Midjourney

定义

Midjourney是一款人工智能文本生成图像工具，用户用自然语言描述想要的画面，系统据此输出对应图像。它由同名研究实验室开发，该实验室设在美国加州旧金山，由Leap Motion创始人大卫·霍尔茨负责主持。^[1]与其他一些同期产品不同，它长期只通过聊天平台上的机器人提供服务，使用者以斜杠开头的指令调用，付费订阅是其主要的运营方式。^[2]

输入一段文字提示后，该工具通常一次给出四张备选图，使用者还可以对结果进行放大、生成变体或局部修改。^[2]提示词中可以写明画家风格、镜头语言或摄影术语，也可以用参数设定画幅比例、风格强度与所用模型版本。^[3]

原理

Midjourney的技术基础属于扩散模型一类。这类模型在训练阶段向图像逐级叠加噪声，同时学习如何从含噪状态还原画面；生成阶段则从随机噪声出发，在文本条件的约束下反复去除噪声，最终得到与描述相符的图像。^[4]

文字与图像之间的对应关系主要依靠类似CLIP的模型来建立，提示词先被编码成语义向量，再作为条件信息参与去噪过程。有研究指出，Midjourney把CLIP与VQGAN结合使用，从图像的潜在向量中生成画面。^[5]

实际使用中，用户以斜杠指令或网页输入框提交提示词，并附加各类参数，例如用--ar控制比例、--v指定模型版本、--style调整风格化程度，--sref与--cref分别用于借鉴参考风格和保持角色一致。^[3]网页版进一步提供下拉选项，可设定风格化强度、结果变异程度与生成速度等。^[3]

发展历程

Midjourney最早以测试版本的形式出现，2022年2月推出V1，同年4月发布V2，7月25日发布V3；2022年7月12日进入公开测试阶段。^[1]2022年11月5日开放V4的alpha版本，2023年3月15日开放V5的alpha版本，其后陆续更新V5.1与V5.2。^[1]

2022年8月，由贾森·艾伦使用Midjourney创作的《太空歌剧院》在美国科罗拉多州博览会的数字艺术类比赛中获得一等奖，AI绘画由此成为公共话题。^[6]2023年4月，Midjourney入选《福布斯》当年的AI 50榜单。^[2]

2023年5月，Midjourney官方中文版开启内测，搭载于QQ频道，用户输入“/想象”加生成指令即可调用机器人作画。^[7]2023年12月21日发布V6的alpha版本，2024年7月31日发布V6.1。^[1]2024年8月末，公司宣布进入硬件领域，并在旧金山组建新团队。^[2]

2025年，其模型迭代至V7，渲染速度较此前版本提升约40%。^[8]同年6月，迪士尼与环球影业以版权侵权为由对其提起诉讼。^[9]

应用

Midjourney生成的图像被用于插画、广告设计、电商素材和概念设计等场景，也常见于海报与产品图的制作。^[8]其生成的画面还曾出现在杂志封面上。^[2]

设计师、游戏原画师和内容创作者把它作为日常生产工具，用于快速产出视觉草稿并反复迭代。除文字生成图像外，它还支持以图为输入的生成、多图融合与局部编辑，并能将静态图片转为数秒短片。^[10]

在出版与教育领域，出现了一批以Midjourney为对象的教材与操作指南，面向零基础读者的入门读物是其中主要类型。^[11]

局限

Midjourney对中文提示词的支持有限，使用者往往需要先将其转写为英文；人物较多的场景容易出现构图错误，想要精准控制画面则要熟悉参数语法。^[8]

训练数据的来源引发持续争议。2023年1月，数位艺术家在加州对Midjourney、Stability AI等公司提起集体诉讼，指其未经许可使用受版权保护的作品训练模型；同年10月，法院驳回了其中多数指控，原因包括部分原告作品未在美国版权局登记，以及缺乏直接侵权的证据。^[12]此后，案件就版权侵权的部分继续审理。^[13]

2025年6月，迪士尼与环球影业起诉Midjourney，指其能生成与旗下影视角色高度相似的图像；^[9]同年9月，华纳兄弟探索公司也对其提起诉讼。^[2]另一方面，完全由人工智能生成的图像在美国难以获得版权登记，《太空歌剧院》作者的登记申请被美国版权局驳回，相关上诉仍在进行。^[6]

在内容审核方面，有资料指出该工具对色情、血腥与暴力题材的过滤不够精准。^[2]

参见

• 扩散模型 —— Midjourney 所依赖的图像生成技术基础。

• Stable Diffusion —— 与 Midjourney 同期出现的开源文生图模型。

• DALL·E —— OpenAI 推出的文本生成图像模型。

• Discord —— Midjourney 早期提供服务的即时通讯平台。

• 提示词 —— 引导图像生成的自然语言描述。

• AIGC —— 涵盖图像生成在内的内容生成技术范畴。