KeyFrame內部研究專用

How to use Midjourney, a beginners guide in 2026

AI Mind Revolution16 min英文
觀看原始影片

三句話摘要

Midjourney AI 圖像生成平台的完整入門指南,涵蓋介面操作、創作工作流、參數調整和定價說明。 Midjourney 的核心優勢在於三層美學控制系統(參數、個人化、樣式參考)與強大的組織工具,讓創作者既能快速試驗、也能系統地維持風格一致性。 美學參數是核心機制。三個滑桿(風格化 0-1000、詭異度、多樣性)直接影響輸出品質,風格化使圖像更專業精緻、詭異度增加視覺創意、多樣性(又稱 Chaos)控制四張變體間的相似度。這些參數與提示詞配合使用,詳細提示詞會減弱參數影響,簡略提示詞則讓參數主導生成結果。

重點整理

  1. 美學參數是核心機制。三個滑桿(風格化 0-1000、詭異度、多樣性)直接影響輸出品質,風格化使圖像更專業精緻、詭異度增加視覺創意、多樣性(又稱 Chaos)控制四張變體間的相似度。這些參數與提示詞配合使用,詳細提示詞會減弱參數影響,簡略提示詞則讓參數主導生成結果。

  2. 樣式參考是快速控制美感的捷徑。可從「探索」頁面的樣式庫拖放參考圖像,或在生成結果中複製樣式 ID 搭配提示詞使用,大幅提升創作一致性。OmniReference(主體參考)和 Image Prompts(圖像參考)各有用途,前者強調保留主體特徵、後者保留光影與構圖。

  3. 個人化檔案和心情板用來編碼美學偏好。個人化檔案透過訓練學習用戶審美,心情板則使用參考圖像集合定義風格,兩者都能提升生成結果的相關性,可同時啟用多個檔案或板塊產生混合風格。

  4. 組織系統是大規模創作的必需。「組織」標籤提供搜尋、篩選、批量選取、資料夾分類等功能,還能建立存檔搜尋(如標籤),避免在數千張生成圖像中迷失。

實用技巧與重點

  • 介面核心區塊:
  • 探索頁:按風格、圖像、影片篩選,搜尋關鍵字找靈感
  • 創建標籤:輸入提示詞→點提交→取得 4 張變體
  • 組織標籤:搜尋過往提示詞與圖像、使用篩選器、建立資料夾、建立存檔搜尋
  • 個人化:開啟/關閉個人檔案,下拉選單選擇多個檔案混合
  • 心情板:上傳或連結圖像→命名→搭配提示詞使用
  • 美學參數設定:
  • 風格化(Stylize):0 = 真實相片感,1000 = 專業美感
  • 詭異度(Weirdness):0 = 標準,100 = 創意奇特
  • 多樣性(Variety/Chaos):低 = 四張相似,高 = 四張差異大
  • 所有參數在提示詞中以 `--stylize 值` 等語法顯示
  • 參考資源三種方法:
  • OmniReference(主體參考):保留主體特徵,有強度滑桿可調,僅限版本 7 使用
  • Image Prompts(圖像參考):提取光影、色彩、構圖、元素作靈感
  • Style References(樣式參考):複製圖像風格到新創作
  • 樣式庫功能:
  • 探索 → 樣式分頁瀏覽預設樣式
  • 懸停樣式可見 ID,點擊複製程式碼 `--sref <ID>`
  • 點「試試樣式」快速套用當前提示詞
  • 點愛心儲存到「喜愛」,點搜尋找相似樣式
  • 編輯工具:
  • 簡化編輯:筆刷、變更比例、外繪(Outpaint)、內繪(Inpaint)
  • 進階編輯(編輯標籤開啟):額外提供編輯歷史、重新紋理化(Re-texture)、圖層功能
  • 定價方案:
  • 基礎方案:試用級,無「放鬆生成」
  • 標準方案:推薦用量,含「放鬆生成」(免費但耗時)
  • 專業/超大方案:高產量或商業用途

結論

Midjourney 的核心優勢在於三層美學控制系統(參數、個人化、樣式參考)與強大的組織工具,讓創作者既能快速試驗、也能系統地維持風格一致性。

完整解析

Midjourney 是一個以工作流為中心的 AI 圖像生成平台,介面設計強調「探索→創作→編輯→整理」的循環。新手首先進入探索頁瀏覽社群創作,可直接檢視他人使用的提示詞與參數,作為靈感來源。這個設計讓學習者快速理解「好提示詞」的樣貌,而非從零開始摸索。

創建流程極為簡潔:在頂部提示詞欄輸入文字敘述,點擊提交,平台返回四張變體圖像。但真正的靈活性來自三個美學滑桿。風格化滑桿控制品牌風格的強度(0 為素樸真實、1000 為藝術精緻),詭異度滑桿調整創意程度,多樣性滑桿決定四張變體的相似度。這些不是獨立參數,而是與提示詞互動的系統:詳細提示詞會限制參數影響範圍,簡略提示詞則讓參數主導視覺呈現。因此,參數調整需因人而異、因提示詞而異。

為了建立持續的美學一致性,Midjourney 提供兩套系統。個人化檔案透過標記喜愛的生成結果來訓練模型,學習用戶的審美偏好;心情板則使用用戶上傳的參考圖像集合直接定義風格。兩者都能同時啟用並混合,產生複合風格。與此平行,樣式參考功能讓用戶拖放單張圖像或複製樣式庫中的預設 ID,快速套用某種視覺風格到新提示詞。這三層系統(個人化、心情板、樣式參考)彼此獨立但相容,用戶可按需組合。

大規模使用時,組織變得必需。組織標籤提供搜尋提示詞關鍵字、按多維度篩選、批量選取、建立資料夾、建立存檔搜尋等功能。講者強調,一旦開始創作數百或數千張圖像,沒有這些工具會很難定位特定作品。此外,編輯工具分簡化和進階兩版本,前者涵蓋基本的筆刷、外繪、內繪,後者加入圖層和重新紋理化,適應不同複雜度的後製需求。

定價方面,基礎方案適合試用,但不含「放鬆生成」(免費但速度慢的生成方式)。標準方案是推薦選擇,平衡成本與產量;專業與超大方案針對高產量或商業用途。整個平台雖然表面簡潔,但每個功能都延伸到深層選項,樣式庫、參考方法、編輯系統等都值得深入學習。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。