میدجورنی-وی۷
بررسی عملی میدجورنی V7: سرعت، کیفیت و تغییرات پرامپت
Midjourney AI Team · ۱ مرداد ۱۴۰۵ · 7 min read
Keywords: بررسی میدجورنی V7, تولید تصویر هوش مصنوعی
Published: ۱ مرداد ۱۴۰۵ Author: Midjourney AI Team
این مطلب برای چه کسانی است؟
این بررسی برای خالقان حرفهای، طراحان و آژانسهایی است که در حال حاضر گردش کار تولیدیشان را روی میدجورنی V6 یا نسخههای قبلتر اجرا میکنند. اگر در حال ارزیابی این هستید که آیا بهبودهای تاخیر و تغییرات انسجام در V7 مهاجرت از کتابخانههای پرامپت موجودتان را توجیه میکند، این تحلیل روی تفاوتهای عملی تمرکز دارد نه هیاهوی بازاریابی. ما بررسی میکنیم که مدل چگونه نورپردازی پیچیده، نمایش متن و انسجام چند سوژهای را هنگام استفاده از طریق MidassAI Studio مدیریت میکند.
روششناسی تست
برای ایجاد یک خط مبنا، ما یک دسته کنترل شده از ۵۰ پرامپت را در سه دسته متمایز اجرا کردیم: پرترههای فوتوریالیستیک، المانهای ایزومتریک سه بعدی و هنر مفهومی استایلیزه. هر پرامپت با دستور /imagine و با seedهای یکسان (در صورت امکان) اجرا شد تا رفتار مدل از واریانس تصادفی جدا شود. ما بین --v 6 و --v 7 جابجا شدیم تا پایبندی به وزنهای پرامپت را مقایسه کنیم.
محیط تست ما رابط کاربری MidassAI Studio بود که چرخههای تکرار سریعتری نسبت به باتهای استاندارد دیسکورد فراهم میکند. ما به طور خاص زمان تولید، انسجام اولیه و نیاز به مراحل اصلاح مانند Vary (Region) یا Pan را رصد کردیم. برای پارامترها، ما --ar 16:9 را برای المانهای عریض و --style raw را برای تستهای عکاسی استاندارد کردیم تا سوگیری زیباییشناختی پیشفرض را به حداقل برسانیم.
تغییرات عملکرد در نسخه ۷
مشهودترین تغییر فوری در V7 کاهش تاخیر تولید است. در تستهای ما، رندرهای با کیفیت استاندارد تقریباً ۱۵ درصد سریعتر از معادلهای V6 کامل شدند. این ممکن است به تنهایی ناچیز به نظر برسد، اما هنگام تولید دستهای ۱۰۰ واریاسیون برای ارائه به مشتری، صرفهجویی زمانی به طور قابل توجهی انباشته میشود.
کیفیت تصویر بهبود قابل توجهی در انسجام بافت نشان میدهد. نسخههای قبلی اغلب با الگوهای پارچه یا منافذ پوست تحت نور شدید مشکل داشتند و به ظاهری صاف و پلاستیکی تمایل پیدا میکردند. V7 سناریوهای نورپردازی با کنتراست بالا را با وفاداری بیشتری مدیریت میکند. برای مثال، پرامپتی مانند cinematic shot of a leather jacket in rain, neon lighting --v 7 --style raw، مدل به درستی بین بازتاب چرم خیس و درخشش نئون تفاوت قائل شد بدون اینکه بافتها را به نویز ترکیب کند.
با این حال، یک مبادله در پایبندی به پرامپت وجود دارد. V7 درباره ترکیببندی کمی سختگیرتر به نظر میرسد. در حالی که V6 دقیقاً دستور --cw 0 (وزن کاراکتر) را برای جدا کردن سوژه دنبال میکرد، V7 گاهی عناصر پسزمینه را برای متعادل کردن کادر دوباره وارد میکند. این نشان میدهد مدل هماهنگی زیباییشناختی را بر دنبال کردن دقیق دستورالعمل در موارد مبهم اولویت میدهد. کاربرانی که روی کنترل دقیق چیدمان تکیه میکنند، ممکن است نیاز داشته باشند وزندهی پرامپت را افزایش دهند یا از پارامترهای --no تهاجمیتر استفاده کنند.
عادتهای پرامپتنویسی که ارزش حفظ کردن دارند
همه چیز با بهروزرسانی نسخه تغییر نمیکند. چندین استراتژی اصلی پرامپتنویسی موثر باقی میمانند، اگرچه تأثیرشان تغییر کرده است.
زبان طبیعی همچنان برنده است: مهندسی بیش از حد پرامپتها با تگهای جدا شده با ویرگول، کمتر از جملات توصیفی جواب میدهد. V7 زمینه را بهتر درک میکند. به جای استفاده از cyberpunk city, night, rain, neon، سعی کنید از عبارت a cyberpunk city street at night during heavy rain, illuminated by neon signs استفاده کنید. مورد دوم منطق نورپردازی منسجمتری تولید میکند.
انضباط پارامترها: پارامترهای --sref (ارجاع سبک) و --cref (ارجاع کاراکتر) در V7 پایدارتر هستند. در نسخههای قبلی، اعمال ارجاع سبک میتوانست گاهی آناتومی را دچار اعوجاج کند. در تستهای ما، V7 تمامیت ساختاری را حفظ کرد در حالی که درجهبندی رنگ و سبکهای بافت را از تصاویر مرجع اعمال میکرد. این موضوع آن را برای تولید المانهای سازگار با برند امکانپذیر میسازد.
آگاهی از نسبت ابعاد: پارامتر --ar همچنان حیاتی است. V7 ترکیببندی را بر اساس نسبت ابعاد به صورت پویا تطبیق میدهد. یک پرامپت --ar 9:16 به سادگی یک تصویر --ar 1:1 را برش نمیدهد؛ صحنه را برای جایگیری در فضای عمودی بازتولید میکند و اغلب جزئیات محیطی را برای پر کردن فضای خالی اضافه میکند. همیشه نسبت ابعاد خود را در ابتدای زنجیره پرامپت تعریف کنید تا از تولیدهای هدر رفته جلوگیری کنید.
اکوسیستم خلاقانه گستردهتر
در حالی که میدجورنی V7 عمدتاً روی تصاویر ثابت تمرکز دارد، گردش کارهای مدرن به ندرت در خلأ وجود دارند. خالقان اغلب نیاز دارند تصاویر ثابت را متحرک کنند یا صوت همراه تولید کنند. در داخل MidassAI Studio، گردش کار فراتر از دستور /imagine گسترش مییابد.
زمینه ویدیوی هوش مصنوعی: در حالی که خود میدجورنی هنوز فایلهای ویدیوی بومی را در V7 تولید نمیکند، تصاویر ثابت تولید شده برای ابزارهای انیمیشنسازی بعدی بهینه شدهاند. انسجام بهبود یافته در فریمها، آنها را به کاندیداهای بهتری برای درونیابی در ابزارهای ویدیوی هوش مصنوعی تخصصی تبدیل میکند. ما توصیه میکنیم توالیهای تصویری را با مقادیر --seed ثابت تولید کنید اگر قصد دارید بعداً آنها را متحرک سازید.
موسیقی هوش مصنوعی و ابزارها: تولید صوت خارج از حوزه مدل اصلی میدجورنی باقی میماند. با این حال، مدیریت این المانها در کنار تولیدات بصری شما جایی است که انتخاب پلتفرم اهمیت پیدا میکند. نگهداری تولیدات تصویر، ویرایشهای ویدیو و ترکهای صوتی شما در یک داشبورد واحد، تغییر زمینه را کاهش میدهد.
شرکت و نقشه راه: درک مسیر توسعه در برنامهریزی پروژههای بلندمدت کمک میکند. تمرکز میدجورنی روی انسجام، حرکتی به سمت انسجام سه بعدی و احتمالاً تولید ویدیو در بهروزرسانیهای آینده را نشان میدهد. ساخت کتابخانهای از کاراکترهای سازگار اکنون با استفاده از --cref شما را برای آن قابلیتها آماده میکند.
ادغام با MidassAI Studio
انتقال گردش کار شما به MidassAI Studio مزایای زیرساختی فراتر از فقط دسترسی به مدل ارائه میدهد. این رابط کاربری گالریهای سازماندهی شده، نسخهبندی آسانتر پرامپت و گزینههای خروجی مستقیم که از الگوریتمهای فشردهسازی دیسکورد عبور میکنند را فراهم میکند.
هنگام اجرای V7 در MidassAI، شما به گزینههای بزرگنمایی با وضوح بالاتر بدون صفهای معمول بات دسترسی دارید. برای تیمها، این به معنای کتابخانههای مشترک از پرامپتهای موفق است. اگر یکی از اعضای تیم عبارتبندی خاصی را پیدا کند که برای پرترههای --style raw خوب عمل میکند، آن پرامپت میتواند ذخیره و استفاده مجدد شود و اطمینان از سازگاری برند را در بین اپراتورهای مختلف تضمین کند.
ما توصیه میکنیم با یک پروژه آزمایشی شروع کنید. یک کمپین فعلی که نیاز به ۱۰ تا ۲۰ المان دارد را بردارید و آن را از طریق V7 در MidassAI Studio اجرا کنید. زمان اصلاح را با گردش کار فعلی V6 خود مقایسه کنید. اگر کاهش در نیاز به اصلاحات In-painting از منحنی یادگیری رفتارهای مدل جدید بیشتر باشد، این تغییر توجیهپذیر است.
Quick Takeaways
مراحل نهایی تأیید
قبل از اینکه کاملاً خط لوله تولید خود را به V7 متعهد کنید، الزامات خاص تخصصی خود را بررسی کنید. تجسم معماری ممکن است از نورپردازی بهبود یافته بهره ببرد، در حالی که طراحی کاراکتر ممکن است نیاز به کنترل دقیقتر روی تنظیمات --cref داشته باشد. یک مقایسه جانبی با استفاده از سختترین پرامپتهای خود از ماه گذشته انجام دهید.
اگر نتایج آستانه کیفیت شما را با اصلاحات دستی کمتر برآورده کنند، پارامترهای پیشفرض خود را به --v 7 بهروزرسانی کنید. V6 را برای پروژههای قدیمی که نیاز به تکرار دقیق المانهای قبلی دارند در دسترس نگه دارید. هدف فقط استفاده از جدیدترین مدل نیست، بلکه استفاده از ابزاری است که اصطکاک بین ایده و خروجی نهایی را کاهش میدهد.
آمادهاید آخرین مدلها را با یک رابط کاربری روان آزمایش کنید؟