Пиши промпты для Midjourney правильно: секреты идеального запроса

Генерация картинок через нейросети буквально пару лет назад казалась чем-то из области научной фантастики, а сегодня любой обыватель с доступом к интернету способен за считанные секунды получить изображение, которому позавидовал бы иной иллюстратор. Midjourney среди подобных инструментов занимает особое место — эта нейросеть тяготеет к художественности, к некой «живописной» подаче, за что её и полюбили миллионы пользователей по всему миру. Казалось бы, вбивай слова в строку и жди результат. Но на практике львиная доля новичков натыкается на одну и ту же стену: картинка получается совсем не той, что рисовалась в воображении. Дело в том, что нейросеть — не телепат, и качество результата напрямую зависит от того, насколько грамотно составлен текстовый запрос. А потому стоит разобраться, как же правильно формулировать промпты, чтобы Midjourney выдавала именно то, о чём вы грезите.

Что такое промпт и почему от него зависит всё?

Промпт — это текстовая команда, которую пользователь вводит в строку бота Midjourney внутри Discord. По сути, набор слов и параметров, описывающих желаемое изображение. Звучит просто. Однако именно в этой кажущейся простоте и кроются подводные камни, о которые спотыкается большинство. Ведь нейросеть воспринимает текст совсем не так, как его воспринимает человек: она не «читает» предложение слева направо, вдумчиво разбирая смысл, а раскладывает введённые слова на токены и выстраивает между ними весовые связи. Одно неловко поставленное слово способно полностью изменить результат. К слову, именно поэтому опытные пользователи относятся к составлению промпта почти так же щепетильно, как фотограф — к выбору ракурса.

Стоит отметить, что Midjourney довольно сильно отличается от конкурентов вроде DALL-E или Stable Diffusion. Эта нейросеть изначально «заточена» под эстетику. Даже минимальный запрос из двух-трёх слов она способна превратить в нечто визуально приятное. Но «приятное» и «именно то, что нужно» — вещи разные. И вот тут начинается самое интересное.

Структура запроса: из чего состоит добротный промпт?

Начать нужно с понимания анатомии промпта. Грубо говоря, любой грамотный запрос к Midjourney складывается из нескольких смысловых блоков, идущих друг за другом в определённом порядке. Первый блок — это субъект, то есть главный объект изображения. Кто или что должно оказаться в центре внимания? Старый рыбак, средневековый замок, фарфоровая чашка с трещиной — чем конкретнее, тем лучше. Второй блок описывает действие или состояние субъекта, и третий — окружение, среду, антураж. Ну и, наконец, завершают промпт стилистические указания и технические параметры, о которых речь пойдёт ниже.

Почему так важна последовательность? Дело в том, что Midjourney придаёт больший вес словам, стоящим ближе к началу промпта. Это не железное правило, но довольно устойчивая закономерность, подтверждённая тысячами экспериментов сообщества. Если написать «a dark forest with a lonely knight standing in the center», рыцарь может оказаться второстепенным элементом, почти потерявшимся среди деревьев. А вот промпт «a lonely knight standing in the center of a dark forest» с большей вероятностью сделает рыцаря главным героем кадра. Нюанс тонкий, но он всё меняет.

Конкретика вместо абстракций

Самая распространённая ошибка. Новичок пишет что-то вроде «beautiful landscape» и искренне удивляется, получив нечто размытое и невнятное. Красивый пейзаж — это что именно? Горное озеро на рассвете в Патагонии, залитое розовым светом? Или осенний лес с ковром из багряных листьев, сквозь который пробивается утренний туман? Нейросеть не умеет читать мысли, и каждое уточнение — это словно дополнительный мазок кистью на холсте, который вы передаёте в руки художнику.

Вот конкретный пример. Вместо «a cat in a room» стоит написать «a ginger tabby cat sleeping on a velvet armchair in a dimly lit Victorian parlor, warm candlelight, dust particles in the air». Разница грандиозная. Первый вариант даст нечто случайное, второй — атмосферную, почти кинематографическую сцену. И это же правило касается абсолютно всех жанров: от портретов до архитектурных визуализаций. Чем больше скрупулёзно подобранных деталей — тем ближе результат к задумке. Но есть и ложка дёгтя: перегружать промпт тоже не стоит. Об этом чуть позже.

Как выбрать стиль?

Стилистика. Вот где по-настоящему начинается магия Midjourney. Нейросеть знакома с колоссальным количеством художественных направлений, имён мастеров и визуальных техник. Хотите картинку в духе Альфонса Мухи? Просто допишите «in the style of Alphonse Mucha». Тяготеете к киберпанку — добавьте «cyberpunk aesthetic, neon lights, rain-soaked streets». А если нужна фотореалистичная подача, на помощь приходят указания вроде «photorealistic, 35mm lens, shallow depth of field, golden hour lighting».

Особый интерес вызывает смешение стилей. Например, промпт «a samurai warrior, Art Nouveau style, stained glass effect» порождает совершенно неожиданный самобытный результат — воин-самурай, словно составленный из витражных стёкол с плавными линиями модерна. Подобные эксперименты и превращают работу с Midjourney из рутинного ввода текста в настоящий творческий процесс. К тому же, именно нестандартные комбинации чаще всего приковывают внимание зрителя и набирают популярность в тематических сообществах.

Параметры через двойное тире

Технические параметры — это отдельный кладезь возможностей, о котором многие новички даже не подозревают. Все они прописываются в конце промпта после двойного тире. Один из самых востребованных — —ar, отвечающий за соотношение сторон изображения. По умолчанию Midjourney генерирует квадратную картинку (1:1), но для пейзажа куда лучше подойдёт формат 16:9, а для портрета — 2:3 или 9:16. Далее следует параметр —stylize (сокращённо —s), регулирующий степень «художественной вольности» нейросети. Значение варьируется от нуля до тысячи: чем выше число, тем сильнее Midjourney отклоняется от буквального прочтения запроса в сторону эстетики.

Отдельно стоит упомянуть параметр —chaos (от нуля до ста), который управляет вариативностью результатов. При низком значении все четыре сгенерированные картинки будут довольно похожи между собой, а при высоком — каждая окажется совершенно иной интерпретацией промпта. Это удобно. Ведь на начальном этапе, когда идея ещё не сформировалась окончательно, высокий хаос помогает нащупать нужное направление. Ну, а когда образ уже выкристаллизовался — стоит задуматься о снижении этого значения для более предсказуемого результата. Нельзя не упомянуть и параметр —no, работающий как отрицательный промпт: он указывает нейросети, чего на картинке быть не должно. Написали —no text, watermark, frame — и шанс увидеть случайные надписи или рамки на изображении резко падает.

Стоит ли использовать отрицательные промпты?

Безусловно. Многие считают, что достаточно описать только то, что хочешь увидеть, и нейросеть сама догадается, чего на картинке быть не должно. Но на самом деле так это не работает. Midjourney довольно часто добавляет элементы «от себя»: текстовые артефакты, лишних персонажей, искажённые руки (это вообще бич всех нейросетей до недавнего времени). Параметр —no помогает минимизировать подобные сюрпризы, хотя и не устраняет их полностью. Кстати, в пятой и шестой версиях движка ситуация с руками и пальцами заметно улучшилась — прогресс буквально за год колоссальный.

Магия весов: разделитель «::»

Мало кто из новичков знает об этом инструменте, а ведь он — настоящий спасательный круг в ситуациях, когда нейросеть упорно «не понимает», какой элемент в промпте главный. Двойное двоеточие позволяет разбить промпт на смысловые блоки и присвоить каждому из них вес. Работает это так: если написать «hot dog», Midjourney скорее всего нарисует хот-дог — уличную еду. Но если нужна именно собака, которой жарко, придётся разделить: «hot:: dog». А ещё лучше — указать вес: «hot::1 dog::2», тем самым «приказав» нейросети уделить собаке вдвое больше внимания, чем концепции жары.

Выглядит впечатляюще, когда этот приём применяется в сложных многоэлементных промптах. Допустим, нужна картинка, где основной акцент — на архитектуре замка, а окружающий пейзаж играет второстепенную роль. Тогда промпт может выглядеть примерно так: «medieval castle on a cliff::3 misty mountains in the background::1 dramatic sunset sky::2». Нейросеть распределит внимание согласно указанным весам, и замок будет солировать в кадре, а горы — лишь дополнять общую картину. Впрочем, не стоит перебарщивать с количеством блоков: четырёх-пяти обычно хватает за глаза.

Какие ошибки всплывают чаще всего?

Задача не из лёгких — описать все промахи, но о самых частых рассказать определённо стоит. Во-первых, это избыточная длина промпта. Казалось бы, только что говорилось о важности конкретики, но тут нужно соблюсти баланс. Промпт на двести слов, где описан каждый камешек на дороге, — это уже перебор. Нейросеть начинает «путаться», не понимая, что из перечисленного приоритетно. Оптимальная длина — от тридцати до семидесяти пяти слов для стандартного запроса (хотя бывают исключения).

Во-вторых, злоупотребление прилагательными без конкретики. «Beautiful amazing stunning gorgeous» — четыре слова, а смысловой нагрузки ноль. Midjourney не воспринимает степени превосходства так, как человек. Ей гораздо полезнее одно точное описание освещения, чем пять восторженных эпитетов. И ещё один распространённый промах — полное игнорирование параметра освещения. А ведь именно свет создаёт настроение любой визуальной работы. «Soft diffused light», «harsh directional light from the left», «backlit silhouette» — такие указания творят чудеса, превращая посредственную генерацию в изысканную картину.

На каком языке писать?

Этот вопрос всплывает постоянно. Midjourney обучена преимущественно на англоязычных текстах, поэтому промпты на английском дают самый предсказуемый стабильный результат. Можно ли писать по-русски? Технически — да, нейросеть понимает многие языки. Но на практике результат получается менее точным: некоторые нюансы теряются при внутренней обработке, и картинка отклоняется от задумки. Тем более, что львиная доля обучающих материалов и гайдов сообщества написана на английском, и все проверенные приёмы описаны именно в англоязычном формате.

Если с английским совсем туго — можно воспользоваться переводчиком, но стоит перепроверить результат. Машинный перевод иногда подбрасывает странные синонимы, которые уводят нейросеть в непредсказуемое русло. Допустим, вы хотели «тёплый вечерний свет», а переводчик выдал «warm evening fire» — и вот уже на картинке полыхает костёр вместо мягкого заката. Да и сам опыт регулярного составления промптов неплохо подтягивает словарный запас, так что обе стороны медали здесь вполне очевидны.

Референсные изображения как отправная точка

Мало кто использует эту функцию на полную мощность, а зря. Midjourney умеет принимать не только текст, но и изображения в качестве отправной точки. Достаточно вставить прямую ссылку на картинку перед текстовой частью промпта — и нейросеть возьмёт её за визуальную основу. Это особенно удобно, когда словами трудно передать нужную цветовую палитру или композицию. Нашли в интернете фотографию с идеальным настроением — загружайте её как референс и дописывайте текстом то, что хотите изменить или добавить.

Кстати, параметр —iw (image weight) управляет тем, насколько сильно нейросеть будет опираться на загруженное изображение. Значение от нуля до двух: при нуле картинка-референс практически игнорируется, при двух — доминирует над текстом. Золотая середина обычно лежит где-то в районе 0.5–1.0. Этот инструмент — настоящая находка для дизайнеров, которым нужно выдержать единый колоритный стиль серии иллюстраций. Задал референс, зафиксировал вес — и каждая новая генерация органично вписывается в общий визуальный ряд.

Итерации: почему с первого раза не выходит идеально?

Ожидать шедевра с первой попытки — всё равно что надеяться попасть в яблочко с закрытыми глазами. Процесс работы с Midjourney — это всегда итерации. Сгенерировал первый результат, оценил, скорректировал промпт, сгенерировал снова. И так до тех пор, пока не получится именно то, что нужно. Опытные пользователи порой проходят через десять-пятнадцать итераций, и в этом нет ничего необычного.

Ну, а чтобы процесс не превращался в бесконечное блуждание, стоит освоить кнопки под сгенерированным результатом. «U» (upscale) увеличивает выбранный вариант до более высокого разрешения, а «V» (variation) создаёт вариации на его основе — похожие, но чуть отличающиеся изображения. Есть ещё кнопка перегенерации, которая запускает промпт заново с новым случайным зерном. Все эти инструменты в совокупности позволяют довольно быстро «нащупать» идеальный результат, двигаясь от общего к частному. Разумеется, терпение здесь — главный союзник.

Скрытые приёмы продвинутых пользователей

В сообществе Midjourney за годы существования накопился внушительный арсенал хитростей, о которых в официальной документации — ни слова. Один из самых колоритных приёмов — использование имён конкретных фотографов и кинооператоров для задания стиля освещения. Например, упоминание Роджера Дикинса (легендарного оператора «Бегущего по лезвию 2049» и «1917») в промпте задаёт характерную кинематографическую подсветку с глубокими тенями и выверенной цветовой температурой. А имя Уэса Андерсона моментально добавляет симметричные композиции и пастельную палитру.

Ещё один неоднозначный, но действенный трюк — добавление в промпт слов, связанных с платформами и изданиями. Фраза «trending on ArtStation» или «featured in National Geographic» корректирует общую «планку качества» генерации, подталкивая нейросеть к более профессиональному результату. Работает ли это на самом деле или срабатывает эффект плацебо? Сообщество спорит до сих пор, но визуальная разница в экспериментах бросается в глаза. Да и сами разработчики не отрицают, что такие «подсказки» влияют на итоговое изображение. Тем более, что нейросеть обучалась в том числе на работах с этих платформ, а значит, ассоциативная связь между названием площадки и визуальным качеством вполне логична.

Промпт для коммерческих задач: о чём не стоит забывать?

Если Midjourney используется не просто для развлечения, а для коммерческих целей — создания иллюстраций к статьям, мокапов для презентаций, концептов для брендинга — подход к составлению промптов меняется довольно серьёзно. Здесь на первый план выходит единообразие и воспроизводимость. Нужно, чтобы серия картинок выглядела стилистически целостной, а не как набор случайных генераций.

В таком случае спасательным кругом становится параметр —seed. Каждая генерация в Midjourney привязана к случайному числовому зерну, и если указать конкретное значение seed, нейросеть при прочих равных выдаст очень похожий результат. К тому же, для коммерческих проектов не стоит забывать о лицензии: платная подписка Midjourney даёт право использовать сгенерированные изображения в коммерческих целях, а вот бесплатная пробная версия — нет. Нюанс щепетильный, но игнорировать его — себе дороже.

Работа с Midjourney — это, по сути, новый навык, находящийся на стыке искусства и технологии. Буквально пару лет назад «промпт-инженер» звучало как шутка, а сейчас такие специалисты вполне востребованы на рынке. И пусть нейросети продолжают стремительно умнеть, понимание того, как с ними разговаривать, ещё долго останется ценным умением. Удачи в экспериментах — и пусть каждый новый промпт приближает вас к идеальной картинке!