使用midjourney搞出一套三国人物画像！

2024-04-17 09:13:31

当下已进入如火如荼的全民AI时代，最近体验了下midjourney，使用它的以图生图功能生成出来一套三国人物画像，和大家分享下使用心得。

使用midjourney的准备工作

下载工具

使用midjourney生产图片依赖的工具和流程，大致如下：

[1] 下载Discord App
[2] 添加Midjourney Bot
[3] 发送交互指令
[4] 生成图片

midjourney.com是midjourney的官网，可以跟随网站引导提示完成使用体验。较为推荐和常见的使用姿势是在discord.com下载discord app后添加midjourney bot来进行指令交互完成图片生成。

交互流程

对于图片的生成主要是通过输入给midjourney一些prompt和参数来完成的。

prompt 可以分为文本和图片两种类型，可以同时存在施加干预
参数常用参数如--ar指定图片比例、--vmidjourney版本等

参考midjourney参数

以图生图

指令

以图生图的指令结构非常简单，如下：

/imagine [url] [prompt] [param]

url：上传到midjourney的图片url
prompt：影响midjourney的提示
param：midjouryney支持的参数配置

出图流程

[1] 上传图片：在本地选择一张图片上传到midjourney，支持jpg、png等通用格式，而bmp等格式需要转换后方可上传
[2] 复制图片地址：复制图片地址以备发送交互指令后使用
[3] 发送交互指令：

/imagine https://s.mj.run/wws8EMAvHdE
she is a woman,in ancient China,2 foot tall doll in pixar::2 
--ar 3:4 --v 5 --q 2 --s 750 
--no braid,barbarians,earrings,glasses,wrinkle,baldness

[4] 生成图片：根据出图体感做v1~v4、u1~u4、prompt调整直到生成最满意的图

初体验

文字生图/以图生图的差别

在纯文字prompt的场景下，生成出来的图是一个几乎全未知的结果，需要进行大量的prompt调整才可能达到要求，在我进行纯文字prompt测试的case中几乎没有一张能够满足我的出图要求，这既有个人指令熟练度、覆盖度的原因，也有文字prompt相对局限性的问题，当下涌现了很多prompt网站，很多近乎成品的图和对应prompt被分享出来，但是拿着一致的prompt不一定拿到一致的图，存在很大的随机性、不稳定。

但是，以图生图的好处是可以通过一个已经存在的图像，让AI来识别，基于“模板”来进行二创，在我进行以图生图prompt的测试case中拿到满意出图效果。如果你的出发点是通过已有图片做较为稳定性的出图，比如给自己的照片做卡通形象，以图生图是很好的一种实现形式。

模型数据影响

对于出图描述体感上更符合欧美人群，而且亚裔人的描述并不是很符合现实，猜测和训练数据有一定关系，如果prompt不进行细节描述，描述很难符合预期。

最佳实践

总结一句话就是：喜欢的原型图 + 喜欢的风格 = 二创满意的图！

第一步： 在prompt分享网站找到自己喜欢的midjourney生成好的图片，如lexica.art/ ，大部分是支持关键字检索的，可以检索自己期望的风格、物品等描述。
第二步： 查看它的prompt进行参考，过于简短的prompt没有太大参考价值，主要参考哪些风格系描述，如cartoon（卡通）、painting（绘画）等，这里我想要给我找到的原型图卡通一点的形象，我抽取了prompt为2 foot tall doll in pixar (皮克斯的 2 英尺高娃娃)作为我的出图效果设定。
第三步 对图片细节进行详尽描绘，具体可以参考如下人物特征描述。如果你对于细节要求不高，对出图效果比较佛系，可以简单描述核心特征即可。比如我在二创三国人物时候，会给简单prompt提示，如：

//性别
a man,
//中国古代
in ancient China,
//皮克斯风格,这里配置了权重::2，增强midjourney的感知
2 foot tall doll in pixar::2
//我需要3:4比例的图片
--ar 3:4

如果需要更为详尽的人物特征刻画，可以参考下面这组prompt。值得一提的是，并不是事无巨细越全越好，而是要挑选重点进行描述，以图生图的好处之一是已经有一个成型的图片模板，AI会识别它的特征，而我们二创只需要基于它进行“改版”做适当微调就可以。

错误陷阱

在使用过程中也遇到很多badcase，这里分享下：

颜色敏感

在一个测试case中发现，midjourney对颜色词汇非常敏感，但是也容易产生混乱，比如：

//带红色的帽子
wearing a red hat,
//穿绿色的衣服
wearing a green clothes,

有时候会只识别到一种颜色，而且会把整个画面变得过于“色彩化”。

配合权重设置

权重设置可以参考上面的参数列表使用，它相当于是prompt的手动调优，让AI“重视”你的选择和倾向。比如，我在使用皮克斯这个风格的时候AI有时会”忽略“我的prompt，因此我会设置它的权重，增强这个prompt的存在感。

//设置权重，增强存在感
2 foot tall doll in pixar::2

画“手”很难

AI对手的描述并不是很好，很多时候可能是“4指怪”、“6指怪”，握住东西，拉开一张弓等等，都是比较难的动作，需要反复调优prompt或者“碰运气”。

女性角色更容易

从我自身测试case来看，女性角色的以图生图刻画更贴近并且更容易接受一些，出图效果更符合预期，男性角色可能由于图画中夹杂了更多的人物外物品如刀、枪、弓等，原型图刻画张力更复杂有关系，偶尔会出现匪夷所思的效果。

效果展示

下面是一些没有做太多微调的粗制版，供大家参考。

原型图	皮克斯风格

写在最后

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。