Mikä on Midjourney? Malli, jolla on vahvin näkemys

Anna sama lyhyt prompti usealle mallille, niin erot eivät ole hienovaraisia. Useimmat palauttavat jotain kirjaimellista ja hieman latteaa. Midjourney palauttaa usein jotain, jossa on dramaattinen valaistus, kapea syväterävyys, harkittu värisuhde ja tunne siitä, että joku teki päätöksiä.

Se ei ole koulutusdatan sattumaa; se on itse tuote. Malli on viritetty tuottamaan kuvia, joita ihmiset pitävät vaikuttavina, ja se pyrkii siihen silloinkin, kun prompti ei sitä pyydä.

Vastine on suoruus. Viritetty estetiikka tulee ohjeesi ja tuloksen väliin, joten jos pyydät jotakin tasaista — tuotekuva valkoisella, neutraali referenssikuva, kaavio — päädyt väittelemään mallin kanssa etkä ohjaamaan sitä. Se on todellinen kustannus, kun tehtävä vaatii tarkkuutta tunnelman sijaan.

Suurimman osan ajastaan Midjourneyllä ei ollut omaa sovellusta. Liityttiin Discord-palvelimelle, kirjoitettiin komento kanavalle ja kuvat ilmestyivät kanavaan kaikkien muiden kuvien sekaan. Se on yhä yksi kuluttajaohjelmistojen oudoimmista käyttöliittymäratkaisuista — ja se toimi.

Se tuotti pysyvän julkisen työpajan. Aloittelijat näkivät tuhansia promptien ja tulosten virtoja, mikä typisti oppimiskäyrää rajusti, ja yhteisö muodostui työkalun ympärille eikä sen viereen.

Verkkokäyttöliittymä saapui myöhemmin, ja useimmat käyttävät nyt sitä. Varhaisten vuosien kulttuurinen vaikutus näkyy yhä siinä, miten yhteisö jakaa tekniikoita ja miten suuri osa käytännön tiedosta elää keskusteluissa dokumentaation sijaan.

Ei painoja, ei paikallista ajoa, ei merkityksellistä ilmaistasoa ja historiallisesti ei yleistä APIa. Pääsy on tilauspohjainen ja koko putki on jonkun muun hallussa.

Monelle käyttäjälle se on juuri oikein — ei laitteisto-ostoksia, ei asennuksia, ei putken ylläpitoa. Kenelle tahansa, joka tarvitsee ohjelmallista massagenerointia, varmuutta täsmälleen toistettavasta tuloksesta vuosien päästä tai lähdemateriaalin pitämistä poissa kolmannen osapuolen infrastruktuurista, se on rakenteellinen raja, ei pikkujuttu.

Se tarkoittaa myös, että malli muuttuu altasi. Peräkkäiset versiot siirtävät talotyyliä, ja kuvia, joita sait luotettavasti aiemmalla versiolla, ei ehkä voi toistaa myöhemmällä. Kun ilmeen kaupallinen merkitys on suuri, riski on todellinen ja se kannattaa huomioida.

Kun kuvan on tarkoitus tulla katsotuksi eikä tarkastetuksi. Konseptitaide, moodboardit, toimituksellinen kuvitus, kirjan kannet, albumitaide — kaikki, missä ”iskuvoima” on määrittely, eikä kukaan valita mahdottomasta arkkitehtuurista.

Se on myös nopein reitti epämääräisestä ideasta johonkin hyvään. Jos et vielä osaa kuvata mitä haluat, makua omaava malli on hyödyllisempi kuin malli, joka toistaa uskollisesti epävarmuutesi.

Se on väärä valinta, kun tarkkuus on itse asia: tuote, jonka on näytettävä täsmälleen itseltään, valokuva, joka ei saa lukeutua tyylitellyksi, tekninen piirros tai mikä tahansa sellainen yleisölle, joka huomaa talotyylin ja vähättelee kuvaa sen takia.

Selkein sijoittelu: Midjourneyllä on näkemys, FLUX tottelee ohjetta, Nano Banana säilyttää olemassa olevan ja Stable Diffusion antaa palikat rakentaa tarvitsemasi käytöksen. Ne ovat neljä eri työtä, ja väittelyt ”parhaasta” ovat yleensä väittelyjä siitä, mikä työ jollakulla oli.

Julkaisemme erikseen laajemman vertailun Midjourneyn ja LaFoton välillä — myös kohdat, joissa se voittaa. Hakemisto, joka listaisi kilpailijan vain heikkouksineen, olisi täsmälleen kirjoittamisen arvoinen.