него перечисляются элементы, которых на картинке быть не должно. Например, —no text, watermark убирает случайные надписи и водяные знаки. Нюанс в том, что отрицание не всегда срабатывает идеально — нейросеть иногда упрямится. Но в большинстве случаев этот параметр выручает.

Стоит ли платить за подписку?

Бесплатного доступа у Midjourney на текущий момент нет — пробный период давно отменили из-за колоссальной нагрузки на серверы. Самый бюджетный тариф — Basic Plan — стоит около десяти долларов в месяц и позволяет сгенерировать порядка двухсот изображений. Для первого знакомства этого хватает, но для серьёзной работы кошелёк станет легче: Standard Plan за тридцать долларов снимает жёсткие ограничения и добавляет режим «Relax», где генерации идут медленнее, зато без лимита. А вот Pro Plan за шестьдесят долларов — это уже для тех, кто использует Midjourney как основной рабочий инструмент и нуждается в быстрых очередях и скрытом режиме генерации (stealth mode), когда картинки не видны другим пользователям.

Бьёт ли это по бюджету? Зависит от задач. Для хобби вполне достаточно базового тарифа. Но если Midjourney помогает зарабатывать — создавать концепт-арт, иллюстрации для статей, макеты для клиентов, — тридцать долларов в месяц выглядят довольно скромным вложением. Тем более, что один качественный добротный рендер может заменить часы работы в графическом редакторе.

Что происходит после нажатия Enter?

Механика «под капотом» — кладезь для любопытных. Когда промт отправлен, нейросеть запускает процесс, называемый диффузией. Если совсем упростить, то алгоритм начинает с «шума» — хаотичного набора пикселей, напоминающего помехи на старом телевизоре. А затем шаг за шагом убирает этот шум, руководствуясь текстовым описанием. Каждая итерация приближает хаос к осмысленному изображению. По сути, нейросеть не «рисует» в привычном смысле — она «проявляет» картинку из небытия, словно фотографию в ванночке с реактивом. Весь процесс занимает от десяти до шестидесяти секунд в зависимости от нагрузки и выбранного режима.

На выходе пользователь получает сетку из четырёх вариантов. Под ней располагаются кнопки: U1–U4 (upscale — увеличение выбранного варианта до полного разрешения) и V1–V4 (variation — создание новых вариаций на основе понравившегося). И вот тут начинается щепетильный процесс отбора. Иногда идеальная картинка попадается с первой генерации, но чаще приходится прогонять три-пять итераций, подкручивая формулировки. Это нормально. Да и самим нейросетям, если можно так выразиться, нужно время «понять», чего от них хотят.

Секреты эффективных промтов

Задача не из лёгких. Искусство составления промтов — отдельная дисциплина, которую в англоязычном сегменте уже окрестили prompt engineering. Во-первых, нейросеть лучше реагирует на существительные и прилагательные, чем на глаголы. Фраза «a knight standing on a cliff, dramatic lighting, oil painting» сработает лучше, чем «a knight stands on a cliff and looks at the sunset». Во-вторых, порядок слов имеет значение — элементы в начале промта получают больший «вес». Ну и, наконец, добавление имён конкретных художников или стилей творит чудеса: «in the style of Alphonse Mucha» мгновенно превращает портрет в модернистский плакат с характерными завитками.

Нельзя не упомянуть и технику мультипромтов с использованием двойного двоеточия. Например, запрос «space::2 ship::1» заставит нейросеть сделать акцент на космосе, а корабль сделать второстепенным элементом. Числа после двоеточий задают относительный «вес» каждого понятия. Этот приём особенно полезен, когда стандартные формулировки не дают нужного результата и отдельные элементы либо «солируют» слишком ярко, либо теряются на фоне. Впрочем, освоить мультипромты с ходу непросто — понадобится практика.

Чем Midjourney отличается от конкурентов?

На рынке генеративных нейросетей конкуренция сейчас нешуточная. DALL·E от OpenAI, Stable Diffusion от Stability AI, Adobe Firefly, Leonardo AI — каждый инструмент тяготеет к своей нише. Stable Diffusion, к примеру, — решение для технически подкованных пользователей, которые хотят запускать модель локально на собственном компьютере и бесконечно настраивать её через дополнительные модули. DALL·E 3 интегрирован в ChatGPT и подкупает простотой: описал — получил. А вот Midjourney исторически держит планку именно в художественной стилизации.

Особый интерес вызывает то, как нейросеть обращается с цветом и композицией. Даже при минимальном промте результат получается эстетически завершённым — с грамотным балансом тёплых и холодных оттенков, продуманным расположением объектов и характерной «кинематографичностью». Многие считают, что Midjourney «красивее из коробки», и в этом есть изрядная доля правды. Ложка дёгтя — генерация текста внутри изображений. Хотя в шестой версии прогресс очевиден, надписи по-прежнему могут содержать ошибки или выглядеть кривовато. Но для логотипов и постеров с текстом всё равно лучше использовать графический редактор на финальном этапе.

Подводные камни для новичков

Первая и самая распространённая ошибка — промт на русском языке. Midjourney обучалась преимущественно на англоязычных текстах, поэтому запросы на английском дают несравнимо более точные результаты. Не стоит стесняться простого школьного английского — нейросеть прекрасно понимает базовые конструкции. А если с языком совсем туго, помогут онлайн-переводчики или ChatGPT, который за секунду превратит «уютная кофейня зимним вечером» в «cozy coffee shop on a winter evening, warm light, snowfall outside the window».

Вторая ловушка — завышенные ожидания. Нейросеть не читает мысли. Если в голове у вас живёт конкретная картинка до мельчайших деталей, первый же результат почти наверняка разочарует. Это связано с тем, что алгоритм интерпретирует слова по-своему, и совпадение «видения» автора и «понимания» модели — процесс итеративный. Не стоит бросать попытки после первой неудачной генерации. Тем более, что каждый новый запрос — это ещё один шаг к пониманию логики нейросети. Да и само ожидание результата, когда полоска прогресса медленно ползёт вперёд, вызывает почти детский азарт.

Третий нюанс — авторские права. Вопрос неоднозначный и до конца не урегулированный юридически. По условиям Midjourney, пользователи платных тарифов получают коммерческие права на сгенерированные изображения. Однако само понятие авторства в контексте ИИ-арта остаётся предметом жарких споров по всему миру. Для личных проектов и социальных сетей проблем обычно не возникает, а вот для крупных коммерческих кампаний стоит задуматься о юридической стороне вопроса.

Полезные приёмы на каждый день

Один из самых недооценённых инструментов — загрузка референсного изображения. В начало промта можно вставить прямую ссылку на картинку, и нейросеть будет отталкиваться от неё при генерации. Это колоссально упрощает работу, когда нужно выдержать определённую цветовую палитру или композицию. К тому же параметр —iw (image weight) позволяет регулировать, насколько сильно результат будет привязан к референсу — от лёгкого намёка до почти полного копирования стилистики.

Кстати, функция Zoom Out заслуживает внимания. После генерации можно «отдалить камеру», и нейросеть дорисует окружение за пределами оригинальной рамки. Выглядит впечатляюще, особенно когда из портрета крупным планом вдруг вырастает целая сцена с интерьером или пейзажем. А функция Pan позволяет «сдвинуть» изображение в любую сторону, наращивая холст. По сути, из одной удачной генерации можно развернуть панораму.

Отдельно стоит упомянуть команду /describe — она работает в обратном направлении. Загружаешь картинку, и Midjourney выдаёт четыре варианта текстового описания того, что «видит» на изображении. Этот приём — настоящий спасательный круг для тех, кто не знает, как сформулировать промт. Берёшь понравившуюся картинку из интернета, скармливаешь её через /describe и получаешь готовый каркас для собственного запроса.

Где искать вдохновение?

Галерея на официальном сайте Midjourney — кладезь идей. Там собраны лучшие работы сообщества, и каждая сопровождается промтом, который её породил. Изучение чужих промтов — пожалуй, самый быстрый способ прокачать собственные навыки. Натыкаешься на потрясающий портрет в стиле киберпанк, смотришь описание и понимаешь, что весь секрет — в двух словах «volumetric lighting» и «cinematic color grading». Буквально пара терминов, а разница колоссальная.

За пределами официального сайта существуют десятки сообществ в Reddit, Telegram и на специализированных форумах, где пользователи делятся экспериментами и разбирают удачные (и неудачные) генерации. И всё же главный совет — не стоит бесконечно читать гайды, откладывая практику «на потом». Midjourney — инструмент, который осваивается руками, а точнее — бесконечными пробами и ошибками. Каждый промт учит чему-то новому, даже если результат далёк от задуманного.

Нейросетевая генерация изображений — территория, которая меняется с головокружительной скоростью. То, что вчера казалось потолком возможностей, сегодня выглядит архаично. Midjourney продолжает обновляться, команда Хольца экспериментирует с видеогенерацией и 3D-моделями, а сообщество растёт с каждым днём. Так что окунуться в этот мир стоит прямо сейчас — пока кривая обучения ещё не взлетела до небес, а ощущение первооткрывателя никуда не делось. Удачи в творческих экспериментах — пусть каждый новый промт приносит маленькое открытие.