راهنمای مبتدی Midjourney V7: شروع سفر خلاقانه شما
Midjourney AI Team · ۱ مرداد ۱۴۰۵ · 7 min read
شروع کار با Midjourney V7 در استودیو MidassAI
ورود به دنیای هوش مصنوعی مولد به دلیل حجم انبوه ابزارها و پارامترهای موجود، میتواند احساس گیجکنندهای داشته باشد. این راهنما به عنوان نقطه ورود پایه—درس ۰۰ در برنامه درسی گسترده ما—عمل میکند که برای سادهسازی گردش کار شما با استفاده از Midjourney V7 در محیط استودیو MidassAI طراحی شده است. چه یک هنرمند کانسپت، یک تولیدکننده محتوا یا یک علاقهمند باشید، درک مکانیکهای اصلی مهندسی پرامپت و دستکاری پارامترها برای کسب نتایج ثابت ضروری است.
ما فقط به دنبال تولید تصاویر تصادفی نیستیم؛ ما در حال ساخت یک فرآیند تکرارپذیر هستیم. این مقاله مسیر یادگیریای را که در این سری دنبال خواهید کرد، مشخص میکند: ابتدا تسلط بر تولید تصویر با هوش مصنوعی، سپس گسترش به ویدیو و موسیقی هوش مصنوعی، و در نهایت یکپارچهسازی این خروجیها با استفاده از ابزارهای تخصصی هوش مصنوعی. تا پایان این راهنما، درک روشنی از نحوه راهاندازی یک پروژه در استودیو MidassAI و اجرای اولین تولید با کیفیت بالای خود خواهید داشت.
تسلط بر هسته اصلی: تولید تصویر با هوش مصنوعی
ستون فقرات هر گردش کار بصری هوش مصنوعی، مدل متن-به-تصویر است. در Midjourney V7، ظرافت کار در نحوه ارتباط قصد شما با مدل نهفته است. دستور پایه /imagine است، اما تکیه بر پرامپتهای ساده نتایج عمومی میدهد. برای دستیابی به خروجی در حد استودیو، باید از پارامترهایی استفاده کنید که نسبت ابعاد، سبکدهی و نسخهبندی را کنترل میکنند.
هنگام ساخت پرامپت خود، با سوژه شروع کنید و سپس مدیوم، نورپردازی و ترکیببندی را اضافه کنید. برای مثال، به جای تایپ کردن "a cyberpunk city"، امتحان کنید "neon-lit cyberpunk city street, rain-slicked pavement, cinematic lighting, shot on 35mm lens". پس از داشتن پرامپت پایه، پارامترهای لازم را به انتهای آن اضافه کنید.
برای اکثر محتوای شبکههای اجتماعی، نسبت ابعاد عمودی بهترین عملکرد را دارد. باید --ar 9:16 را به انتهای پرامپت خود اضافه کنید. اگر در حال ساخت هنر کانسپت برای فیلم یا بازی هستید، فرمت واید اسکرین مانند --ar 16:9 مناسبتر است. برای اطمینان از اینکه مدل دقیقاً از پرامپت شما پیروی میکند بدون اینکه تفسیر زیباییشناختی زیادی از خود اضافه کند، از پارامتر --style raw استفاده کنید. این برای گردش کارهای حرفهای که ثبات مهمتر از flair هنری است، حیاتی است.
همیشه نسخه را مشخص کنید تا از تغییرات ناگهانی در کیفیت خروجی جلوگیری شود. از آنجا که ما بر روی بیلد پایدار فعلی تمرکز داریم، --v 7 را به دستورات خود اضافه کنید. ساختار کامل دستور به صورت زیر است:
/imagine prompt: neon-lit cyberpunk city street, rain-slicked pavement, cinematic lighting, shot on 35mm lens --ar 16:9 --style raw --v 7
اجرای این دستور در استودیو MidassAI یک رابط سادهسازی شده را فراهم میکند که میتوانید این تولیدات را بدون تغییر زمینه مدیریت کنید. یکی از دامهای رایجی که مبتدیان با آن مواجه میشوند، پیچیده کردن بیش از حد پرامپت است. اضافه کردن صفات متضاد زیاد، مدل را گیج میکند. توصیفگرهای خود را منسجم نگه دارید. اگر پالت رنگی خاصی میخواهید، آن را sớm در رشته پرامپت تعریف کنید.
گسترش افقها: ویدیو و موسیقی هوش مصنوعی
پس از ایمنسازی تصاویر ثابت خود، گام منطقی بعدی در گردش کار تولیدکننده مدرن، حرکت و صدا است. در حالی که Midjourney عمدتاً با تصاویر ثابت سروکار دارد، اکوسیستم داخل استودیو MidassAI به شما اجازه میدهد شکاف را به ویدیو و صوت پل بزنید.
برای ویدیو هوش مصنوعی، گردش کار معمولاً شامل گرفتن تصاویر تولید شده Midjourney و متحرکسازی آنها با استفاده از مدلهای ویدیویی اختصاصی است. این اطمینان حاصل میکند که سبک بصری ثابت میماند در حالی که حرکت اضافه میشود. شما نمیخواهید ویدیو را از ابتدا تولید کنید اگر قبلاً یک تصویر ثابت عالی دارید؛ در عوض، از گردش کارهای image-to-video استفاده کنید. این طراحی کاراکتر و نورپردازیای را که زمان صرف کامل کردن آن در فاز تولید تصویر V7 کردهاید، حفظ میکند.
به طور مشابه، تولید موسیقی هوش مصنوعی محتوای بصری را تکمیل میکند. چه به یک ترک پسزمینه برای یک reel نیاز داشته باشید یا افکتهای صوتی برای یک بازی، تولید صوتی که با حال و هوای تصاویر شما مطابقت دارد کلیدی است. مسیر یادگیری در اینجا شامل درک پارامترهای تمپو، ژانر و مدت زمان است. با برخورد کردن با صوت به عنوان یک شهروند درجه یک در پروژه خود به جای یک فکر ثانوی، ارزش تولید را به طور قابل توجهی بالا میبرید.
در این سری، ما به ابزارهای خاصی که این قابلیتها را مدیریت میکنند، خواهیم پرداخت. برای حالا، تشخیص دهید که تصاویر Midjourney شما داراییهایی هستند که این گامهای بعدی را هدایت میکنند. یک تصویر پایه با کیفیت بالا منجر به انیمیشن ویدیویی با کیفیت بالا میشود.
یکپارچهسازی ابزارها و مدیریت گردش کار
قطعه نهایی پازل، سازماندهی است. تولید صدها تصویر بیفایده است اگر نتوانید بعداً مورد مناسب را پیدا کنید. استودیو MidassAI یک هاب متمرکز برای مدیریت این داراییها فراهم میکند. به جای ذخیره فایلها به صورت محلی در پوشههای مختلف، از ویژگیهای مدیریت پروژه استودیو استفاده کنید.
این شامل تگگذاری تولیدات شما، ریتبندی بهترین خروجیها و پیگیری سیدهایی است که برای تصاویر موفق استفاده شدهاند. پارامتر سید (--seed) برای قابلیت تکرار حیاتی است. اگر تصویری تولید کردید که دوست دارید، عدد سید را یادداشت کنید. میتوانید از همان سید با تغییرات جزئی پرامپت برای ایجاد کاراکترها یا صحنههای ثابت در دستههای مختلف استفاده کنید.
علاوه بر این، یکپارچهسازی تصاویر مرجع میتواند ثبات را به طور چشمگیری بهبود بخشد. از --sref برای مراجع سبک و --cref برای مراجع کاراکتر استفاده کنید. اگر شیت کاراکتر خاصی دارید که میخواهید در چندین تولید حفظ کنید، آن را آپلود کنید و از پارامتر --cref با URL تصویر استفاده کنید. این ویژگیهای چهره و جزئیات لباس را قفل میکند، که اغلب سختترین بخش طراحی کاراکتر هوش مصنوعی است.
Quick Takeaways
دامهای رایج و نحوه اجتناب از آنها
حتی با ابزارهای مناسب، اشتباهات رخ میدهد. یکی از خطاهای مکرر، نادیده گرفتن نسبت ابعاد تا بعد از تولید است. برش یک تصویر مربعی برای جا دادن در استوری اینستاگرام اغلب ترکیببندی را خراب میکند. همیشه قبل از زدن دکمه ارسال، --ar را تنظیم کنید. مشکل دیگر نادیده گرفتن توضیحات نورپردازی است. مدلهای هوش مصنوعی به صورت پیشفرض به نورپردازی تخت میروند مگر اینکه غیر از این به آنها گفته شود. بیان صریح "volumetric lighting" یا "golden hour" میتواند یک تصویر متوسط را به یک تصویر جذاب تبدیل کند.
علاوه بر این، فرآیند upscaling را نادیده نگیرید. گرید اولیه گزینهها را فراهم میکند، اما خروجی نهایی برای استفاده در چاپ یا صفحهنمایشهای با وضوح بالا نیاز به upscaling دارد. استودیو MidassAI این را به طور یکپارچه مدیریت میکند، اما اطمینان حاصل کنید که مدل upscale صحیح (Subtle در مقابل Creative) را بر اساس نیازهای خود انتخاب میکنید. Subtle جزئیات بیشتری را حفظ میکند، در حالی که Creative ممکن است بافت اضافی اضافه کند که همیشه مطلوب نیست.
گامهای بعدی در مسیر یادگیری شما
این راهنما نشاندهنده شروع سفر شماست. شما اکنون اصول پرامپتنویسی، استفاده از پارامترها و اکوسیستم گستردهتر رسانههای هوش مصنوعی را درک میکنید. در مقالات آینده، ما تکنیکهای پیشرفته ثبات کاراکتر را تجزیه میکنیم، پایپلاینهای انیمیشن ویدیویی خاص را کاوش میکنیم و بررسی میکنیم چگونه از این مهارتها کسب درآمد کنید.
چشمانداز هوش مصنوعی مولد به سرعت تغییر میکند. بهروز ماندن نیاز به تمرین دارد. فقط درباره پارامترها نخوانید؛ از آنها استفاده کنید. ده نسخه از همان پرامپت را با مقادیر مختلف --stylize تولید کنید تا ببینید مدل چگونه واکنش نشان میدهد. آزمایش تنها راه توسعه یک درک عمیق برای آنچه کار میکند است.
آمادهاید این را به عمل درآورید؟ به محیط استودیو بروید تا اولین تصاویر V7 خود را با رابط بهینهسازی شده ما تولید کنید.
امتحان Midjourney در استودیو MidassAI
با دنبال کردن این رویکرد ساختاریافته، شما از آزمایش تصادفی به خلق هدفمند حرکت میکنید. پرامپتهای خود را سازمانیافته نگه دارید، به پارامترها احترام بگذارید و همیشه کیفیت داراییهای پایه خود را در اولویت قرار دهید. ابزارها قدرتمند هستند، اما جهتگیری شما نتیجه را تعیین میکند.