Midjourney一天，人类一年

前两天被Ai各种轰炸，先是GPT-4，后是百度“温馨义演”，还有一个重磅——Midjourney发布了V5。

上一篇《放心，Ai暂时还取代不了这类设计师》中才提到Midjourney现阶段还无法生成可用的B端微软风3D质感图标，今天发布的V5版本，反手就把我的认知吊着打。

不多说，先看图。‍

前提在于，跟上次V4喂的是完全一样的图，和提示词，来看一下V4和V5的效果对比。

没有对比没有伤害，非常直观了吧，如果说V4生成的图像还是婴儿在牙牙学语，那V5的作品已经可以中学毕业了。

根据官方给出的V5升级优化点，可以在新的作品中一一找到影子，比如材质系统整体提升了一个层次，玻璃更像玻璃、亚克力更通透、地面有菲涅尔反射；比如光影质感更真实，V4的细节明显有很多结构模糊交代不清的地方，V5的光源环境更贴近真实物理环境，几乎达到了摄影级水准；再比如语义理解，V4的元素表达不知所云，V5的主体物已经做到能让人看懂意思了，在元素的几何结构上也有明显的升级，大眼看过去没有明显的结构错误。

还有相当重要的一点，上一篇吐槽过Mj无法理解我想要的“light gray background with simple linear detail”（带有简单线条状细节的浅灰色背景）。

再看看V5的作品，地面上出现了非常精准的细节！有一些具有科技感的块面和线条，甚至局部线槽里还联想到了发光，这背后的思考量，想想都觉得可怕。

以及分辨率的提升，以上的四宫格图都是按照2048*2048px的规格生成。传闻V5模型的训练只花了5个月，这迭代速度，不服不行。

抛开这个案例，来看看别的。

目前已知V5相比V4有着以下的提升：

① 图像真实感提升，之前版本生成的结果更偏插画，V5的结果更偏照片‍‍‍‍‍‍‍‍‍

② 图像的光感提升，照明系统和光源层次更丰富

③ 局部细节的刻画优化，如人物的眼部、手部，降低形体物理结构上‍出bug的概率

④ 改进了图像提示性能，提升了语义理解精度，使其更为可靠和准确

⑤ 图像处理技术大幅优化，包括更广的风格范围和更敏捷的反应速度，更高质量的图像，以及更精细准确的细节呈现

⑥ 添加了一些实验性的新功能，包括无缝拼接 --tile参数、支持长宽比大于2:1的图像--ar参数，以及通过调整 --iw参数 来平衡图像提示和文本提示的关系

关于第1点，我们可以再看一组案例（以下组图引用自公众号：AIDEAS） 提示词：street photo in new york, medium shot, natural lighting, shot on fujifilm, detailed and realistic environment, cinematic --ar 2:‍1

先看V4的作品效果：

接着看V5的作品：

一个字，惊！

作为一个端着相机扫街多年的人，完全看不出这组图并非真实摄影。那句话怎么说来着？对，摄影学不存在了。

还有其他领域的案例，比如空间设计。

再比如，美食摄影。

相信今晚的你我难安，一部分情绪被Ai创造的审美高地牢牢地拿捏，一部分情绪陷在对未来不确定性的迷惘之中。

也许未来所有人的职业都会重新再分配，成为不同行业、不同领域的Ai训练师，或者模型开发者。总之一切向前看，保持能量不停学习，Ai目前给人类提供的还是“术”而非“道”。

“有道无术术尚可求，有术无道，止于术”。