博文
Midjourney 能识图了，这是个好事儿吗？
|
我有个坏消息，还有个好消息，你想先听哪个？
进化
前些日子，有人发了这样一张图，揶揄现在的 AI 检测器。说是「魔法战胜了魔法」。
这张图，是用 AI 生成的。但是 AI 检测器显然没有发现。在它看来，这张图片「天然成分」有93%；人工智能生成的可能性，只有7%。
这是个错误的判断，但是我们也不要因此嘲笑 AI 。毕竟你第一眼看到这张图片时，真的能分辨出这是 AI 画出来的吗？
当然了，要控制 AI 绘图结果，还是有一定门槛的。要不然也不会有 prompt （提示语）交易市场 的存在。
一个好的提示语可以卖出很多份，每份也够一顿午餐的钱。所以，这个职业，确实也给不少人提供了赚钱的机会。
然而，就在今天，情况陡然发生了变化。Midjourney 又一次进化，支持了一个新的功能，叫做 /describe 。
这个新功能一经发布，一石激起千层浪。AI 绘画领域的爱好者们立即展开了尝试，随后就是声浪巨大的讨论。
这功能是干啥用的？
简单来说，你给 Midjourney 一幅画，它立即把对应的 prompt 给你写出来。这样一来，你可以用 prompt 绘制类似的图片，或者依照自己的意思，对图片中的元素进行微调。
常言道「光说不练假把式」，我这就给你做个测试。
尝试
我从网上搜来了一张爱因斯坦的照片，不是很清晰。
（图片来源：网址）
然后我就把这张照片丢进了 Midjourney 的 /describe 功能界面。
很快，Midjourney 的 prompt 就生成完毕了。有 4 个备选方案。
提示语列表是这样的：
the scientist albert einstein in front of a blackboard, in the style of victorian-era clothing, associated press photo, automatism, youthful energy, light green and light brown, black and white mastery, tesseract --ar 3:4 （阿尔伯特·爱因斯坦科学家站在黑板前，穿着维多利亚时代的服装，与自动主义、青春活力、浅绿色和浅棕色、黑白精通以及四维超立方体相关。这是一张美联社的照片，画面比例为3:4。）
the albert einstein lecture, circa 1927, in the style of portraitist extraordinaire, tesseract, barbizon school, lighthearted, dignified poses, light green and light black, distinctive noses --ar 3:4 （阿尔伯特·爱因斯坦的演讲，大约在1927年，以肖像画家特瑟拉克、巴比松学派、轻松庄重的姿势、浅绿色和淡黑色为风格，鼻子突出--AR 3:4。）
a black and white photo of albert einstein, in the style of light green and brown, witchy academia, barbizon school, untrained, untrained, dark indigo and yellow, emile claus --ar 3:4 （一张阿尔伯特·爱因斯坦的黑白照片，风格为浅绿色和棕色的巫术学院、巴比松派、未受过训练的暗靛蓝和黄色，埃米尔·克劳斯--ar 3:4。）
the albert einstein collection, in the style of creative commons attribution, frances macdonald, youthful energy, neo-academism, associated press photo, chalk, american barbizon school --ar 3:4 （阿尔伯特·爱因斯坦收藏，采用创意共享署名风格，弗朗西丝·麦克唐纳，青春活力，新学院主义，美联社照片，粉笔画，美国巴比松学派--ar 3:4）
我想你已经猜到了，上面提示语里的中文，也是 ChatGPT 翻译出来的。
看看这些详细到琐碎风格描述，如果没有 Midjourney 的描述，我这个艺术门外汉不可能会形容的。
上面图片下方有 4 个选项，分别对应不同的提示语。
咱们先试试第一个好了。这是绘制的结果：
虽然跟原作比起来有不小的差异，但是爱因斯坦的辨识度没问题，对吧？而且你看下面的大图，照片也清晰多了。
这是第二组，辨识度依然非常高。只是背景被消除了。
下面是第三组，场景更换了。
我更喜欢其中的第三张，真的好像一张老照片的样子。我说不出来哪儿好，但就是觉得「顺眼」，哈哈。
下面这 4 张，就颇为「艺术」了，我没有相关知识储备，就不予置评了。
总体而言，你觉得画得如何？
我在朋友圈里看到不少人惊叹，说以后付费图库生意恐怕不会像从前那么红火了。
但是，这还只是问题的一部分。很自然就有人继续联想 —— 既然有了 prompt ，那么就有了快速微调的可能。调整图片改变意思，门槛非常低。
例如我拿出来了第一个备选 prompt ，然后恶作剧一般加上了三个单词 holding an iPhone，提示语成了这样：
the scientist albert einstein in front of a blackboard holding an iPhone, in the style of victorian-era clothing, associated press photo, automatism, youthful energy, light green and light brown, black and white mastery, tesseract --ar 3:4 --v 5（阿尔伯特・爱因斯坦科学家站在黑板前，手持 iPhone，穿着维多利亚时代的服装风格，与自动写作、青春活力、浅绿色和浅棕色、黑白掌握以及四维超立方体相联系 --AR 3:4。）
而画出来的图片，就成了这个样子：
我觉得图 1 最为自然，你觉得呢？
这还不算完，下面咱们尝试使用第二组 prompt，只不过我又加了几个词，这次我不说，你自己找：
the albert einstein lecture, holding a cat, circa 1927, in the style of portraitist extraordinaire, tesseract, barbizon school, lighthearted, dignified poses, light green and light black, distinctive noses --ar 3:4 --v 5 （阿尔伯特・爱因斯坦在 1927 年左右拿着一只猫做演讲，风格类似于画家 Tesseract 的巴比松学派作品，姿态轻松庄重，颜色为浅绿和浅黑，鼻子很有特点。--ar 3:4 --v 5）
画出来就这样了：
你喜欢其中哪一张？
有人迅速脑补了这种方案的应用场景，然后说以后照片都信不得了。随便加点儿内容，虚假信息就「有图有真相」了。
你觉得真有那么严重吗？
进一步测试
咱们不能凭空臆断，还是做个尝试吧。
拿别人举例子似有不妥，还是用我自己的照片好了。
我把自己的标准照扔了进去。
很快，Midjourney 反馈给我以下的候选 prompt 。
a young chinese businessman in a blue suit, in the style of jindrich styrsky, light beige and purple, dain yoon, photo taken with provia, portrait, huang guangjian, smilecore --ar 2:3（一位年轻的中国商人穿着蓝色西装，风格类似于金德里希·斯特尔斯基（Jindrich Styrsky），衣服颜色为浅米色和紫色，照片使用Provia拍摄，是一张肖像照片。他名叫黄光健，面容微笑。--ar 2:3）
jia hua, xsix enterprises marketing manager, in the style of white background, high quality photo, dark gray and blue, skillful lighting, human connection, grand manner, panasonic lumix s pro 50mm f/1.4 --ar 2:3（嘉华，XSIX企业市场经理，在白色背景、高质量照片、深灰和蓝色风格下，技巧娴熟的光线处理，人性化连接，大气的方式展现了松下Lumix S Pro 50mm f/1.4 --ar 2:3。）
businessman wearing a blue suit with a smile, in the style of oshare kei, photo taken with provia, portraits with soft lighting, chinese iconography, ue5, poetcore, white background --ar 2:3（穿着蓝色西装微笑的商人，风格为oshare kei，使用provia拍摄的照片，柔和的灯光下的肖像，中国图案设计元素、ue5、诗人核心主题，在白色背景下--宽高比2:3。）
david luan, thai man, shanghai office, in the style of white background, nikon d850, oleksandr bogomazov, dark white and blue, salon kei, studio portrait, 32k uhd --ar 2:3（大卫·鸾，泰国人，在上海办公室工作，以白色背景为风格，使用尼康D850相机拍摄，奥列克桑德尔·博戈马佐夫（Oleksandr Bogomazov）的黑白和蓝色调，Salon Kei（沙龙Kei）的工作室肖像照片。32K UHD--AR 2:3。）
这几条提示语，真的把我给看乐了 —— 为啥还要坚持给我起个不认识的名字啊？而且，我哪里像泰国人了？
算了，不管它，开始画就好。这是第一张的绘图过程记录。
这是绘制的结果：
小伙儿挺帅啊，可惜不像我啊！ 😂
这是第三组：
怎么看，怎么觉得第二张眼熟，好像在哪儿见过啊。
第四组：
看来，似乎 Midjourney 真的把我画成了泰国人。
你问我第二组哪儿去了？
别着急，在这儿呢：
这姑娘挺漂亮的。可是这「图片到 prompt 再到图片」的还原度，也太离谱了吧！
虽然画的人物就没有一个像我的，但是 prompt 里面似乎确实把握了「肖像照」的精髓。是吧？
那么，有没有可能利用「肖像照」的场景设定，再把人物画得更加相似一些呢？我于是又展开了进一步的尝试。
混合
这一步尝试的方法，是借用《如何用 Midjourney 绘制你自己的皮克斯风格头像？》这篇文章里给你展示过的方法，把原始图片链接加入到提示语中，并且加大原始图片的权重。
我觉得上面第三组提示语效果更符合预期，于是就用它来改造。在提示语的最前面，我加上了原始图片链接，然后加上了 --iw 1.5 参数，以提升原始图片权重。
https://media.discordapp.net/ephemeral-attachments/1092492867185950852/1092724565811146822/small.jpg?width=406&height=610 businessman wearing a blue suit with a smile, in the style of oshare kei, photo taken with provia, portraits with soft lighting, chinese iconography, ue5, poetcore, white background --ar 2:3 --iw 1.5
这是绘制的结果：
我觉得，除了不像自己以外，没啥大毛病。于是我决定继续加大原始图片权重，把上面提示语中的 --iw 1.5 替换成 --iw 2 ，这已经是最大取值了。
https://media.discordapp.net/ephemeral-attachments/1092492867185950852/1092724565811146822/small.jpg?width=406&height=610 businessman wearing a blue suit with a smile, in the style of oshare kei, photo taken with provia, portraits with soft lighting, chinese iconography, ue5, poetcore, white background --ar 2:3 --iw 2
这次绘制的结果，是这样的：
看着都挺眼熟，只是…… 不像我啊。
你觉得呢？
到这里，我会不会很失望呢？不，我稍稍放心了。
至少在近期，要想拿我这样普通人的照片加以修改，还让别人看不出来，门槛足够高。
当然，这样的阶段能维持多久？我没有任何信心。
讨论
看到这里，你可能会有个疑惑：
为什么爱因斯坦的原始照片这么不清楚，绘制出来却怎么都像；我用了自己的清晰标准照片，一个劲儿尝试增大原画权重，却怎么都画不像呢？
其实从 Midjourney 自动生成的 prompt 里面，你不难看到一些端倪。回顾一下，这是爱因斯坦的：
这是我的：
两相对比，你不难发现，爱因斯坦的名字，Midjourney 给出提示语中是自动识别的。而我呢？Midjourney 发现，这家伙是个 nobody ，随便给他起个名字好了，嘉华或者大卫・鸾叫啥都成（估计就相当于「石头」和「狗剩儿」），甚至有的条目干脆连名字都懒得起了。
这个差别看似不起眼，但是很能说明问题。因为许多图片领域的大模型，训练时都使用了一个 58.5 亿张的图片文本对应数据集，叫做 LAION-5B。
这图片数据里，什么种类都有。爱因斯坦在里面出现过，所以模型对他老人家记忆深刻，一个名字就能唤起。当然，还有很多名人，甚至是如今的体育明星，Midjourney 也都熟悉。
所以，你知道现在谁最担心 Midjourney 搞怪了吧？
反正不是嘉华或者大卫・鸾。你说是吧？
小结
这篇文章，我给你介绍了 Midjourney 新功能 —— 用图片自动生成提示语，然后绘制或微调类似图形。通过咱们演示的实验步骤，你应该已经观察到了它的能力和不足。你是不是已跃跃欲试了？
如果你能把自己的标准照用 Midjourney 绘制得惟妙惟肖，欢迎把提示语和技巧分享给大伙儿。AI 快速发展的当下，咱们一起学习进步。
如果你觉得本文有用，请点赞。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏，以便及时收到后续的更新内容。
延伸阅读
https://blog.sciencenet.cn/blog-377709-1382981.html
上一篇：如何用 Midjourney 绘制你自己的皮克斯风格头像？
下一篇：笔记本上就能跑的 LLM 好使吗？GPT4ALL 体验
