新智元報(bào)道

編輯：犀牛 定慧

【新智元導(dǎo)讀】Midjourney V7 Alpha來(lái)了，帶著「最聰明、最美麗」的承諾和讓人驚嘆的「草稿模式」。本文將通過(guò)未編輯的圖片并排對(duì)比V7、V6和GPT-4o，深入剖析V7的個(gè)性化設(shè)置和語(yǔ)音控制功能。

終于，Midjourney帶著V7 Alpha回來(lái)了！兌現(xiàn)了

但GPT4o生圖的「余威」還在，

所有人的注意力都被即將到來(lái)的新模型所吸引，除非V7有一些實(shí)質(zhì)性的提升，否則AI在生圖上的故事要翻篇了。

V7 Alpha是否帶來(lái)了革命性的變化，還是針對(duì)GPT4o生圖迫不得已的出手？

最聰明美麗的版本！「草稿模式」可語(yǔ)音控制

V7版本確實(shí)很能打，Midjourney稱(chēng)V7 Alpha版本是最聰明、最美麗、最連貫的模型。 光說(shuō)不練假把式，先來(lái)看看網(wǎng)友用V7創(chuàng)作的作品，整體感受一下這個(gè)模型。 網(wǎng)友@IterIntellectus認(rèn)為gpt4o很棒，但只是個(gè)玩具，V7是另外一回事，絕對(duì)令人難以置信。 他用V7創(chuàng)作了四個(gè)不同風(fēng)格的作品，印象派風(fēng)格、暗黑奇幻風(fēng)格、古典主義巴洛克雕塑風(fēng)格和日系漫畫(huà)風(fēng)，最后漫畫(huà)風(fēng)里的「五條悟」和動(dòng)畫(huà)里的一模一樣。

網(wǎng)友@PJaccetturo沒(méi)有使用任何參考資料，只是提供簡(jiǎn)單的提示「村莊、備戰(zhàn)、武士」，就可以生成電影級(jí)別的鏡頭圖片。

網(wǎng)友@doganuraldesign和@ai_for_success用V7制作的人物肖像，幾乎以假亂真，你能分辨出這是AI生成還是真人嗎？

網(wǎng)友@8co28用V7制作了動(dòng)畫(huà)的分鏡草稿，這些草稿的精美程度可以用來(lái)直接制作動(dòng)畫(huà)了。

效果確實(shí)很驚艷，Midjourney強(qiáng)調(diào)這次V7有兩大更新：

1. V7是第一個(gè)默認(rèn)開(kāi)啟模型個(gè)性化設(shè)置的模型。

   什么意思？就是在生成圖像前，必須解鎖個(gè)性化設(shè)置才能使用。這大約需要5分鐘。相當(dāng)于更好的「定制化」，讓模型提前了解用戶(hù)的喜好和審美。

2. 另一個(gè)是「草稿模式」，被V7稱(chēng)為旗艦功能。
   

   草稿模式的價(jià)格只有標(biāo)準(zhǔn)模式的一半，渲染圖片的速度卻快了10倍。它的速度快到你可以通過(guò)對(duì)話(huà)來(lái)控制它。

點(diǎn)擊「草稿模式」，再點(diǎn)麥克風(fēng)按鈕，就能開(kāi)啟「語(yǔ)音模式」——你可以大聲思考，圖像就像流動(dòng)的夢(mèng)境一樣在你眼前生成。

比如像這樣讓貓咪吃草莓。

草稿模式的圖像質(zhì)量低于標(biāo)準(zhǔn)模式，但兩者的繪畫(huà)行為和美學(xué)非常一致。

可以使用各種語(yǔ)言跟它對(duì)話(huà)，快速將創(chuàng)意變成現(xiàn)實(shí)。

以下視頻是草稿模式下可能實(shí)現(xiàn)的效果預(yù)覽，可以通過(guò)和模型「對(duì)話(huà)」來(lái)共同創(chuàng)作，看起來(lái)是很夢(mèng)幻的交互形式。

V7 Alpha后的路線(xiàn)圖：預(yù)計(jì)在接下來(lái)的 60 天內(nèi)，每隔一到兩周就會(huì)有新功能推出。

誰(shuí)能定義AI視覺(jué)的未來(lái)，V7 、V6 、GPT4o誰(shuí)更強(qiáng)？

V7的效果確實(shí)很棒，但是每個(gè)產(chǎn)品發(fā)布前，都免不了會(huì)在社交媒體上炒作一番。 如何確定V7很強(qiáng)，當(dāng)然是和別的模型比較一下。 網(wǎng)友@Zapidroid使用相同的提示詞，并排圖像比較了相同提示詞下，V6、V7和GPT-4o的效果。他認(rèn)為GPT4o依然更勝一籌。 以下為相同提示詞的生成效果，圖片從左到右依次為V6、V7和GPT-4o生成的圖像。 你認(rèn)為哪個(gè)模型更好？歡迎在評(píng)論區(qū)討論。

A young Indian woman with dark hair in an open ponytail and a black jacket stands on a university campus, looking directly at the camera. The image has a 1990s-style movie still aesthetic, with a close-up portrait on a sunny day.

一位留著深色頭發(fā)、扎著開(kāi)放式馬尾辮、身穿黑色夾克的印度年輕女子站在大學(xué)校園里，直視鏡頭，畫(huà)面有90年代風(fēng)格的電影依然唯美，還有一張陽(yáng)光明媚的日子里的特寫(xiě)肖像。

A majestic barn owl perched on an ancient, moss-covered tree branch, surrounded by the misty forest. The scene is bathed in soft light filtering through the dense foliage, creating a magical and ethereal atmosphere. Photorealistic style with attention to detail of the feathers and textures.

一只雄偉的谷倉(cāng)貓頭鷹棲息在一根古老的苔蘚覆蓋的樹(shù)枝上，周?chē)敲悦傻纳帧?chǎng)景沐浴在柔和的光線(xiàn)中，透過(guò)茂密的樹(shù)葉過(guò)濾，營(yíng)造出一種神奇而空靈的氛圍。寫(xiě)實(shí)風(fēng)格，注重羽毛和紋理的細(xì)節(jié)。

A person's hand points towards the window of an airplane, which is seen from inside with its wing visible in profile. The sky outside shows a clear horizon at dawn or dusk. In front of them lies a vast expanse of ocean.

一個(gè)人的手指向飛機(jī)的窗戶(hù)，從里面可以看到飛機(jī)的機(jī)翼。外面的天空在黎明或黃昏時(shí)顯示出清晰的地平線(xiàn)。在他們面前是一片廣闊的海洋。

Close-up of an anime woman's face with a shocked expression, dark hair, in the anime style. Colorful animation stills, close-up intensity, soft lighting, low-angle camera view, and high detail.

動(dòng)漫女性面部特寫(xiě)，表情震驚，深色頭發(fā)，動(dòng)漫風(fēng)格。彩色動(dòng)畫(huà)劇照，特寫(xiě)強(qiáng)度，柔和的燈光，低角度相機(jī)視圖，高細(xì)節(jié)。

A close-up of broccoli being sautéed in oil, with the vegetable's green florets contrasting against a dark brown sauce. A large spoon is partially visible inside a stainless steel pot filled with caramelized and shiny black glaze on top, against a white background.

花椰菜在油中炒的特寫(xiě)鏡頭，蔬菜的綠色小花與深棕色醬汁形成對(duì)比。一個(gè)不銹鋼鍋里部分可見(jiàn)一個(gè)大勺子，上面裝滿(mǎn)焦糖和閃亮的黑色釉，背景是白色的。

A wide image taken with the phone of a glass whiteboard, in a room overlooking the Bay Bridge. The field of view shows a woman writing, sporting a tshirt with a large OpenAI logo. The handwriting looks natural and a bit messy, and we see the photographer's reflection.

在俯瞰海灣大橋的房間里，用手機(jī)用玻璃白板拍攝的一張寬照片。視野顯示一個(gè)女人在寫(xiě)作，穿著一件印有大OpenAI標(biāo)志的t恤。筆跡看起來(lái)很自然，有點(diǎn)凌亂，我們看到了攝影師的倒影。

看完以上對(duì)比后，你認(rèn)為哪個(gè)模型更好？

雖然無(wú)法下論斷V7和GPT4o誰(shuí)更強(qiáng)，但是V7確實(shí)要比V6版本優(yōu)化不少。

當(dāng)然，也有人對(duì)V7的一些效果提出了質(zhì)疑，比如圖片生成中一個(gè)重要的考點(diǎn)「文字生成」。

網(wǎng)友@sleone_76嘗試使用Midjourney v7和ChatGPT-4執(zhí)行相同的提示，Midjourney V7的文字生成仍然完全失敗。

sleone_76說(shuō)他很失望，對(duì)于一個(gè)專(zhuān)門(mén)從事圖像創(chuàng)作并承諾使用V7可以更好地生成文本的團(tuán)隊(duì)來(lái)說(shuō)，這應(yīng)該是最基本的要求。

Midjourney V7的推出無(wú)疑為已經(jīng)夠火的圖像生成賽道又添了把火。

不管是通過(guò)對(duì)話(huà)實(shí)現(xiàn)創(chuàng)意想法的「草稿模式」還是可以個(gè)性化定制的智能美感，都展現(xiàn)了V7的強(qiáng)大實(shí)力。

但將其與GPT-4o放在一起同臺(tái)競(jìng)技時(shí)，它并未「遙遙領(lǐng)先」。尤其是文字生成等短板依然刺眼。

不過(guò)，Midjourney承諾未來(lái)60天將會(huì)有新功能放出，不知道那時(shí)它是否會(huì)重回文生圖領(lǐng)域的王者。

參考資料：

https://twitter.com/Zapidroid/status/1908058828295250205

https://twitter.com/doganuraldesign/status/1908061707160924593

https://www.midjourney.com/updates/v7-alpha