任务 13、MidJourney种子激发极致创作,绘制震撼连贯画作

13.1 任务概述

通过本次实验任务,学员将深入了解Midjourney种子的概念和重要性,以及种子对生成图像的影响。他们将学会在Midjourney平台中设置种子值并调整其参数,以达到所需的效果。此外,任务还详细介绍了Midjourney V4.0版本中保持图像一致性的特性、参数和技巧,帮助学员在创作过程中实现稳定的结果。最后,任务引入了Midjourney V5.0版本,向学员展示了新功能和改进,以及如何运用迁移学习和图像建模等先进技术来提升生成图像的质量和稳定性。不论您的绘画经验水平如何,本任务都将为您提供实战知识和技能,帮助您理解种子的运用,应对版本变化,并以实际操作提升创作能力。

任务实战案例:

  • 案例-01:可爱的穿着汉服的小白兔(Ai 绘画作品)
  • 案例-02:海滩上的男孩和机器人(Ai 绘画作品)
  • 案例-03:穿着汉服的小姐姐(Ai绘画作品)
黑头发汉服小姐姐 金黄头发汉服小姐姐
旗袍黑色头发小姐姐 连衣裙黑头发小姐姐

13.2 任务目标

① 实战理解Midjourney种子的概念和重要性。

② 在实际操作中学会如何在MidJourney中使用种子值。

③ 通过实践掌握如何在MidJourney V4.0中保持图像的一致性。

④ 通过实际案例学习如何在MidJourney V5.0中保持图像的一致性。

13.3 任务步骤

step 01、什么是Midjourney种子?为会么它很重要?

很多使用Midjourney的初学者都希望他们的提示能够产生一致的结果。然而,Midjourney默认的随机性水平可能会导致生成的图像过于复杂,添加了过多的细节内容,这使得控制最终结果变得更加困难。

Midjourney中的种子(seed)就是用来试图解决这一问题的,目的是利用Midjourney如何轻松创建一致的AI图像。

如:假设您向 Midjourney 提供以下提示:

复制代码
a cute girl --v 4

一个可爱的小女孩

出图:

第一组图像 第二组图像

结果是一张令人印象深刻的可爱的小女孩子的各种图像。

但是,如果您再次运行相同的提示,您会注意到生成的图像描绘了一只完全不同的画面和场景。

这种不一致可以归因于 Midjourney 在生成图像时使用的随机元素。

Midjourney 图像生成过程的核心是种子值。

-- Seed 值是一个数字,用于在过程中引入随机但一致的噪声元素。Midjourney 为每个生成过程选择一个随机种子值,该值定义了用于生成所需图像的噪声模式类型。

  • 除了确保结果的随机性之外,种子值本身没有特别的意义。seed值大或小,实际数字并不意味着什么。将它们视为特定风格或主题结果的书签;我们使用数字是因为它们很方便而且数量很多。

  • seed是用于初始化图像的数字。如果您不指定seed,Midjourney 会为您随机生成一个。每个图像(以及每个 4 象限图像集)都有一个seed。

  • 因此,如果您希望在多次迭代中保持一致性,那么指定种子值至关重要。

  • 通过这样做,您可以利用 Midjourney 的全部潜力来制作看起来不错并且具有您想要的统一级别的项目。

注意:Midjourney 不会对相同的seed产生相同的结果,它只会产生相似的结果。如果您正在寻找一种方法来使用给定的提示和给定的seed生成完全相同的图像,

step 02、如何在MidJourney中使用种子值?

1)选择合适的种子值

首先,需要选择一个--seed值。种子值是 0 到 4,294,967,295 之间的整数。在此范围内选择一个数字作为种子值。

如果需要查找特定工作的种子编号或刚刚在 Midjourney Discord 中创建的图像,可以通过使用信封表情符号对工作做出反应来实现。

您选择的具体数字不会影响生成图像的质量,但可以确保在使用相同提示时输出的一致性。

示例:

提示词:

复制代码
A cute little rabbit wearing traditional Chinese clothing, holding a flower, 4K resolution, intricate details, cinematic feel, realistic, detailed, Octane rendering, beautifully blurred background like an epic shot in a persistent film, captured on Kodak film, 8K. --v 4 --ar 10:16 --seed 12345

一只可爱的小兔子穿着汉服,拿着一朵花,4K,复杂的细节,Cinema,现实,细节,Octane 渲染,坚忍的电影 4k 史诗般的详细背景虚化,在柯达上拍摄的照片,8K。

注意:上述是直接用 seed参数指定了这个图片的seed值。这个值的大小和具体值没有任何意义,仅仅是做为图像的一个标志,如果不给出的话,系统会默认生成一个(可以通过发送信封表情查看)。

出图:

折分出第二张图片:

也可以通过信封 表情查看这张图的种子(seed)值。

Discord会给出如下弹窗提示:

点击,可以查看该图像的 seed 种子值:

点击上述的 Jump to message 跳转到原图。

2)将种子参数合并到你的提示中

选择种子值或通过信封获得值后,您需要将其包含在 Midjourney 提示中,这将为您提供一致的图像。

提示词:

复制代码
A lovely little bunny wearing traditional Chinese clothing, holding a carrot, 4K resolution, intricate details, cinematic style, realistic, detailed, Octane rendering, persistent film-like epic background blur, captured on Kodak film, 8K. --seed 12345 --v 4 --ar 10:16 

一只可爱的小兔子穿着汉服,拿着一根胡萝卜,4K,复杂的细节,Cinema,现实,细节,Octane 渲染,坚忍的电影 4k 史诗般的详细背景虚化,在柯达上拍摄的照片,8K。

出图:

拆分出第三张:

再生成一波:

提示词:

复制代码
A cute little rabbit wearing traditional Chinese clothing, carrying a warm and cozy night light. --seed 12345 --v 4 --ar 10:16 

一只可爱的小兔子穿着汉服,提着一盏温䁔的小夜灯.

出图:

拆分出第二张:

从上面的测试可以看出,几张图还是比较相似的,产生了一定的连贯性。

第一次出图 第二次出图 第三次出图

注意:

  • 种子值可以在各种 Midjourney 模型版本中产生不同的结果。使用模型版本 1、2、3、test 和 testp 时,相同的种子值将生成具有相似构图、颜色和细节的图像。

  • 然而,当使用模型版本 4、5 和 niji 时,使用相同的种子值将生成几乎相同的图像。

step 03、如何在MidJourney V4.0 保持图像的一致性

1)实战MidJourney V4中的种子:修改纵横比

在这里,我们使用相同的提示和相同的seed,但纵横比不同。查看相应象限之间的相似之处:

1)横向纵横比

提示词:

复制代码
light watercolor, girl and robot on beachwhite background,few details,dreamyStudio Ghibli --v 4 --seed 1001

轻柔水彩,海滩上的女孩和机器人,白色背景,细节简单,如梦幻般的感觉,吉卜力工作室.

出图:

使用相同的--seed出图,但更改纵横比(1:1 ---> 3:2):

提示词:

复制代码
light watercolor, girl and robot on beachwhite background,few details,dreamyStudio Ghibli --seed 1001 --v 4 --ar 3:2

出图:

可以关注上述两组图像之间对应象限图像之间的相似之处。

2)纵向纵横比

再次修改纵向纵横比。再次注意相应象限之间的相似之处:

提示词:

复制代码
light watercolor, girl and robot on beachwhite background,few details,dreamyStudio Ghibli --seed 1001 --v 4 --ar 2:3

出图:

2)实战MidJourney V4中的种子:风格化命令

使用[stylize 命令。差异是存在的,但结合 --seed ,让它们的差异变得非常小。

提示词:

复制代码
light watercolor, girl and robot on beach, white background, few details, dreamy Studio Ghibli --seed 1001  --v 4 --s 1000

出图:

3)实战MidJourney V4中的种子:修改提示

如果修改提示,会在生成中引入新变量。修改提示的幅度越大,引入的随机性就越大。让我们看看更小和更大提示修改的结果:

提示词:

复制代码
light watercolor, girl and pink robot on beach, white background, few details, dreamy Studio Ghibli  --seed 1001 --v 4

轻柔水彩,海滩上的女孩和粉色机器人,白色背景,细节简约,如梦般的感觉,吉卜力工作室。

出图:

4)实战MidJourney V4中的种子:交换主题

构图和颜色保持不变,对主题进行了更大的修改,但整体风格仍保持不变:

提示词:

复制代码
light watercolor, boy and robot on beach, white background, few details, dreamy Studio Ghibli --seed 1001 --v 4

轻柔水彩,海滩上的男孩子和机器人,白色背景,细节简约,如梦般的感觉,吉卜力工作室。

出图:

提示词:

复制代码
light watercolor, girl and gundam on beach, white background, few details, dreamy Studio Ghibli --seed 1001 --v 4

轻柔水彩,海滩上的女孩和高达机器人,白色背景,细节简约,如梦般的感觉,吉卜力工作室。

出图:

5)实战MidJourney V4中的种子:新环境

这绝对是一个更大的变化。上一代看起来与第一代截然不同:

提示词:

复制代码
light watercolor, girl and robot on lake shore, white background, few details, dreamy Studio Ghibli --seed 1001 --v 4

轻盈的水彩画,女孩和机器人在湖岸边,白色背景,细节简洁,如梦幻般的感觉,吉卜力工作室。

出图:

提示词:

复制代码
light watercolor, girl and robot on lunar surface, white background, few details, dreamy Studio Ghibli  --seed 1001 --v 4

轻柔的水彩画,女孩和机器人在月球表面上,白色背景,细节简约,如梦般的感觉,吉卜力工作室。

出图:

6)实战MidJourney V4中的种子:改变艺术风格

这是一个更为剧烈的变化。尽管如此,加入seed参数,仍然可以看到保留了哪些元素:

提示词:

复制代码
light watercolor, girl and robot on beach, white background, few details, dreamy by John Singer Sargent --seed 1001 --v 4

轻柔的水彩画,女孩和机器人在月球表面上,白色背景,细节简约,如梦般的感觉,约翰·辛格·萨金特的风格

出图:

7)实战MidJourney V4中的种子:改变媒介

另一个有趣的是比如我们喜欢水粉风格。可以看到它对 Midjourney 生成主题的方式也有影响:

提示词:

复制代码
gouache, girl and robot on beach, white background, few details, dreamy Studio Ghibli --seed 1001 --v 4

水粉画,海滩上的女孩和机器人,白色背景,细节简约,如梦幻般的感觉,吉卜力工作室。

出图:

step 04、如何在MidJourney V5.0 中保持图像的一致性

1)V5中seed用法

我们在用 MidJourney 画图时,AI根据我们输入的关键词生成图片,每次生成的图片,可控性不高,我们想画一个人物,同样的提示词,每次生成的图片差异很大,人物的长相都不一样。如果我们想建立同一个人物角色,怎么做呢?

比如:同一个人物,换不同的衣服、发型、背景、颜色、表情等等。在MidJourney中实现这种需求可以有多种方法,在本次任务中我们将主要采用seed值来实现。

再次强调:

  • seed值是Midjourney生成图片的起始值,如果在提示词中不指定seed值,每个图片的起始值都是随机的,所以每次出图会产生随机的结果

  • 我们可以为图片指定seed值,使用了相同seed值的图片,就会产生相似的结果

  • seed值只对V4、V5、Niji版本生效

但seed值在 Midjourney V4和V5版本中的使用时还略有不同,前面讲了V4中如何使用seed值,接下来介绍如何在V5中使用seed值来创建一致性的图片。

首先,纠正 V5 中使用 seed值的两种错误用法:

  • 错误用法一:

使用U直接生成图片,然后希望通过对升级后的图片通过 Emoji Reactions(信封表情) 获取 seed值。

原因:MidJourney 在升级到 V5 版本后已不支持直接对 Upscale 后的图片进行 seed 值获取了

  • 错误用法二:

直接基于生成的四张网格图(简称:四宫格图)通过 Emoji Reactions(信封表情) 获取 seed 值。

原因:MidJourney 在四宫格图片混合的风格信息较多,差异较大,直接使用四宫格的 seed值,大概率会出来一批仍然不符合要求的图片

正确用法:

用V对图像进行变体,获取生成变体四宫图的seed值,这个才是我们需要的。

2)黑头发汉服小姐姐

提示词:

复制代码
A cute Chinese girl wearing Hanfu with big eyes and black hair --v 5.2 --ar 2:3

一个穿汉服的大眼睛黑色头发的可爱的中国小姐姐

出图:

假设接下来,我想针对第二张图生成系列的相似图的话,则应该选择第二张图来进行变体:

接下来,获取上述四宫格图的 seed :

点击弹窗:

复制下上述的 seed 值:1104398846 , 然后再点击 Jump to message 跳转到原图:

3)金黄色头发汉服小姐姐

再来生成一张金黄色头的女孩图像:

提示词:

先不用 seed 值做一个测试,后面进行对比

复制代码
A cute Chinese girl wearing Hanfu with big eyes and Golden yellow hair --v 5.2 --ar 2:3

一个穿汉服的大眼睛金黄色头发的可爱的中国小姐姐

出图:

再来一张,使用 --seed 1104398846 出的图:

提示词:

复制代码
A cute Chinese girl wearing Hanfu with big eyes and Golden yellow hair --seed 1104398846 --v 5.2 --ar 2:3

出图:

比较一下使用seed出图和没有使用的区别:

原图 没使用seed 使用seed

整体来说,差别不是很大,相对来说,seed要略相似一些!

4)黑头发旗袍小姐姐

再出一张,这次更改为穿旗袍的小姐姐:

提示词:

复制代码
A cute Chinese girl wearing a cheongsam, with big eyes and black hair  --seed 1104398846 --v 5.2 --ar 2:3

一个穿旗袍的大眼睛黑色头发的可爱的中国小姐姐

出图:

5)黑头发连衣裙小姐姐

再出一张,这次更改为连衣裙的小姐姐:

提示词:

复制代码
A cute Chinese girl with a halter dress, big eyes, and black hair --seed 1104398846 --v 5.2 --ar 2:3

一个穿连衣裙的大眼睛黑色头发的可爱的中国小姐姐

出图:

最终系列作品比较:

黑头发汉服小姐姐 金黄头发汉服小姐姐
旗袍黑色头发小姐姐 连衣裙黑头发小姐姐
相关推荐
Light603 分钟前
低代码牵手 AI 接口:开启智能化开发新征程
人工智能·python·深度学习·低代码·链表·线性回归
墨绿色的摆渡人4 分钟前
用 Python 从零开始创建神经网络(六):优化(Optimization)介绍
人工智能·python·深度学习·神经网络
春末的南方城市15 分钟前
开源音乐分离器Audio Decomposition:可实现盲源音频分离,无需外部乐器分离库,从头开始制作。将音乐转换为五线谱的程序
人工智能·计算机视觉·aigc·音视频
矢量赛奇36 分钟前
比ChatGPT更酷的AI工具
人工智能·ai·ai写作·视频
KuaFuAI1 小时前
微软推出的AI无代码编程微应用平台GitHub Spark和国产AI原生无代码工具CodeFlying比到底咋样?
人工智能·github·aigc·ai编程·codeflying·github spark·自然语言开发软件
Make_magic1 小时前
Git学习教程(更新中)
大数据·人工智能·git·elasticsearch·计算机视觉
shelly聊AI1 小时前
语音识别原理:AI 是如何听懂人类声音的
人工智能·语音识别
源于花海1 小时前
论文学习(四) | 基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
论文阅读·人工智能·学习·论文笔记
雷龙发展:Leah1 小时前
离线语音识别自定义功能怎么用?
人工智能·音频·语音识别·信号处理·模块测试
4v1d1 小时前
边缘计算的学习
人工智能·学习·边缘计算