В начале 2023 года я рассказывал о четвертой версии Midjourney, а затем — о альфа-доступе к пятой. Сейчас актуальная версия — 5.2, а недавно вышла альфа шестой.
Сохраним хронологию и посмотрим, что нового в пятой версии. Спойлер: разработчики уделили внимание не только процессу генерации, но и удобству пользователя.
Под катом рассказываю о нововведениях и различиях между релиз- и альфа-версией. Конечно, с иллюстрациями. Если формат окажется интересным, протестирую шестую Midjourney и напишу о ней в Академии Selectel. Подробности под катом!
Генерации
Хаос и странности
Запрос: woman portrait soft sunset light --seed 2131932819, --chaos 0 (слева), --chaos 100 (справа)
В версии 5.2 появилось два параметра, которые влияют на эстетическую составляющую сгенерированных изображений.
- --chaos или --c. Принимает значение от 0 до 100. По умолчанию равен 0. Чем больше значение, тем более непохожими могут быть изображения в сгенерированной сетке.
- Экспериментальный параметр --weird. Принимает значение от 0 до 3000. По умолчанию равен 0. Чем больше, тем более странной будет генерация.
Запрос: woman portrait soft sunset light --seed 2131932819 --weird 3000 (слева, справа).
Параметр weird
полностью соответствует названию не только из-за странных картинок, но и отсутствия детерминированности. Несовместимость с параметром seed
и, как следствие, генерация разных изображений по одному «зерну» заявлена в документации.
Стоимость подписки на месяц не изменилась и составляет $30. Этот тарифный план включает 15 часов генерации в приоритетном режиме и безлимит в пониженном приоритете. Параллельно можно запускать до трех генераций.
Частичная генерация
Запрос: cat --seed 1123391209 (слева, справа)
В Midjourney существенно расширили функциональность для обработки изображений после первичной генерации. Сегодня доступны такие опции:
- Vary (Strong) — генерирует новое изображение с опорой на текущее;
- Vary (Subtle) — генерирует новое изображение, схожее по композиции и стилю, но более детализированное;
- Vary (Region) — исправляет фрагменты;
- Upscale (2x) / Upscale (4x) — увеличивают ширину и высоту изображения в указанное количество раз. Исходное изображение (1024x1024) можно увеличить до 2048x2048 или 4096x4096 соответственно;
- Zoom Out (2x, 1.5x, Custom) — генерирует «рамку» вокруг исходного изображения, будто мы удаляемся назад;
- Pan (⬅️➡️⬆️⬇️) — «продлевает» изображение в указанную сторону.
Пример: изменение фона.
Ура — в списке доступна самая желаемая функция: теперь можно перерисовать отдельные фрагменты изображений. При нажатии на кнопку Vary (Region) открывается редактор, в котором можно выделить прямоугольную или произвольную область и отредактировать запрос. Правда, текущий редактор не самый удобный.
- Изображение нельзя увеличить.
- Выделение произвольной области не прощает ошибок. В случае «неровности» проще стереть и нарисовать заново.
- Выделенную область нельзя стереть, можно только отменить кнопкой Undo в верхнем левом углу.
Однако функция перерисовки уже есть — этого пока достаточно. Уверен, в будущем редактор станет более удобным. Главное, что это не единственная функция, которой может похвастаться пятая версия.
Отличия Subtle и Strong. Источник.
По умолчанию кнопки Vary (Strong) и Vary (Subtle) изменяют изображение по своему усмотрению, но через команду /settings
можно включить режим Remix. Это позволит уточнить запрос для перегенерации.
Возможно, эти тексты тоже вас заинтересуют:
→ Революция или косметические изменения? Новые поколения серверных процессоров Intel
→ Процессоры, диски, оперативка — топовое железо 2023 года
→ Как создать веб-приложение на базе Telegram Mini Apps
Видео
В четвертой версии алгоритма меня разочаровало, что отключили параметр --video
. Я даже уточнил у поддержки и получил ответ, что такой функциональности «нет и не будет». Но что-то поменялось, этот параметр вернулся и работает для всех модификаций пятой версии модели.
Кроме того, в Midjourney v5 создавать видео можно не только для первичных генераций, но и вариаций. Если изначальный запрос содержит параметр --video
, все перегенерации будут с видео.
Массовые генерации
Массовые операции — это еще одна функция, за которую хвалили Stable Diffusion. Теперь она доступна в Midjourney.
Дисклеймер: команды ниже запускают множество параллельных запросов, каждый из которых тарифицируется по отдельности.
Комбинации
Midjourney реализует синтаксис для создания комбинаций при запросе.
Что важно учитывать:
- В фигурных скобках через запятую перечисляются варианты;
- Запятая в варианте экранируется обратным слэшем;
- Вариант может быть вложенным списком вариантов;
- Если в запросе несколько списков, используется их декартово произведение;
- Варьировать можно все: ссылки на изображения, части запроса или параметры.
Например, запрос /imagine A {sculpture, painting} of a {seagull {on a pier, on a beach}, poodle {on a sofa, in a truck}}
превратится в следующие команды:
/imagine A sculpture of a seagull on a pier.
/imagine A sculpture of a seagull on a beach.
/imagine A sculpture of a poodle on a sofa.
/imagine A sculpture of a poodle in a truck.
/imagine A painting of a seagull on a pier.
/imagine A painting of a seagull on a beach.
/imagine A painting of a poodle on a sofa.
/imagine A painting of a poodle in a truck.
Если в команде будет синтаксис комбинаций, нужно будет подтвердить действия. При этом в диалоге можно посмотреть, как именно раскрылись указанные комбинации.
Тюнер стилей
Тюнер стилей (style tuner) — это необычный и дорогой инструмент для создания визуального стиля на основе опроса.
Алгоритм работы:
- Пользователь вводит команду
/tune
с желаемым запросом; - Midjourney уточняет количество стилей: 16, 32, 64 или 128 — генерация одного стиля занимает примерно 0.01 час на GPU;
- В течение двух минут будет сгенерирована ссылка на тюнер — например, такая;
- Пользователь выбирает понравившиеся стили одним из двух вариантов:
- Даны пары изображений, нужно выбрать наиболее симпатичное. Если оба изображения не нравятся, можно не выбирать;
- Даны все изображения в случайном порядке. Необходимо выбрать понравившиеся.
- Тюнер генерирует уникальный код, который можно использовать в запросах. Например, так:
/imagine cat --style wi1MSMe3ruIbeSp0L8bt6T
.
Пример тюнера в режиме «все изображения в случайном порядке».
Входные параметры для создания тюнера наталкивают на вопрос: можно ли использовать коды стилей в других запросах? Ответ: да, но это может привести к необычным результатам.
Тюнер стилей доступен только для fast-генерации, так что это дорогое удовольствие. Как можно бюджетно воспользоваться этой функциональностью?
- Используйте случайные стили. Например, параметр
--style random-X-Y
, где X — это количество стилей (16, 32, 64 или 128), а Y — это процент выбранных стилей (если не указать, то по умолчанию 75%). - Выполните команду /tune. Если кто-то уже создавал тюнер с таким же запросом, бот предложит ссылки.
- Подглядите коды стилей у других пользователей. Код стиля можно подставить в ссылку
https://tuner.midjourney.com/code/<код стиля>
. Однако этот способ не работает для кодов, которые сгенерированы случайным образом.
Тюнер стилей совместим с параметром chaos
, но не работает с параметром weird
.
Работа с текстом
img2txt
Один из интересных подходов для генерации схожих изображений — конвертация изображения в текст с последующей генерацией на основе последнего.
Арты Culpeo Fox, гном из Half-Life и Джонни Сильверхенд.
Для описания изображения в Midjourney есть команда /describe
, которая принимает на вход файл. В результате возвращает четыре варианта описания, которые можно отредактировать и отправить на генерацию.
Токенайзер
Ранее я затрагивал тему значимости определенных слов при генерации изображений. Тогда это было скорее наблюдение, а сейчас для этого есть отдельная команда — /shorten
. Она возвращает список важных токенов, которые повлияют на генерацию, а также сокращенные варианты пользовательских запросов.
Кнопка Show Details позволяет посмотреть веса токенов.
Интересное наблюдение: в запросе
portrait of beautiful woman
токенайзер считает лишним слово woman. И если запрос состоит исключительно из portrait, то Midjourney в 100% случаев сгенерирует портрет девушки.
Изменение на сайте
Сайт midjourney.com — это галерея пользовательских изображений. Раньше она решала вопрос доступа к своим генерациям лишь частично и сохраняла лишь таблицы изображений, а одиночные картинки загружались только после апскейлинга. Так что «вырезать» четвертинку все равно нужно было вручную. Сейчас эту проблему исправили: все изображения, в том числе со старых версий Midjourney, в галерее доступны раздельно.
На скриншоте выше видно интригующую заглушку. Кажется, интерфейс генерации изображений появится в веб-интерфейсе! Документация разделилась на две ветки: Current и Legacy. При этом Legacy — это новая краткая документация по моделям ранних версий, а не просто «свалка» прошлогодней документации. Что из этого получится — увидим в будущем.
Если вам интересно читать топики о программировании, Telegram, играх и других технологиях, подписывайтесь на мой канал, где периодически пишу на разные темы. А еще — делитесь мнением о пятой версии Midjourney в комментариях.
Автор: Владимир