راهنمای پرامپت میدجورنی: از ایده تا شاهکار
Midjourney AI Team · ۱ مرداد ۱۴۰۵ · 7 min read
این راهنما برای چه کسانی است
این راهنما برای خالقانی طراحی شده که از طریق استودیو MidassAI به Midjourney دسترسی دارند اما در نقطه شروع گیر کردهاند. شاید چند ایده را در کادر پرامپت تایپ کرده باشید و نتایجی دریافت کردهاید که نزدیک بودند اما کاملاً درست نبودند. شاید نورپردازی.off بود، ترکیببندی شلوغ بود، یا سبک با visione شما مطابقت نداشت. این مقاله درباره تئوری نیست؛ درباره مکانیک کنترل است. چه یک هنرمند مفهومی باشید، چه طراح مارکتینگ یا hobbyistی که به دنبال تجسم ایدهها است، درک نحو underlying دستور /imagine تفاوت بین تولید تصادفی و خلق intentional است. ما فراتر از توصیفات اولیه حرکت میکنیم و وارد عناصر ساختاری میشویم که خروجی با fidelity بالا را تعریف میکنند.
کالبدشناسی یک پرامپت قوی
یک باور غلط رایج این است که Midjourney به زبان شاعرانه نیاز دارد. در واقعیت، engine بهترین پاسخ را به دادههای ساختاریافته میدهد. به پرامپت خود به عنوان مجموعهای از دستورالعملها برای یک عکاس فکر کنید، نه درخواستی برای یک شعر. یک پرامپت قوی معمولاً از ترتیب خاصی پیروی میکند: Subject، Action، Context، Style و Parameters.
وقتی فقط با «یک گربه» شروع میکنید، model جاهای خالی را با دادههای average پر میکند. وقتی مشخص میکنید «یک گربه Maine Coon نشسته روی یک مبل مخملی، نورپردازی سینمایی، photorealistic»، شما فضای probability را محدود میکنید. مدل دقیقاً میداند where to focus قدرت compute خود را بگذارد. در استودیو MidassAI، این را مستقیماً در نوار فرمان وارد میکنید.
این ساختار پایه را در نظر بگیرید: /imagine prompt: [Subject] + [Medium] + [Environment] + [Lighting/Color] + [Parameters]
اگر medium را حذف کنید، Midjourney حدس میزند. اگر نورپردازی را حذف کنید، پیشفرضهای flat دریافت میکنید. با بیان صریح «عکاسی فیلم ۳۵ میلیمتری» یا «رنگ روغن روی بوم»، شما بافت پیکسلها را قبل از حتی تولید شدن دیکته میکنید. این وضوح تعداد rerollهای مورد نیاز را کاهش میدهد و در زمان و اعتبارات compute شما صرفهجویی میکند.
تسلط بر پارامترها برای ثبات
پارامترها کلیدهایی هستند که خروجی فنی تولید را کنترل میکنند. آنها در انتهای رشته پرامپت شما ظاهر میشوند و با دو خط تیره preceded میشوند. در حالی که موارد زیادی available هستند، یک subset core راننده ۹۰٪ گردشکارهای حرفهای است.
نسبت ابعاد (--ar)
تصاویر پیشفرض مربعی هستند. برای social media یا wallpapers، به فرمتهای rectangular نیاز دارید. از --ar 16:9 برای widescreen یا --ar 9:16 برای mobile stories استفاده کنید. تغییر aspect ratio ترکیببندی را تغییر میدهد، نه فقط crop را. یک پرامپت landscape با --ar 16:9 اطلاعات background بیشتری نسبت به نسخه square همان پرامپت تولید میکند.
نسخهبندی (--v 7)
همیشه نسخه را مشخص کنید تا ثبات را در پروژههای خود تضمین کنید. Midjourney به سرعت evolove میکند. استفاده از --v 7 تضمین میکند که شما از latest coherence و بهبودهای بافت available در محیط استودیو بهره میبرید. بدون این flag، ممکن است رفتارهای legacy از مدلهای قدیمیتر را به ارث ببرید.
مثال: /imagine prompt: futuristic cityscape --v 7 --ar 16:9
استایل خام (--style raw)
به طور پیشفرض، Midjourney سوگیری زیباییشناختی خود را اعمال میکند تا تصاویر «زیبا» به نظر برسند. گاهی اوقات، شما تفسیر literal را بر flair هنری ترجیح میدهید. افزودن --style raw فیلترهای beautification داخلی مدل را کاهش میدهد. این زمانی critical است که به شکلهای محصول specific یا رندر متن accurate بدون distortion هنری نیاز دارید.
وزندهی و پرامپتهای منفی
همه کلمات در پرامپت شما اهمیت برابر ندارند. اگر میخواهید لنز دوربین بیشتر از background matter کند، باید از weighting استفاده کنید. این کار را با افزودن :: و سپس یک عدد بعد از یک term specific اعمال میکنید.
برای مثال: portrait of a woman::2 wearing a red hat::1 به مدل میگوید که صورت زن دو برابر کلاه اهمیت دارد. این زمانی useful است که مدل terus یک عنصر key از ترکیببندی شما را نادیده میگیرد. وزنها به شما اجازه میدهند دستورالعملهای خود را hierarchy کنید.
پرامپت منفی در Midjourney متفاوت از سایر مدلهای stable diffusion عمل میکند. به جای کادر پرامپت منفی اختصاصی، از پارامتر --no استفاده میکنید. اگر میخواهید یک landscape بدون مردم تولید کنید، --no people را اضافه میکنید. اگر میخواهید از لبههای تار اجتناب کنید، از --no blur استفاده کنید. مراقب باشید که از این مورد بیش از حد استفاده نکنید. افزودن constraints منفی слишком زیاد میتواند مدل را گیج کند و منجر به رنگهای muddy یا geometry distorted شود. به حذف یک یا دو عنصر major که consistently برخلاف میل شما ظاهر میشوند بسنده کنید.
Quick Takeaways
اشتباهات رایجی که باید از آنها اجتناب کرد
حتی کاربران باتجربه نیز در دامهایی میافتند که کیفیت تصویر را کاهش میدهد. رایجترین خطا، انباشتن کلمات کلیدی است. افزودن پنجاه صفت تصویر را بهتر نمیکند؛ اغلب تمرکز را dilute میکند. مدل یک token limit دارد و کلمات irrelevant دستورالعملهای important را بیرون میرانند. به impactfulترین descriptors بسنده کنید.
مشکل دیگر نادیده گرفتن شرایط نورپردازی است. اگر یک «صحنه شب» را توصیف کنید اما منابع نور مانند «تابلوهای نئونی» یا «نور ماه» را مشخص نکنید، مدل ممکن است یک آشوب تاریک و unreadable تولید کند. نور form را تعریف میکند. همیشه environment خود را با یک منبع نور جفت کنید.
سرانجام، بسیاری از کاربران فراموش میکنند که تکرار کنند. اولین تولید به ندرت دارایی نهایی است. از ابزار Vary (Region) برای رفع خطاهای کوچک استفاده کنید به جای regenerate کردن کل تصویر. اگر دستها wrong هستند، دستها را mask کنید و فقط آن section را reroll کنید. این کار compositionی را که دوست داشتید حفظ میکند در حالی که جزئیات را fix میکند.
اجرای گردش کار خود در استودیو MidassAI
اجرای این پرامپتها به صورت محلی یا در پلتفرمهای پراکنده میتواند منجر به mismatches نسخه و از دست رفتن history شود. استودیو MidassAI این گردش کار را متمرکز میکند. وقتی ماژول Midjourney را داخل استودیو باز میکنید، یک history persistent از تولیدات خود دریافت میکنید. این برای tracking اینکه کدام ترکیبهای پارامتر best work کردند vital است.
برای شروع، به رابط استودیو بروید و ابزار Midjourney را انتخاب کنید. پرامپت ساختاریافته خود را با استفاده از anatomy discussed above وارد کنید. اطمینان حاصل کنید که --v 7 را append میکنید تا نسخه model را lock کنید. به محض اینکه generate را بزنید، استودیو job را queue میکند و grid را نمایش میدهد. از اینجا، میتوانید مستقیماً داخل dashboard upscale یا vary کنید. مزیت استفاده از محیط استودیو، ادغام با سایر ابزارهای هوش مصنوعی است. میتوانید تصویر تولید شده خود را بگیرید و بلافاصله آن را به یک upscaler یا ابزار تولید video pass کنید بدون اینکه نیاز به دانلود و آپلود مجدد فایلها باشد.
این خط لوله بدون درز، اصطکاک را کاهش میدهد. وقتی در حالت flow state هستید، interruptions خلاقیت را میشکنند. با keeping مراحل generation، refinement و export خود در یک پنجره، momentum را حفظ میکنید. علاوه بر این، استودیو اتصالات API شما را مدیریت میکند، بنابراین نیازی به نگرانی درباره دستورات ربات Discord یا مشکلات server latency که اغلب استفاده مستقیم را plagued میکند ندارید.
حرکت از آزمایش به تولید
شکاف بین یک تصویر جالب و یک دارایی قابل استفاده، ثبات است. اگر در حال ساخت یک brand deck هستید، نمیتوانید یک تصویر شبیه نقاشی و بعدی شبیه عکس به نظر برسد. اینجاست که ارجاعهای استایل (--sref) و کاراکتر (--cref) ضروری میشوند، اگرچه آنها به یک deep dive جداگانه نیاز دارند. برای الآن، تسلط بر ساختار پایه پرامپت و پارامترها ۸۰٪ مشکلات کیفیت شما را حل میکند.
بر شفافیت تمرکز کنید. پرامپتهایی بنویسید که مبهم نباشند. یک variable را در هر بار test کنید. اگر نورپردازی را تغییر میدهید، subject را همان نگه دارید. اگر subject را تغییر میدهید، نورپردازی را همان نگه دارید. این رویکرد scientific به شما اجازه میدهد یک کتابخانه شخصی از فرمولهای پرامپت reliable بسازید. با گذشت زمان، شما حس میکنید که برای یک سبک specific به چند token نیاز دارید.
آیا آمادهاید این را به عمل درآورید؟ بهترین راه یادگیری، تولید کردن است. استودیو را باز کنید، اولین پرامپت ساختاریافته خود را تایپ کنید و result را تحلیل کنید. یک پارامتر را adjust کنید، دوباره run کنید و compare کنید. این حلقه iterative core هنر هوش مصنوعی است.
Midjourney را در استودیو MidassAI امتحان کنید تا به latest مدلهای V7 دسترسی پیدا کنید و گردش کار خلاقانه خود را امروز streamline کنید.