AI 绘画神器 Midjourney 基础使用手册

news2024/9/21 14:36:27
一、前提条件

需要魔法:

  1. 新用户可免费创作 25 张图片,超过需要办会员
  2. 版权问题:会员生成的图片版权归创作者所有
二、注册/链接 服务器

温馨提示:下方多图预警

1. 注册、创建服务器

① 打开Midjourney官网,右下角选择"Join the Beta"按钮,页面会跳转到"Discord"服务器

图片

图片


页面如果显示邀请无效无需理会,直接点击"继续使用 Discord"按钮即可

② 跳转到登录页面,点击左下角的注册按钮,依次完成注册及验证

图片

图片


国内邮箱也可以

图片


③ 验证完成后会跳转到Discord首页,并让我们建立属于自己的Discord服务器;依次选择:亲自创建——仅供我和我的朋友使用——输入服务器名称——点击创建

图片

图片

图片

图片


如果跳过了创建,之后可以在侧边栏里点击加号进行个人服务器创建

④ 创建完个人服务器后,要到之前留的邮箱里进行验证;验证完成后会跳转到成功页面,点击"继续使用Discord"按钮即可

图片


2.下载客户端

进入 Discord 默认对话页面,点击左侧导航栏的下载按钮下载客户端

图片

图片


3. 链接服务器

① 打开软件进行登录,在默认对话页面,点击顶部的"寻找或开始新的对话"输入框,搜索"Midjourney Bot"

图片

图片


② 打开与Midjourney Bot的对话:点击顶部的名称,在弹窗里选择"添加至服务器";

图片

图片


③ 选择个人的服务器点击继续;

图片


④ 最后点击授权并验证,这样个人服务器就和Midjourney连接上了,之后可以输入指令进行创作

图片

图片

图片

三、基础操作

1. 指令关键词

常用指令为"/imagine",在对话框中输入此指令加空格,在 prompt 后输入关键词(如:a cat)点击回车,系统就会生成对应的插画

图片

图片


首次使用会出现此消息,点击"Accept ToS"按钮即可

图片


根据我们输入的关键词生成的插图

2. 图片推送

系统会生成四张图片,下面的 U1、U2、U3、U4 代表了显示的四张图;点击其中一个按钮,系统就会发给用户对应的图片

图片


3. 质量升级

点击图片下面的"Light Upscale Redo"或"Beta Upscale Redo"两个按钮,会推给我们这张图的大尺寸精细化版本

图片


4. 样式变更

V1、V2、V3、V4 同样对应了四张图片,点击其中一个按钮系统会推给我们四张对应图片的细节调整版

图片


5. 后缀加持

对话框中不仅可以输入关键词,还可以输入后缀来调整图片质量;比如--ar 16:9,代表生成 16:9 尺寸的图片;--q 5 代表输出高质量的图片(图片质量从 q 1 到 q 5)

图片


6. 追加描述

通过更多的描述语句来优化图片;可以按照主题内容、环境背景、构图镜头、参考方向、图像设定的顺序方式输入关键词来进行优化

例如:A cat is lying on the table,Black fur,Blue eyes,White background --ar 4:3 --q 5(一只趴在桌子上的猫,黑色的毛发,蓝色的眼睛,白色背景,4:3 比例图片,图片质量 5)

图片


7. 混合指令

在对话框中输入/blend 指令,就可以同时上传两张图,并将两张图融合成一张;以下图片是用机器人和橘猫融合的

图片

图片

图片


8. 以图绘图

通过垫图加关键词的方式绘制新图片;

① 点击对话框左边+号上传一张参考图,点击回车发送

② 右键图片选择复制链接

图片


③ 输入/imagine指令,粘贴刚才的图片链接,后面加上描述语句关键词,发送即可

例:A background image with glass texture elements, translucent, light blue background, Center the composition, Ultrawide shot, 3d rendering, very clean --ar 16:9 --q 5

(一张带有玻璃质感元素的背景图,浅蓝色背景,居中构图,超广角镜头,3D 渲染,干净,16:9 尺寸,画质为 5)

图片


④ 选出一张图片,通过"样式变更"得到这张图的更多变体,这里选择了V4

图片


⑤ 选择了U4,并选择输出高质量;点击图片选择"在浏览器中打开",另存为即可

图片

图片


1. 作品查看/存放

点击 Midjourney 服务器,可以在房间里找到其他人的作品;自己创作的作品可以进入 Midjourney 官网,点击"Sign in"进入查看

图片

图片

图片


2. 升级会员

个人页面点击 Manage Sub 进入查看会员套餐,有按年和按月两种方式,不同价位有不同的套餐,购买最低档即可满足日常使用;需要信用卡支付。

图片


开通会员后,默认为每月扣费;如果想要取消:

① 可以在对话框中输入/subscribe回车;

图片


② 在弹出的信息中点击“open subscription page”按钮,跳转到付款页面;

图片


③ 选择“manager”;

图片


④ 再选择“cancel plan”,点击确认即可。

四、总结

经过一系列测试,Midjourney 现在已经可以很好地辅助我们快速出图;在一些重复性较强,重要性不高的位置可以很好的胜任,替我们极大地解决效率问题,但是说完全替代设计师或者画手目前来说还为时尚早;

通过反复摸索测试关键词,我们可以用它来搭建一系列图片素材库,日常工作中会非常有帮助;同时,生成的图片还可以给我们提供灵感,相辅相成。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2072243.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

机器学习入门指南:如何构建智能预测模型

【机器学习】:入门从零开始的指南 随着人工智能的快速发展,机器学习(Machine Learning)已经成为技术领域的热点话题。无论是推荐系统、语音识别、自动驾驶汽车,还是自然语言处理,机器学习的应用随处可见。…

minio文件存储

文章目录 参考安装与部署springboot整合miniopom.xmlapplication.ymlMinioPropertiesMinioConfigMinioApp测试基本功能bucket是否存在创建bucket修改bucket的访问权限查询所有的bucket删除指定的bucket上传文件到minio查看对象的描述信息获取文件的预签名访问地址后台获取minio…

第二课《动态规划》

1.1.1 线性dp 2.1.1 区间dp 3.1.1 背包dp 动态规划理论 动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中, 可能会有很多可行解。没一个解都对应于一个值,我们希望找到具有最优值的解。胎动规划算法与分治法类似,其基本思想…

数据丢失不再怕!2024年高效硬盘恢复软件精选

硬盘数据丢失或文件损坏等问题,这不仅会影响我们的日常工作与生活,还可能造成无法挽回的损失。随着技术的发展,市场上涌现出了众多硬盘数据恢复软件。本文将为您介绍几款主流且高效的硬盘文件修复工具,希望能为您在数据遭遇不测时…

《深入浅出WPF》读书笔记.6binding系统(下)

《深入浅出WPF》读书笔记.6binding系统(下) 背景 主要讲数据校验和数据转换以及multibinding 代码 binding的数据校验 <Window x:Class"BindingSysDemo.ValidationRulesDemo"xmlns"http://schemas.microsoft.com/winfx/2006/xaml/presentation"xmln…

innodb_buffer_pool_size在线缩小操作

一、背景 测试数据库内存32G&#xff0c;只有MySQL数据库&#xff0c;但是innodb_buffer_pool_size设置了24G&#xff0c;导致经常出现lack of memory问题、lack of swap问题。 因为使用了MySQL5.7.36版本&#xff0c;利用innodb_buffer_pool_size参数值可在线调整的新特性&…

这个TOP 100 AI应用榜单,包含了所有你需要的使用场景(一)

大家好&#xff0c;我是木易&#xff0c;一个持续关注AI领域的互联网技术产品经理&#xff0c;国内Top2本科&#xff0c;美国Top10 CS研究生&#xff0c;MBA。我坚信AI是普通人变强的“外挂”&#xff0c;专注于分享AI全维度知识&#xff0c;包括但不限于AI科普&#xff0c;AI工…

【源码+文档+调试讲解】劳务外包管理系统的设计与实现

摘 要 互联网发展至今&#xff0c;无论是其理论还是技术都已经成熟&#xff0c;而且它广泛参与在社会中的方方面面。它让信息都可以通过网络传播&#xff0c;搭配信息管理工具可以很好地为人们提供服务。针对劳务外包信息管理混乱&#xff0c;出错率高&#xff0c;信息安全性差…

微分方程(Blanchard Differential Equations 4th)中文版Section3.7

迹-行列式平面上平面系统分析 在前面的章节中,我们遇到了许多不同类型的线性微分方程系统。到目前为止,可能会觉得这些系统有很多不同的可能性,每种都有其独特的特征。为了将这些例子放在整体视角下进行回顾,创建一个表格是一个有用的方法。 总结我们到目前为止所做的工作…

基于SHAP进行特征选择和贡献度计算——可解释性机器学习

方法介绍 SHAP&#xff08;SHapley Additive exPlanations&#xff09;是一个 Python 包&#xff0c;旨在解释任何机器学习模型的输出。SHAP 的名称源自合作博弈论中的 Shapley 值&#xff0c;它构建了一个加性的解释模型&#xff0c;将所有特征视为“贡献者”。对于每个预测样…

深入探讨量子计算领域的最新进展及其对社会经济的影响

一、引言 在21世纪的科技浪潮中&#xff0c;量子计算作为一项颠覆性技术&#xff0c;正逐步从理论走向实践&#xff0c;成为各国竞相争夺的科技制高点。量子计算利用量子力学原理&#xff0c;实现了对传统计算模式的根本性变革&#xff0c;其强大的并行处理能力和指数级增长的…

如何正确使用 Parallels Desktop 的快照功能

在 Parallels Desktop for Mac 中&#xff0c;快照&#xff08;Snapshot&#xff09;功能非常实用&#xff0c;特别是当你需要在不同的状态之间自由切换&#xff0c;或是想要在实验或测试前备份虚拟机状态时。以下是使用快照功能的详细步骤和注意事项&#xff1a; 注意 在 Ap…

基于x86_64系统构建并运行aarch64架构docker镜像

基于x86_64系统构建并运行aarch64架构docker镜像 1.安装qemu模拟器2.编写Dockerfile3.查看镜像架构4.启动容器 1.安装qemu模拟器 docker run --privileged --rm tonistiigi/binfmt --install all如果出现invalid argument等信息&#xff0c;表示qemu安装失败。可能是内核版本问…

python读取csv,中文输出乱码的解决方案

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…

基于51单片机的百叶窗proteus仿真

地址&#xff1a;https://pan.baidu.com/s/19M6jeTIHJcyDBGNx4H9nTA 提取码&#xff1a;1234 仿真图&#xff1a; 芯片/模块的特点&#xff1a; AT89C52/AT89C51简介&#xff1a; AT89C52/AT89C51是一款经典的8位单片机&#xff0c;是意法半导体&#xff08;STMicroelectron…

从最浅层剖析C语言——第四节(超详细讲解一维数组内容)

目录 1. 数组的概念 2. 一维数组的创建及其初始化 2.1 数组的创建 2.2 数组的初始化 考点总结&#xff1a;当我们未对数组进行初始化时&#xff0c;数组里面的元素打印出来是乱码&#xff0c;但哪怕只对数组里面一个元素赋值&#xff0c;之后未被赋值的元素也会默认赋值为…

Dijkstra(c++)

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的&#xff0c;因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法&#xff0c;解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始&#xff0c;采用贪心算法的策略&#…

《晶核》服务器架构——第二篇

继上面的第一篇文章&#xff0c;没看的可以翻一下。还是进程数量多的问题&#xff1f; 副本问题怎么解决&#xff1f;服务器该如何设计&#xff1f; 按照他们这个做法是副本与场景都是地图&#xff0c;所以就造成了下面这样的问题。假如&#xff0c;我有1万人的在线数量&…

从源码开始:在线教育系统与网校APP的架构设计与开发实践

这篇文章将从源码层面探讨在线教育系统与网校APP的架构设计与开发实践&#xff0c;帮助开发者理解核心技术与实现路径&#xff0c;进而打造功能全面、性能优异的在线教育平台。 一、在线教育系统的核心功能模块 在设计在线教育系统时&#xff0c;首先需要明确其核心功能模块。…

PCL区域生长分割

文章目录 一、算法原理1、输入2、初始化3、算法二、代码部分三、代码解释参考文献本文,我们将学习如何使用 pcl::RegionGrowing 类中实现的区域生长算法。该算法的目的是合并在平滑度约束方面足够接近的点。因此,该算法的输出是簇的集合,其中每个簇被认为是同一光滑表面的一…