图像生成器
Midjourney评测:它的人工智能视频能正确呈现文字吗?
当您使用我们评测产品的链接时,Unite.AI可能获得报酬。这不会影响我们的编辑评价。 请阅读我们的 联盟披露。

要点Midjourney 的 V8.2 终于能在第一次尝试时就正确渲染短标签文字,无需任何重跑。
查看更多
- Midjourney 的 V8.2 终于能在第一次尝试时就正确渲染短标签文字,无需任何重跑。
- 视频生成会在每个片段中扭曲小号文字,使其无法用于产品广告。
- 无论是 Thinking Mode 还是 Editor 都无法修复睡前场景中那件穿反的雨衣。
你在 人工智能图像生成器中输入提示词,得到的结果虽然技术上没错,却毫无记忆点:光线平淡,像图库照片,构图也不是你自己会选的。聘请摄影师或插画师可以解决这个问题,但如果你今天下午就需要一张主视觉图,就来不及了。
这正是 Midjourney一直以来以解决见长的问题。它生成的图像风格鲜明,让人过目难忘:电影感的光线、丰富的质感,以及仿佛经过精心设计的构图。
不过,自从我第一次评测它以来,情况已经发生了很大变化。现在不再需要Discord;V8.2能够渲染分辨率更高的2K图像;全新的编辑模型可以处理参考图像和局部重绘;Midjourney现在还可以将任意图像转成短视频。
我用Midjourney测试了三项任务:制作带文字的产品广告、让同一个角色在多个场景中保持一致,以及将静态图像转换成视频片段。
在这篇Midjourney评测中,我会介绍它的实际表现、让我印象深刻之处,以及我认为它仍有不足的地方。最后,我会将它与我最看好的三个替代产品进行比较: ImagineArt、ChatGPT Images 2.0和 GetIMG。
评测结论
Midjourney生成的人工智能图像仍是我测试过的效果最佳的作品之一,而V8.2终于能正确呈现短文本,也能让我的角色在不同场景中保持一致。不过,它的视频生成能力较弱:视频没有声音,而且我制作的片段中,小字会变形;高清模式还会很快耗尽快速生成时长。总的来说,如果你最看重图像,Midjourney才值得付费使用。
优点与缺点
- 图像质量出色,光线、质感和构图都很逼真。
- 可直接生成原生2K图像,无需放大。
- 图像生成速度比早期版本快得多。
- 最多可使用四张参考图像,让角色、产品和风格保持一致。
- 内置编辑工具,可修复或扩展图像的部分区域。
- 可使用风格参考和情绪板,让图像保持一致。
- 可将静态图像转成5–21秒的视频,并提供循环播放控制。
- Standard及更高档套餐提供不限量的Relax模式图像生成。
- 所有套餐均包含商业用途许可。
- 可直接在浏览器中使用,无需Discord。
- 没有免费套餐或试用期。必须先付费才能生成图像。
- 图像默认公开。要使用隐身模式,必须订阅每月60美元的Pro套餐。
- 视频中的小字会变形,因此不适合用于标签文字很重要的产品广告。
- Basic套餐仅包含3.3小时的快速GPU使用时长。高清影片会很快耗尽这些时长。
- 视频生成仅支持将图像转换为720p视频。
- 编写提示词需要一定练习,而且一些旧功能在V8中已无法使用。
- 思考模式和编辑器都没能修正我测试中那件挂反的外套。
- Midjourney正面临Disney、Universal和Warner Bros. Discovery提起的版权诉讼。
Midjourney是什么?
Midjourney是一家位于旧金山的独立人工智能研究实验室,由 David Holz(Leap Motion联合创始人)创立。Midjourney自行筹资,并称自己是“由社区资助”的机构;其主要产品是一款图像和视频生成工具,与其他 人工智能平面设计工具并列。
用日常语言描述你想要的内容,Midjourney就会按该风格生成一组图像(默认每组四张)。之后,你可以生成变体、编辑图像的部分区域、调整取景范围、放大图像,或为图像添加动画效果。
有哪些变化
我第一次试用Midjourney时,必须加入它的Discord服务器,并在繁忙的公开频道中输入/imagine命令。现在,大多数人使用网页版应用,它更像一款常规创作工具:有提示词输入栏、作品图库、文件夹和编辑器。 Discord仍可使用,但已不再是必需品。
模型也发生了很大变化:
- V7(2025年4月)推出了草稿模式和全能参考。
- V8.1(2026年4月)新增原生2K输出,并大幅加快渲染速度。
- V8.2(自2026年7月起为默认版本)着重提升美感和 个性化。Midjourney将其风格描述为“更具创意、大胆、成熟、前卫且清新”。
V8.2 还引入了 编辑模型,用一个系统取代了三种较早的工具(Omni Reference、Character Reference 和 Retexture)。你最多可以附加四张图片,并描述想要修改的内容,操作方式很像聊天式编辑器。
2026 年 10 月,Midjourney 开始测试思考模式。它会分析图像,找出未能符合提示词的地方(例如物体、布局、人体结构或文字有误),然后重新生成图像。目前仍处于 alpha 阶段。
现在也能制作视频
Midjourney 的视频模型可以为生成或上传的图像添加动画效果。片段时长从 5 秒起,每次可延长 4 秒,最长可达 21 秒。你可以让片段循环播放、设置结束帧,还可以选择低动态或高动态效果。
动画是实用的附加功能,但 Midjourney 并不是完整的 AI 视频生成器:它不支持文生视频,最高分辨率也只有 720p。
Midjourney 不适合做什么
Midjourney 并非像 Canva 那样的专业设计工具。如果你想要高质量图像,也不介意稍作调整以达到理想效果,那么它最适合你。它处理短文本的能力比以前强得多,但对于包含大量文字的设计,或是要求每个细节都恰到好处的场景,它仍然不太擅长。
还值得了解的是,Disney 和 Universal 起诉了 Midjourney,这起诉讼发生于 2025 年 6 月,而Warner Bros. Discovery则于同年 9 月跟进。与此同时,Meta 于 2025 年 8 月签署了一项协议,以获得 Midjourney 技术的许可。
Midjourney 适合哪些人?
以下人群最适合使用 Midjourney:
- 营销人员和社交媒体经理可以制作吸睛的营销活动视觉素材以及 社交媒体图形,风格统一,无需预约拍摄。
- 概念艺术家和游戏开发者可以探索数十种角色、生物和环境创意,再利用参考图像让最出色的设计保持一致。在制作原型时,它也很适合搭配 AI 游戏生成器使用。
- 作者可以设计书籍封面和章节插图的样稿,并添加基础标题文字。
- 博主可以制作主视觉图片,避免使用那些千篇一律、人人都在用的图库照片。
- 平面设计师可以为客户提案制作情绪板和风格参考,再将创作方向交给制作团队。
- 电商品牌可以制作生活方式图片和产品概念图,不过若要准确呈现包装,仍然需要实拍照片。
- 想制作短视频片段的创作者,可以将静态图像制作成循环播放的背景、片头或社交媒体帖子。
- 使用 Standard 套餐的爱好者只需支付固定费用,就可以随心生成任意数量的 Relax 模式图像。
Midjourney 的主要功能
以下是我认为最突出的主要功能:
- V8.2 图像模型:最新版本,专为创作大胆、醒目的图像而设计。V8.1 还将标准任务的速度提升至原来的约四倍。
- 原生 2K(HD)模式:使用 –hd 可直接生成 2048px 图像。每项任务约消耗 1.3 分钟的 GPU 时间,而 SD 模式下为 0.8 分钟。
- 编辑模型:最多附加四张参考图像并描述要做的修改。这一个工具即可处理角色一致性、产品摆放、新视角和风格重塑。
- 编辑器(局部重绘与扩图):涂抹要修改的区域,只更改该部分;也可以将画布扩展至原始画面之外。请注意,编辑会将 HD 图像降回 SD,除非之后再次放大。
- 风格参考(–sref):使用风格代码复制某种视觉风格,并将其应用于提示词。这是让一系列作品保持风格统一的实用方法之一。
- 情绪板与个性化:为图像评分或上传一组示例,Midjourney 就会建立你的审美偏好档案,并将其应用于之后生成的内容。
- 图像转视频:可将任意图像制作成 5 秒短片,并通过循环播放、结束帧以及低动态/高动态控制选项将时长延长至 21 秒。SD 分辨率为 480p,HD 分辨率为 720p。
- 原始模式:降低 Midjourney 的默认风格化程度,让图像更忠实于提示词。它适合制作写实的产品照片。
- 思考模式(alpha):会根据提示词检查 V8.2 图像,并尝试修正遗漏或错误之处,例如物体和文字。
- 共享文件夹:邀请协作者在共享文件夹中生成内容,或通过链接分享文件夹。这对小型创意团队很有用。
实测体验:Midjourney 的生成效果
我进行了三项测试,内容都基于人们实际付费让 Midjourney 完成的工作:带文字的营销图片、跨场景保持一致的角色,以及一段短视频。每项测试中,我关注的都是最终效果:画面是否美观、对提示词的遵循程度如何,以及投入使用前还需要做多少修改。
我使用的是 V8.2 和 Standard 方案(每月 30 美元),开启了 HD,关闭了 Raw 模式,其他设置均保持默认值。
测试 1:标签上带有文字的产品广告
在图片中生成文字一直是 Midjourney 的弱项,所以我想看看 V8.2 是否终于解决了这个问题。
我使用的提示词如下:
“一张产品照片:一个哑光黑色咖啡袋放在洒满阳光的木质咖啡馆柜台上。标签上用醒目的白色字母写着‘NORTHBOUND ROAST’,下方用较小的字体写着‘Single Origin · Ethiopia’。旁边的陶瓷杯中升起缕缕蒸汽,浅景深,温暖的晨光,用 50mm 镜头拍摄。–ar 4:5”

Midjourney 大约 20 秒就生成了四张图片,而且每张都正确呈现了两行文字。四个咖啡袋上的“NORTHBOUND ROAST”和“Single Origin · Ethiopia”都拼写无误,没有多余字母、字符错位或文字融化变形的问题。
提示词中的其他要求也都得到了同样出色的呈现。四个咖啡袋都是哑光黑色,也都放在洒满阳光的木质咖啡馆柜台上,杯中升起的蒸汽看起来也十分逼真。我没有发现袋子边缘、杯子或柜台周围有任何瑕疵或变形。
我的看法
结果确实让我印象深刻。我原本以为至少会有一个词乱码,还打算之后用设计工具补上标签文字。但实际情况是,四张图片中的任何一张都可以直接用于广告,完全不需要修改。
由于没有任何问题,我不需要重新生成。一次生成,20 秒,得到四张看起来很专业的图片。
不过需要说明的是,我只测试了两行简短文字。品牌名称和标语是大多数产品照片所需的文字,但对于菜单或信息图这类内容密集的文字,我不会在未经校对的情况下,就假定它也能达到同样的准确度。
测试 2:让同一个角色在三个场景中保持一致
对于创作漫画、儿童读物或品牌吉祥物的人来说,角色保持一致非常重要。我做的第一件事是创建一个角色:
“一幅儿童读物插画:一只小红狐狸穿着黄色雨衣和绿色雨靴,站在水坑里,柔和的水彩风格,白色背景。”

Midjourney 大约 15 秒就给了我四个选项。我选出最喜欢的一张,将它作为参考图添加到 Edit Model 中,然后要求生成三个新场景:
- “同一只狐狸在暴风雨中躲在蘑菇下看书。”
- “同一只狐狸在秋日公园里骑自行车,从侧面看。”
- “同一只狐狸夜里在舒适的床上睡着了,雨衣挂在挂钩上。”
我分别生成了每个场景,每次都附上同一只原始狐狸的图片。

每个场景都可以使用,区别只在于个人偏好。每次生成的狐狸都保留了相同的脸部、耳朵和尾巴斑纹,穿着黄色雨衣和绿色雨靴,柔和的水彩风格也始终如一。就连我原以为最难处理的自行车侧面视角,也没有出现颜色错误、口鼻部变化或多余的肢体。
唯一的问题出现在睡前场景中。四张图片里的雨衣都通过兜帽反着挂在挂钩上,这不是正常的挂衣方式。

我尝试用两种方法修正这个问题。
首先,我用 Thinking Mode 重新生成了自己最喜欢的图片。场景的其他部分都没问题,但雨衣的情况更糟了:挂钩这次直接穿过了兜帽,让错误更加明显。

第二次尝试时,我打开了 Editor,使用 Smart Select 只选中雨衣,将它擦除,然后输入提示词:“一件黄色雨衣用衣领挂在挂钩上,兜帽垂在背后。”
这次也没成功。外套还是挂反了,细节比之前少,兜帽也更大,还敞开着。不过,至少每个版本的水彩风格都保持一致。
我的看法
一方面,角色的一致性让我印象深刻。我会直接把阅读和骑自行车的场景用在绘本里。
但睡前场景就完全是另一回事了。外套挂反只是个小细节,却恰恰是孩子或家长会注意到的地方,而 Midjourney 的两种修复工具都没能解决这个问题。Thinking Mode 本应找出图像与提示词不符之处,却让这个错误更加明显;Editor 则让情况变得更糟。
要用这个场景,我就得重新生成更多组图、把挂钩裁掉,或者用 Photoshop 修复。
三个场景还不足以构成一本完整的书,但我愿意放心地让 Edit Model 保持角色的一致性。只是我会预留时间,检查每张图里是否有不合情理的细节。
测试 3:将静态图像转换为视频
最后一次测试中,我选取了测试 1 里最喜欢的咖啡袋图片,并用以下提示词将它制作成动画:
“蒸汽从杯中缓缓升起,镜头轻轻推近咖啡袋,晨光透过窗户闪烁。”
我生成了一组包含四段视频的素材,画质为 HD(720p),动作幅度较低,且未设置结束帧或循环;随后,我用相同设置延长了最喜欢的那段视频。
这四段视频耗时约 2 分钟,使用了 26 分钟 Fast 时长;开始生成前,Midjourney 还通过弹出提示提醒了我。画面运动流畅而真实,醒目的 “NORTHBOUND ROAST” 标签也保持清晰。但较小的 “Single Origin · Ethiopia” 字样在四段视频中都发生了扭曲。
延长我最喜欢的那段视频又花费了 25 分钟 Fast 时长,并生成了另外四个版本。这些版本从原视频衔接得很流畅,但同样的小字仍然失真。此外,四段视频都放大了蒸汽,导致蒸汽看起来更明显像一团团模糊的块状物,而不是真实的缕缕轻烟。所有视频都没有音频。
我的看法
作为一款图像工具,它生成的动态效果比我预想的更好;但文字扭曲这一问题,使这些视频无法用于以标签为核心卖点的产品广告。如果画面里没有小字,效果会好得多。
更大的问题在于成本。一段 9 秒的 HD 视频及其延长版本,合计使用了约 51 分钟 Fast 时长,超过了我两次图像测试用量总和的三倍。专门的视频生成工具还支持文生视频、音频和更长的视频片段,因此我会把 Midjourney 的视频功能视为额外福利,而不是订阅它的理由。
效果与输出质量
- 图像质量:Midjourney 最突出的优点是生成的图像看起来完成度很高。咖啡袋图片呈现出可信的晨光、看起来真实的蒸汽(大体上如此),构图也很出色。与此同时,狐狸在每个场景中都保持着柔和的水彩风格。
- 提示词准确度:V8.2 能准确遵循我的提示词。每个咖啡袋都是哑光黑色,放在洒满阳光的木质台面上;我描述的每个场景也都符合要求。唯一出错的是一个小细节:狐狸的雨衣在挂钩上挂反了。
- 文字:测试 1 中的四张图,标签上的两行字都一次生成正确,因此我完全不需要使用 Thinking Mode。但把这些图像转换成视频时,小字就变得扭曲、难以辨认。
- 一致性:我生成的所有场景中,狐狸角色都保持一致。不过,狐狸的外套在挂钩上挂反了,Thinking Mode 和 Editor 都无法修正。
- 视频:视频中的运动效果流畅,但全部八段视频里的小字都发生了扭曲,因此没有一段能用于产品广告。
- 速度:HD 图像组图耗时约 15–20 秒。一组包含四段 HD 视频的素材耗时约 2 分钟。就我见过的图像和视频生成速度而言,这算是最快的之一,尤其考虑到它的质量水平。
- 需要编辑:测试 1 的图像和狐狸的三个场景中有两个无需编辑。睡前场景则需要多次尝试编辑、裁剪,或者使用 Photoshop。
- 性价比:三次测试总共使用了我 15 小时 Fast 时长中的约 1 小时 6 分钟。其中,图像生成约占 15 分钟,HD 视频约占 51 分钟。使用 Standard 计划时,图像生成非常划算,但 HD 视频会很快消耗 Fast 时长。
如何使用 Midjourney
以下是使用 Midjourney 获得好效果的方法:
- 没有免费试用,因此请先选择一个计划并登录。如果你打算大量生成内容,Standard 计划的无限 Relax 模式通常比 Basic 更划算。
- 先设置 Personalization 或制作情绪板。上传 10–20 个你喜欢的风格示例,能让之后的每条提示词都有一个良好的起点。
- 编写提示词时,请描述主体、场景、光线、镜头或媒介,以及氛围。最后添加参数,例如用 –ar 16:9 设为宽屏,或用 –raw 获得更贴近字面描述的结果。
- 选出最好的图像并进一步优化。使用 Vary 获取相近的备选效果,用 Editor 修复某个区域,或使用 Edit Model 配合参考图,让角色或产品保持一致。
- 放大图像或为其添加动画。将最终图像以 HD 格式导出,或选择 Animate 将其转换为短片。
如果你想全面提升提示词撰写能力,这些 提示词工程课程是不错的起点。
Midjourney 的 3 个最佳替代品
以下是我试用过并愿意推荐的 Midjourney 最佳替代品。
ImagineArt
如果你希望通过一个订阅就能使用图像、视频和音频功能,而且不想被单一模型绑定,那么 ImagineArt 最适合你。Midjourney 只提供自有模型。ImagineArt 则让你使用 Nano Banana、GPT Image 和 Kling 等第三方图像与视频模型,还提供配音和音乐功能。
这正是两者的主要取舍。Midjourney 默认的美学风格独树一帜,而 ImagineArt 允许你针对不同任务选择模型。因此,在生成可读文字或制作视频等任务上,ImagineArt 的灵活性更高。不过,不同模型生成的结果差异可能更大。
ImagineArt 的入门成本也更低。它提供免费方案,每天会刷新 100 个积分;Midjourney 则既没有免费方案,也不提供试用。此外,ImagineArt 还有 iOS 和 Android 应用。
如果你想直接生成效果最出色的图像,就选择 Midjourney。否则,如果你想要一套集成更多模型和视频工具的一体化创意工具箱,就选择 ImagineArt。
阅读我的 ImagineArt 评测,或访问 ImagineArt!
ChatGPT Images 2.0
我推荐的第二款 Midjourney 替代品是 ChatGPT Images 2.0。它更擅长把细节做对,而不是营造整体视觉风格。
在我的评测中,与大多数图像生成器相比,它更常能准确生成文字较多的图像、信息图表,并遵循详细指令。Midjourney V8.2 在短文本方面已经缩小了差距(它生成的 4 张图像中,产品标签都拼写正确),但对于文字较多的设计,ChatGPT 仍然是更稳妥的选择。
它的工作流程也有所不同。你不必编写提示词并从网格中选择图像,而是直接与 ChatGPT 对话(“把杯子变成蓝色”),由它来编辑图像。我在 ChatGPT 中编辑图像时,它确实按照我的要求完成了修改。
不过,在风格和速度方面,Midjourney 仍然更胜一筹。ChatGPT 生成的图像往往缺少电影感;在我的测试中,它的 Thinking 模式生成一组 8 张图像大约用了 3 分半钟。
如果你需要准确的文字、细节丰富的设计,以及能按照指令完成的编辑,就选择 ChatGPT Images 2.0。否则,若你更看重图像质量和生成速度,就选择 Midjourney。
阅读我的 ChatGPT Images 2.0 评测,或访问 ChatGPT!
GetIMG
我最后推荐的是 GetIMG,它让你能在一个平台上使用许多领先的 AI 模型。图像方面包括 Seedream 5、FLUX.2、Nano Banana 和 GPT Image;视频方面则提供 Kling、Seedance、Veo 和 Wan。
这使它与 Midjourney 截然相反:Midjourney 使用自有模型,并拥有独特的默认美学风格。使用 GetIMG,你可以 用同一个提示词运行多个模型,并保留效果最好的结果;如果一个模型更擅长处理文字,另一个更擅长生成照片级真实感图像,这种方式就很有帮助。
该平台采用积分计费,Core 方案可解锁所有模型。如果你想尝试不同模型,而不是始终使用同一种标志性风格,就选择 GetIMG。
Midjourney 评测:它适合你吗?
我最喜欢 Midjourney 的一点,是它生成的图像看起来经过了精心设计。我制作的咖啡袋广告大约 20 秒就可以直接使用,标签上的两行文字也都拼写正确。我的水彩狐狸在三个不同场景中也始终是同一个角色。
它的不足之处在于视频。画面运动流畅,但每个片段中的小号标签文字都会变形;延展片段让蒸汽的问题更加明显,蒸汽看起来更像一团团块状物;而一段 HD 视频及其延展片段就耗用了约 51 分钟的 Fast 时长。仅仅为了让图像保持私密,每月支付 60 美元,对独立创作者来说也显得太贵了。
然后还有思考模式。它本应修正图像未能按提示生成的情况,但在我那件反着挂的雨衣图像中,它反而让错误更加明显。编辑器也没能做得更好,因此 Midjourney 的编辑工具没有达到我的预期。
我会向最看重图像视觉效果的营销人员、设计师、概念艺术家和作家推荐 Midjourney。就图像生成而言,Standard 套餐最合适:我的测试 1 和测试 2 结果几乎不需要编辑,甚至完全不用修改;而且 Relax 模式不限量,意味着你可以持续生成图像。
但如果你更看重视频、文字密集型设计或免费套餐,以下某个替代方案可能更适合你:
- ImagineArt最适合希望通过一个更实惠的订阅,使用多种模型生成图像、视频、语音和音乐的创作者。
- ChatGPT Images 2.0最适合生成准确的文字和信息图,以及通过对话编辑图像。
- GetIMG最适合并排比较多种顶尖图像和视频模型。
感谢阅读我的 Midjourney 评测!希望这篇文章对你有所帮助。如果你想亲自试用 Midjourney,请点击此处注册,看看它能为你创作出什么。
常见问题
Midjourney 是免费的吗?
不是。Midjourney 没有免费套餐,也不提供免费试用。你必须先购买付费套餐,才能生成任何内容。
我可以将 Midjourney 生成的图像用于商业用途吗?
可以。 你拥有通过任何付费套餐创作的图像和视频,即使取消订阅后也一样。不过,年收入超过 100 万美元的公司必须使用 Pro 或 Mega 套餐。Midjourney 不提供版权方面的建议,因此在将图像用于 商业工具之前,请先了解你所在国家或地区的相关规定。如果你需要适用于印刷尺寸的文件,专用的 AI 图像放大工具可以进一步提升其 2K 输出。
使用 Midjourney 还需要 Discord 吗?
不需要。你可以完全通过 Midjourney 网站创建、编辑、整理和制作图像动画。如果你更喜欢使用 Discord,它仍然可用;而且 Midjourney 的支持服务和社区仍主要设在 Discord 上。
Midjourney 的图像生成效果比 ChatGPT 好吗?
这取决于具体用途。Midjourney 通常生成风格化程度更高的图像,而 ChatGPT Images 2.0 更擅长制作包含大量文字的设计,以及根据文字描述进行编辑。不过,在我的测试中,Midjourney V8.2 在四张图像中都正确拼写了一个简短的产品标签。












