Что умеет генератор изображений Midjourney и как он работает. Как пользоваться в России

Насмотрелись мы уже этих подборок изображений. А теперь разберемся, что он умеет по-делу, как работает и как им пользоваться в России.

В случае большинства генераторов изображений создатели написали массу информации о том, как они работают, а также опубликовали их исходный код — но это не относится к Midjourney. Команда, стоящая за ним, раньше вообще молчала о его предыстории и обучении. Я нашел интервью с основателем, так то некоторая информация все же есть.

Но сразу ясно, что наиболее вероятно, что Midjourney использует систему, аналогичную Dall-E и Stable Diffusion, а эти обе компании подробно объяснили свои методы обучения.

Их модели были обучены на сопоставлении изображений и текста, который используется для их описания. Так же в некоторых старых материалах Midjourney пишет, что, как и ее конкуренты, она ищет в интернете изображения и текст для их описания, используя миллионы опубликованных изображений для обучения.

Это просто компиляция данных из интернета. Мы используем открытые наборы данных, которые публикуются, и тренируемся на них, пишут в MJ.

Более подробно про принцип генератора изображений, на примере Dall-E, я написал тут

А вот фрагмент из самого нового интервью с генеральным директором Midjorney, где он наконец поясняет, как работает mj. Ну в итоге все так, как мы предполагали:

Глюки

Что-то может пойти не так с изображением, ведь модель не идеальна. Например, могут возникнуть проблемы с созданием рук (особенно пальцев) или других сложных объектов, а фоны часто могут быть размытыми или спутанными, но это проблемы, которые вы найдете сейчас в любой из подобных моделей.

Сгенерировали, вроде хорошие картинки:

Но если увеличить и посмотреть на пальцы…

К счастью, такое сейчас существенно реже встречается. И вообще mj априори выводит часто крупные планы лиц, где не видно рук. Может потому, что сами понимают, что с пальцами еще не решили вопрос?

Еще вариант изменения при увеличении. Дарт Вейдер в Макдоналдс.

Увеличили вторую картинку:

Вроде все ок, но обратите на задний план…

Делаем иллюстрации для статьи в Midjorney

Потестируем на Владимире Ленине. Не знаю почему. Видимо, потому-что он круто получился (на главном фото статьи).

Нам нужно написать статью о Ленине и оформить ее качественными иллюстрациями, да еще и уникальными, чтобы лучше индексироваться поисковиками.

Вводим простой запрос: Ленин ребенок (нужно вводить на английском!)

Сразу получаем хорошие варианты, а если не понравилось, можно добавить ключевых слов и более детально прописать задание к нейросети.

Очень удобно, что при генерации выводится сразу 4 варианта, в отличии от Dall-e и Stable Diffusion. При использовании платной версии это почти в 4 раза экономит наши деньги.

Дальше: Юный Ленин

События разгораются и Ленин уже во время революции 1917 года:

Довольно концептуальные варианты получились, мне больше всего понравился 4 вариант. Но все же он выглядит, будто Ленин смотрит на неестественно огромную стаю черных ворон, подлетающую к толпе людей вокруг него.

Не буду мучать вас всей историей жизни его: старый Ленин.

Мне кажется, получился недостаточно старым. Иногда при генерации картинок в какой-то их части может быть подобие кривого текста. Это как-раз потому, что генерация идет с помощью диффузии кучи фоток и нейросеть решает, что брать от какой фотки. Тут она решила оставить текст, хоть и исказив его — это все же недоработка нейросети.

И вообще — с текстами сеть не работает нормально, имеется ввиду, что не создает картинки с нормальным текстом. Для Midjorney текст — это тоже изображение и в нем нет логики, как таковой.

Очень старый Ленин:

Ну и по итогу каждой генерации, мы можем выбрать одну, которая нам понравилась.

На примере фоток очень старого Ленина: мне понравилась третья картинка и я жму U3.

Получилась хорошая картинка. Если же приглядеться, вы заметите, что она отличается от первоначальной. Это происходит потому, что нейросеть для увеличения изображения так же применяет диффузию и подбор из кучи картинок.

Есть такая штука, как параметры.

mj автоматом выдает квадратные картинки, если вам нужны другие пропорции в конце запроса припишите, к примеру: --ar 4:3

А если делать отметку --version 5, то нейросетью вообще преображается и делает фотографии! А есть фотомодель --testp

В нейросети есть запрещенные слова: все что связано с насилием, жаргоном, ущемлением меньшинств. Если писать подобные слова в запросах, MJ блокирует промпт, либо аккаунт на время, либо на всегда.

Вариант 1

1. Нужно зарегистрироваться в Discord и подключиться через него в MJ

2. После этого мы уже видим свой аккаунт на сайте MJ.

3. С апреля 2023 они, к сожалению, отключили бесплатную версию. Жмем Purchase Plan и выбираем, какой хотим.

4. Российские карты, конечно же не принимаются. Тут уже сами выбирайте методы, как вам оплатить. Гуглите, так как такие вещи в VC нельзя писать=)

Вариант 2

У нас один из проектов: доступ в midjourney через telegram

Иногда ответы не выдает, так как вручную настроена переправка изображений из Discord, но генерирует быстро, 1-3 минуты. Обычно, в подобных проектах ставят slow версию, а это 30-40 минут)))

Если будете пользоваться, обязательно почитайте инструкцию, там все по-делу написано. В ней указаны еще дополнительные параметры для генераций.

Еще подборка картинок из Midjourney

PS. лайк, пожалуйста, он помогает продвижению статьи, а значит дает мотивацию писать дальше

Ну и как положено на VC, канал телеграм))) Канал и чатик

Туда выкладываю статьи VC и то, что нет в VC. Мысли, идеи, опыт.

В закрепленных канале всегда телеграм боты Kolersky для доступа в ChatGPT, GPT-4 без VPN, а так же генераторы изображений Midjourney, Dall-e, Stable Diffusion (проект KolerskyAI).