Opanowanie sztuki AI: koncise przewodnik po Midjourney i inżynierii promptów

Wprowadzenie do sztuki generowanej przez MidJourney AI

Sztuczna inteligencja wkracza w dziedzinę sztuki, przekształcając ją całkowicie. Nie musisz być już mistrzem sztuki czy ekspertem od Photoshop, aby ożywić wyobrażenia. Wystarczy prosta i dobrze sformułowana instrukcja, dzięki Midjourney.

To wszystko zaczęło się od wprowadzenia przełomowych technologii, takich jak DALL-E, Midjourney i StableDiffusion w 2022 roku. Każda z tych innowacji wniosła swój wyjątkowy wkład w dziedzinę generatywnej sztucznej inteligencji, a Midjourney kontynuuje swoją fascynującą podróż, osiągając godne uwagi sukcesy.

Midjourney jest obecnie wiodącym generatorem obrazów z tekstu o wysokiej rozdzielczości na rynku i wyróżnia się unikalną kombinacją generowania obrazów z tekstu, edycji multimediów i powiększania, a także dostępem do aktywnej społeczności artystycznej, wszystko to za jedyne 10 dolarów miesięcznie. Ten kompleksowy zestaw funkcji stanowi ekscytującą przestrzeń dla artystów, entuzjastów technologii i specjalistów od sztucznej inteligencji, tworząc środowisko dla kreatywności i innowacji.

Świat sztuki z pewnością zwraca na to uwagę, a generatywna sztuczna inteligencja na rynku sztuki ma szansę doświadczyć imponującego wzrostu o 40,5% w skali roku. Midjourney wyróżnia się jako mistrz w tworzeniu najbardziej realistycznych i wysokiej jakości wizualizacji przy użyciu sztucznej inteligencji.

Efektywna inżynieria promptów wykracza poza samą twórczość; obejmuje najlepsze praktyki. Instrukcje powinny oferować klarowność, być zwięzłe, a jednocześnie zapewniać sztucznej inteligencji wystarczającą wskazówkę, bez nadmiernej preskrypcji. Ponadto, należy uwzględnić docelowa publiczność podczas projektowania, biorąc pod uwagę takie zmienne, jak wiek, płeć i tło kulturowe, wśród innych.

Jak działa MidJourney?

Mid-Journey wykorzystuje dwie nowatorskie technologie sztucznej inteligencji – duże modele językowe i modele dyfuzyjne. Model językowy, podobny do chatbotów, takich jak ChatGPT, pomaga Mid-Journey w interpretowaniu znaczenia instrukcji i konwertowaniu ich na wektory. Ten wektor następnie kieruje procesem dyfuzyjnym.

Wewnętrzne mechanizmy Midjourney są w dużej mierze nieujawnione. Niemniej jednak, jest oczywiste, że wykorzystuje generowanie obrazów z tekstu z dwóch stosunkowo nowych technologii sztucznej inteligencji: dużych modeli językowych i modeli dyfuzyjnych. Pierwszy z nich jest być może znany użytkownikom platform, takich jak ChatGPT, a drugi jest obiecującym dodatkiem do sektora generowania sztuki przy użyciu sztucznej inteligencji. Cały system opiera się na zbiorze danych CLIP do szkolenia, który można znaleźć na stronie badawczej OpenAI.

Pomimo ograniczonej ilości informacji, jest możliwe, aby nakreślić ogólny obraz modelu dyfuzyjnego Midjourney, odpowiednio nazwanego ‘Stable Diffusion’. Podstawą tego jest otwarty model, który umiejętnie przekształca instrukcje tekstowe w obrazy o różnych stylach i treściach. Ten zaawansowany proces jest osiągany za pomocą modelu dyfuzyjnego, modelu generatywnego, który łączy zależności między wejściami tekstowymi a wyjściami obrazowymi.

Modele dyfuzyjne są zbudowane na podstawie metody denoisingu dyfuzyjnego, podejścia zainspirowanego termodynamiką nieequlibrium. Metoda ta systematycznie rozkłada strukturę danych, a następnie ją odtwarza. To podejście zostało zaadaptowane do generowania obrazów przez Ho et al. w 2020 roku, co doprowadziło do powstania modeli dyfuzyjnych, jakie widzimy dzisiaj.

Szkolenie modeli dyfuzyjnych obejmuje dwa główne etapy. Początkowo, proces dyfuzyjny lub proces przód obejmuje stopniowe dodawanie losowego szumu do obrazu wejściowego, aż całkowicie przekształci się w szum. Proces ten jest zarządzany przez ustaloną łańcuch Markowa, który konsekwentnie dodaje szum Gaussa w kilku kolejnych krokach.

Następnie, w odwrotnej lub fazie odtwarzania, model przywraca oryginalne dane ze stanu zdominowanego przez szum, osiągnięte w procesie dyfuzyjnym. Proces ten jest napędzany przez łańcuch Markowa z nauczanymi przejściami Gaussa, co oznacza, że przewidywanie gęstości prawdopodobieństwa w danym czasie zależy wyłącznie od stanu osiągniętego w poprzednim kroku. Ponieważ ukryte ‘x1, …, xT’ mają tę samą wymiarowość, co dane, modele dyfuzyjne klasyfikują się jako modele zmiennych ukrytych.

Koszt i subskrypcja Mid-Journey

Podczas gdy wiele chatbotów, takich jak ChatGPT i Bing Chat, oferuje niemal nieograniczone użycie za darmo, sytuacja różni się w przypadku generatorów obrazów, takich jak Mid-Journey. Ze względu na znaczne wymagania obliczeniowe, szczególnie od jednostek GPU i użycia pamięci wideo do procesu denoisingu, usługa Mid-Journey wiąże się z cennikiem.

Podstawowy plan rozpoczyna się od 10 dolarów miesięcznie, zapewniając około 3,3 godziny czasu GPU, co wystarcza na około 200 generacji obrazów. Istnieją jednak plany o wyższej klasie, oferujące nieograniczoną liczbę obrazów w trybie Relaxed, chociaż z dłuższym czasem oczekiwania.

Konfigurowanie MidJourney

1. Rozpoczęcie z MidJourney wymaga zarejestrowania się na ich oficjalnej stronie internetowej, wybrania planu subskrypcyjnego, a następnie przekierowania do Discord.
2. Gdy znajdziesz kanał Mid-Journey na Discord, przejdź do Nowych Grup na lewej stronie. Stamtąd możesz obserwować, jak inni użytkownicy tworzą instrukcje, uczyć się mechaniki Mid-Journey i interakcji w dynamicznym środowisku.
3. Po zaznajomieniu się ze środowiskiem, zaproszenie bota do Twojego prywatnego serwera pozwoli Ci tworzyć obrazy bez zakłóceń. Bot generuje cztery podglądy obrazów na podstawie Twojej instrukcji, umożliwiając wybranie najbliższego dopasowania do Twojej oryginalnej idei i dalsze udoskonalenie obrazu.

Struktura instrukcji dla Midjourney

1. Polecenie /imagine w kanale Discord wewnątrz kanału Midjourney generuje unikalny obraz z krótkiego opisu tekstowego (instrukcji).
2. Aby odtworzyć konkretny styl w różnych obrazach, wystarczy wprowadzić adres URL obrazu obok Twojej instrukcji tekstowej. Twoje nowe, spójne dane wyjściowe połączą elementy z Twojego wybranego obrazu i tekstu.
   /imagine http://link-do-Twojego-obrazu <opis obrazu> –parametr1 –parametr2
   Możesz wygenerować link do Twojego obrazu, przesyłając go do kanału Discord. Po przesłaniu, kliknij prawym przyciskiem myszy obraz i wybierz ‘Kopiuj link’.
   Tutaj http://link-do-Twojego-obrazu i parametry są opcjonalne.
3. Następnie, bot zaczyna pracę nad Twoim obrazem, zajmując około minuty, aby zaproponować cztery alternatywy. Proces ten obejmuje użycie potężnych jednostek GPU do przetwarzania i interpretacji każdej instrukcji.
4. Śledź użycie czasu GPU, używając polecenia /info. Pozwala to sprawdzić ‘Pozostały czas szybki’ i monitorować czas GPU Twojej subskrypcji.

Powiększanie i modyfikacja obrazów

Aby uzyskać bardziej wyrafinowany obraz, użyj przycisków ‘U’ pod obrazami, aby powiększyć wybrany obraz. Możesz również użyć przycisków ‘V’, aby wprowadzić zmiany w konkretnych obrazach. Do dalszych zmian w powiększonym obrazie, użyj opcji ‘Utwórz wariacje’, ‘Light Upscale Redo’ i ‘Beta Upscale Redo’. Przycisk ‘Web’ pozwala wyświetlić obraz w większym rozmiarze w oddzielnym oknie.

Midjourney pozwala na powiększanie obrazów do rozdzielczości 2048×2048 (kwadrat) i 2720×1530 (ekran szerokoekranowy) za pomocą funkcji beta upscale redo, z domyślnym rozmiarem siatki generacji 1024×1024 (kwadrat) i 1456×816 (ekran szerokoekranowy). Każdy obraz może być dalej udoskonalony za pomocą opcji ‘U’ powiększania, które poprawiają konkretną część obrazu.

Spójrz na tę instrukcję, która tworzy fantastyczne dzieło sztuki z użyciem wersji 5.2 Midjourney.

/imagine Obraz przedstawia samotne drzewo pod gwiazdnym niebem, z dzieckiem czytającym pod nim, w kolorach spokojnego błękitu i ciepłego pomarańczu, inspirowanym pociągami francuskiego impresjonizmu, miniatur perskich, prostoty Bauhausu, nawiązując do klasycznych ilustracji baśni, osiągając asymetryczną harmonię, wyrażoną w czarującej, ludowej / naiwnej atmosferze: –ar 15:19 –upbeta –q 2

Tworzenie pierwszego dzieła sztuki AI z Midjourney

1. Stworzenie podstawowego planu: Pomyśl o sobie jako o artyście. Zacznij od prostej, żywej opisu obrazu, który chcesz ożywić. Zaznacz główny temat, atmosferę lub nawet drobne szczegóły, które chcesz uwzględnić. Użyj znaków przestankowych, takich jak przecinki, nawiasy i myślniki, aby uporządkować swoje myśli. Dla lepszych wyników, bądź wyraźny w kontekście swojego projektu i szczegółach. Elementy, takie jak temat (np. smok, samochód vintage, Abraham Lincoln), medium (np. sztuka cyfrowa, rysunek ołówkiem), środowisko (np. kosmos, podwodne, tłoczne miasto), oświetlenie (np. miękkie, neonowe, od tyłu), kolor (np. odcienie ziemi, żywe, stonowane), nastrój (np. melancholijny, kapryśny, spokojny) i kompozycja (np. pejzaż, zbliżenie, szeroki kąt), mogą być kluczowe. Przykłady:
   • Idylliczny las oświetlony słońcem, ścieżka wiodąca w dal
   • Miasto, które nigdy nie śpi, z neonowymi światłami odbijającymi się od chodników i różnorodnym tłumem
2. Nadanie stylu i słów kluczowych: AI Midjourney potrafi ilustrować obrazy w różnych stylach, takich jak abstrakcyjne, surrealistyczne lub realistyczne. Poprzez integrację stylu lub słów kluczowych, możesz skierować AI, aby stworzyło obraz, który odzwierciedla Twoją wizję. Eksperymentuj z różnymi stylami i słowami kluczowymi, aby odkryć idealną kombinację. Przykłady:
   • Pejzaż przedstawiający pustynię o świcie, naśladujący styl Georgii O’Keeffe, z pastelową paletą kolorów i organicznymi formami.
   • Abstrakcyjna wizja spokojnego lasu, z geometrycznymi wzorami tworzącymi drzewa i liście, inspirowanymi kompozycjami Pietra Mondriana.
3. Użycie zaawansowanych ustawień: Traktuj Midjourney jako swoją skrzynkę z narzędziami, pełną zaawansowanych ustawień, które pozwalają Ci dostosować wygenerowane obrazy. To jak posiadanie magicznej różdżki, która pozwala Ci wywołać idealny balans losowości, stylizacji i zmiany obrazu. Wypuść swoją kreatywność, eksperymentując z tymi ustawieniami, aż znajdziesz idealną kombinację, która rezonuje z Twoją wizją. Przykłady:
   • Spokojny japoński ogród z sadzawka, w której odbija się kwitnący wiśnia – seed 22 –s 150 –c 40
   • Miasto cyberpunkowe oświetlone neonami – seed 88 –s 600 –c 60
4. Podkreślanie elementów za pomocą wag: Wyobraź sobie swój obraz jako symfonię, w której każdy element przyczynia się do wielkiego ensemble. Używając notacji “::”, możesz dyktować znaczenie różnych elementów w Twoim obrazie, pozwalając Ci kontrolować reflektory. Przykłady:
   • [Elegancki paw]::3 siedzący na [drzewie wisterii]::1 kwitnącym z żywymi kwiatami
   • [Majestatyczny słoń]::2 kąpiący się w blasku [zachodzącego słońca]::1 na sawannie
5. Midjourney to proces prób i błędów: Eksperymentowanie z różnymi elementami i funkcjami jest konieczne. Każda iteracja przybliży Cię do obrazu, który chcesz ożywić.

Parametry Mid-Journey

Model Midjourney działa z dostosowanymi parametrami, które kontrolują wynik procesu generowania obrazów. Parametry te pozwalają użytkownikom dostosować i dopasować wygenerowaną sztukę, udoskonalając model, aby stworzyć wyniki, które idealnie odpowiadają ich celom.

Poniżej znajdują się podstawowe i zaawansowane parametry, ich funkcje i sposób ich użycia, aby w pełni wykorzystać możliwości Midjourney:

• Stosunek boków (–aspect lub –ar): Ten parametr kontroluje stosunek między szerokością a wysokością wygenerowanego obrazu. Na przykład, stosunek 16:9 jest idealny dla miniaturek YouTube, podczas gdy 1:1 tworzy kwadratowy obraz idealny dla Instagrama.
• Chaos (–chaos): Ten parametr dostosowuje różnorodność siatki obrazu początkowego i waha się od 0 do 100. Wyższe wartości chaosu dadzą Ci nieprzewidywalne i unikalne wyniki, podczas gdy niższe wartości zapewnią bardziej spójne rezultaty.
• No (–no): Ten parametr pomaga wyeliminować określone elementy lub cechy z wygenerowanego obrazu. Na przykład, jeśli chcesz obraz bez czerwonego koloru, możesz użyć “–no czerwony”.
• Jakość (–quality lub –q): To ustawienie dostosowuje czas potrzebny do wygenerowania obrazu. Wyższa jakość wymaga więcej czasu przetwarzania, ale daje intratne szczegóły. Ten parametr może przyjmować wartości .25, .5, 1 lub 2.
• Nasienie (–seed): Ten parametr określa początkowy szum wizualny, który służy jako podstawa do wygenerowanego obrazu. Użycie tego samego numeru nasienia z tą samą instrukcją da podobne wyniki. Przyjmuje wartości całkowite między 0 a 4294967295.
• Stop (–stop): Z tym parametrem możesz przerwać proces przedwcześnie, tworząc mniej szczegółowe, ale potencjalnie interesujące wyniki. Zakres wynosi od 10 do 100. Na przykład, jeśli określisz ‘–stop 50’, proces generowania obrazu zatrzyma się na 50% ukończenia, dając mniej szczegółowy, ale potencjalnie abstrakcyjny obraz.
• Stylizacja (–stylize lub –s): Ten parametr kontroluje poziom aplikacji artystycznej w wygenerowanym obrazie. Niższe wartości stylizacji dają wyniki bliższe początkowej instrukcji, podczas gdy wyższe wartości prowadzą do bardziej abstrakcyjnych i artystycznych interpretacji. W wersji 5, wartość domyślna to 100, ale możesz ją ustawić w zakresie od 0 do 1000.
• Wersja modelu: Możesz wybrać spośród różnych wersji modelu Midjourney, używając parametru –version lub –v.
• Niji: Model specjalizujący się w obrazach w stylu anime. Można go uzyskać, używając parametru –niji.
• Highmi Definition: Dla obrazów abstrakcyjnych i pejzaży, parametr –hd aktywuje wczesną wersję modelu, która daje większe, mniej spójne obrazy.
• Modele testowe: Midjourney oferuje specjalne modele dla konkretnych przypadków użycia. Parametry –test i –testp aktywują standardowy i fotograficzny model testowy, odpowiednio.
• Upscaler: Midjourney zaczyna od niskiej rozdzielczości siatki obrazu. Oferuje kilka modeli powiększania, aby poprawić rozmiar i szczegóły obrazu.
  • Uplight: Alternatywny light upscaler (–uplight) daje powiększone obrazy, które są mniej szczegółowe, ale gładkie.
  • Upbeta: Parametr –upbeta prowadzi do obrazów z znacznie mniej dodatkowymi szczegółami, pozostając bliżej oryginalnego obrazu siatki.
  • Upanime: Upscaler –upanime jest zaprojektowany specjalnie do pracy z modelem Midjourney –niji.
• Waga obrazu: Użyj –iw, aby dostosować wagę instrukcji obrazu w stosunku do wagi tekstu. Wartość domyślna to 0,25.
• Sameseed: Parametr –sameseed zapewnia, że wszystkie obrazy w siatce początkowej używają tego samego szumu początkowego, tworząc bardzo podobne wygenerowane obrazy.
• Wideo: Midjourney może zapisać wideo postępu generowania siatki obrazu początkowego, używając parametru –video.
• Kreatywność: Z parametrem –creative, modele testowe i testp dają bardziej zróżnicowane i kreatywne obrazy.

Midjourney stale wprowadza aktualizacje, aby poprawić doświadczenie użytkownika, a najnowsza wersja to 5.2, wydana w czerwcu 2023. Dodając –v 5.2 do instrukcji lub wybierając ją przez polecenie /settings, użytkownicy mogą uzyskać dostęp do tego zaawansowanego modelu. Wersja 5.2 oferuje lepsze szczegóły obrazu i lepiej rozumie instrukcje, przynosząc jaśniejsze kolory i poprawione kompozycje.

Zrozumienie praw autorskich dla dzieł sztuki generowanych przez AI

W marcu 2023, Urząd Praw Autorskich Stanów Zjednoczonych wyjaśnił swoje stanowisko w sprawie praw autorskich do dzieł sztuki generowanych przez AI. Polityka stanowi, że podczas gdy elementy stworzone przez ludzi w dziełach AI (takie jak pisanie lub unikalne projekty) mogą być chronione, obrazy generowane przez AI same w sobie nie kwalifikują się do ochrony autorskiej, zgodnie z normami międzynarodowymi, które stanowią, że tylko dzieła stworzone przez ludzi kwalifikują się do ochrony autorskiej.

W kontekście sztuki AI, prawa autorskie nie są proste. Podczas gdy sztuka cyfrowa ma wkład artysty, sztuka generowana przez AI jest tworzona bez bezpośredniej interwencji ludzkiej, co komplikuje kwestię autorstwa i własności. Zgodnie z Urzędem Praw Autorskich Stanów Zjednoczonych, początkowa własność jest przyznawana twórcy – ludzkiemu artystowi. Jednakże, ponieważ AI nie może być uznana za autora, sztuka generowana przez AI nie ma wyraźnej własności.

Najnowsze wytyczne Urzędu Praw Autorskich Stanów Zjednoczonych pozwalają na ochronę autorskich praw do sztuki AI tylko wtedy, gdy zawiera wystarczającą twórczość ludzką. Poziom “wystarczającej twórczości ludzkiej” pozostaje niezdefiniowany i zależy od stopnia zaangażowania ludzi w tworzeniu dzieła sztuki AI.

Interesująco, Midjourney, platforma AI do tworzenia obrazów, ustanowiła własne zasady dotyczące praw do użytkowania. Użytkownicy bezpłatnej wersji próbnej mogą używać obrazów do celów niekomercyjnych na podstawie licencji Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0), z odpowiednim kredytem dla Midjourney. Jednak płacący subskrybenci mogą używać obrazów do dowolnego celu, w tym komercyjnego, na podstawie Ogólnych Warunków Komercyjnych. Ten rozwój w przestrzeni praw autorskich prezentuje interesującą dynamikę między AI a kreatywnością ludzką.

Wykorzystanie Midjourney do dynamicznych projektów UI i kreatywnej generacji logo

Od projektowania intuicyjnych interfejsów użytkownika dla stron internetowych lub aplikacji mobilnych po tworzenie unikalnych logo i banerów, Midjourney daje twórcom zawartości możliwość generowania różnych alternatyw projektowych w ciągu kilku sekund.

oto, jak to działa. Każdy projekt zaczyna się od instrukcji, która służy jako plan dla AI do naśladowania. Załóżmy, że projektujesz interfejs użytkownika dla aplikacji platformy edukacyjnej online. Typowa instrukcja mogłaby brzmieć: “/imagine Interfejs użytkownika platformy edukacyjnej online, Dribbble, wysoka rozdzielczość, 4K, jak Khan Academy”.

Początkowe wyniki mogą nie być idealne. Na przykład, dodanie “Adobe XD” do mieszanki może pomóc Midjourney dostosować swoje projekty, aby były bardziej kompatybilne z Adobe XD. Optymalna instrukcja będzie:

/imagine Interfejs użytkownika platformy edukacyjnej, Adobe XD, Dribbble, wysoka rozdzielczość, 4K, minimalistyczny design

Logo i banery zainspirowane tekstem za pomocą Midjourney

Zobaczmy, jak stworzyć baner z logiem dla UNITE AI.

Najpierw musisz mieć prosty obraz tekstu, który chcesz wyświetlić. Możesz go utworzyć za pomocą dowolnego narzędzia do projektowania graficznego lub edytora tekstu i przesłać go do swojego kanału Discord.

Instrukcja do stworzenia banera to:

/imagine Litery: <link do prostego obrazu tekstu, który chcesz wyświetlić> UNITE w futurystycznym, zainspirowanym AI typie logo z literami UNITE –v 5 –ar 16:9

Spójrz na te przykładowe instrukcje, aby uzyskać więcej pomysłów:

/imagine Muzyk grający spokojną melodię na pływającym motocyklu, w stylu art nouveau, miasto pełne życia, 32k, intratny kosmodrom, ulotne, panoramy wieżowców, eleganckie

Końcowe myśli: Nawigacja w świecie sztuki AI z Midjourney

Pamiętaj, “Obraz jest wart więcej niż tysiąc słów”. Szczegółowy, żywy opis może zdziałać cuda. Tak, Midjourney nie jest darmowy. Jednak rewolucjonizuje świat sztuki i rozszerza nasze możliwości twórcze za pomocą najnowocześniejszej technologii AI do generowania obrazów z tekstu. Z możliwością przekształcenia prostej instrukcji tekstowej w wysokiej jakości obraz, jest to narzędzie, które obiecuje nieograniczone możliwości, nie tylko dla artystów, ale także dla projektantów UI/UX, entuzjastów technologii i specjalistów od AI.

Oto kilka istotnych wskazówek, które należy pamiętać, rozpoczynając przygodę z Midjourney:

• Naucz się podstaw instrukcji Midjourney: Użyj klarownych, zwięzłych i kompletnych opisów, które ujmują Twoją wizję, aby skutecznie kierować AI. Pamiętaj, aby uwzględnić swoją publiczność i nie wahaj się eksperymentować z różnymi stylami, nastrojami i kontekstami.
• Wykorzystaj parametry: Wzbogat swój doświadczenie twórcze, korzystając z wielu zaawansowanych ustawień, które oferuje Midjourney. Od kontrolowania stosunku boków do dostosowywania parametru chaosu dla unikalnych wyników, każdy detal może być dostosowany do Twoich preferencji.
• Akceptuj proces iteracyjny: Twoje pierwsze dzieło sztuki AI może nie być idealne. Akceptuj ten proces iteracyjny i naucz się udoskonalać i optymalizować swoje instrukcje, aby uzyskać lepsze wyniki.
• Zrozum implikacje prawne: Podczas gdy same obrazy generowane przez AI nie kwalifikują się do ochrony autorskiej, elementy stworzone przez ludzi w tych dziełach mogą być chronione.

W istocie, integracja AI ze sztuką zdemokratyzowała kreatywność i rozmyła granice między dziełami stworzonymi przez ludzi a maszyny. Podczas gdy świadkowie niezwykłego wzrostu generatywnej AI na rynku sztuki, jest niepodważalne, że rewolucja sztuki AI, prowadzona przez platformy takie jak Midjourney, dopiero zaczyna się.