Midjourney Magyar leírás lépésről lépésre
Midjourney Magyar leírás lépésről lépésre
Legelőször azt érdemes tisztázni mi is az a Midjourney vagy sok helyen Mid Journey.
A Midjourney vagy Mid Journey egy mesterséges intelligencia, mely az általunk elképzelt és szöveg formában bevitt paraméterek alaján képeket generál különösebb korlátozások nélkül.
Előzmények
2022 januárjában találkoztam először a mesterséges intelligencia által nyújtott lehetőségekkel. Mondani sem kell, hogy mennyire magával ragadott. A kezdeti időkben több platformot is kipróbáltam többek között a Disco Diffusion, Dall-E2, NightCafe, Deep Dream Genrator, ArtBreeder, de úgy gondolom számomra a legjobb megoldást a Midjourney hozta mind a minőség, mind pedig a használhatóság területén. Annak ellenére is, hogy a discordon való munkafolyamat nem az átláthatóságról és az egyszerűségről híres. 🙂
Most már több mint fél éve foglalkozom a Midjourney képgenerálási eljárásaival, és azok paraméterezéseivel, több mint 500 képet készítettem el végleges verziójában, és még mindig úgy érzem, hogy rengeteg lehetőség és potenciál van az MI által adott képalkotásban. Egy picit függőjévé is válltam ez nem is lehet kérdéses, persze ha őszinte akarok lenni, ez nem több mint hobbi. 🙂
Úgy gondoltam megosztom mindenkivel személyes tapasztalataimat, az egész alkotási folyamatot egy Magyar leírásban, mely összefoglalja lépésről lépésre azokat a lehetőségeket amiket maradéktalanul ki tudunk aknázni. Mivel a képalkotásig való eljutás a munkafolyamat legnehezebb és legkörülményesebb része, ezért rengeteg időt és fejfájást spórolhat meg mindenki aki a lent leírtakat alkalmazza. Persze, ha valaki perfekt angol, akkor nem lesz gond, bár még úgy is adódhatnak nehézségek. 🙂
Posztom az idő előrehaladtával frissülni fog, ha új tapasztalatokra teszek szert azt itt meg fogom osztani. 🙂
Midjourney
A Midjourney Magyar leírás próbál mindenkinek segíteni abban, hogy eligazodjon ebben a nem túl egyszerű alkotási folyamatban. Segít, hogy bárki maximálisan kiélhesse "művészeti" elképzeléseit anélkül, hogy egy ecsetvonást is húzott volna akár a vászonra, akár a rajztáblára. Semmiféle művészi előképzettség, vagy képesség nem szükséges ahhoz, hogy mesterművet alkothassunk. Itt valóban a fantáziád szabhat csak határokat. Na meg a pénztárcád is. 🙂
Az általam kedvelt területek elsősorban: tündérek, a mese világ, az erdő, a misztikus dolgok, a varázslat, a mondák, és a legendák, ezen kívül még nagyon kedvelt a: #cyberpunk #tron1982 #1920's #1800's #1990's - és ezek variációi.
Sok helyen olvastam az interneten, hogy a művészek akik úgy festik vagy rajzolják alkotásaikat nem nagyon tudják jelen pillanatban hova tenni ezt a fajta művészeti módot. Személyes véleményem szerint aki a valódi művészetet és a Midjourney-el alkotott vizuális tartalmakat egy lapon említi az nagyon nagyot hibázik. A mesterséges intelligenciával létrehozott képek egy teljesen más kategóriába tartoznak. Nem szabad semmilyen párhuzamot húzni a két világ között. A valódi művészek által alkotott művészeti alkotások számomra így még jobban felértékelődnek.
A Midjourney -vel generált képek sok esetben álomszerűek, és rettentően részletgazdagok és elgondolkodtatóak. Egy teljesen önálló és sajátos stílust teremt meg, felismerhető stílusjegyekkel. A képeket bármennyire is a mesterséges intelligencia alkotja meg, vizuális forrása mégis az ember maga akiből inkább a lelki mélységeiben rejlő sötét vagy éppen derűs alapokra építkezve születik meg a végeredmény.
A bevitel pillanatában mindenkiben létrejön egy kép, hogy a végeredménytől nagyjából mit vár és, hogy mit fog látni majd. Ez merem állítani, hogy egyszer sem lesz így. Még csak a közelébe se fog járni annak amit az MI megalkot.
Midjourney Magyar leírás lépésről lépésre
Legelőször azt szeretném leszögezni, hogy minden paraméter minden leírás, gomb elnevezés, vagy kattintás akkor volt úgy amikor ezt a posztot készítettem. Mivel ez az egész elég új ezért lehet, hogy közben megváltozott pár dolog, itt egy kis rugalmasságra lesz vagy lehet majd szükséged.
Csatlakozás a Midjourney -hez
Ahhoz, hogy csatlakozz ehhez a rendszerhez elég sokmindenre lesz szükséged, de legfőképpen engedd el azt, hogy regisztrálsz letöltöd a programot és már mehet is. Ez itt nem olyan egyszerű.
Először is rendelkezned kell Discord fiókkal. A fiókodnak aktívnak kell lennie.
Amennyiben megvan a Discord, úgy látogass el a www. midjourney.com -ra. Itt közvetlenül a nyitó oldalalon nyomd meg a Join with Discord gombot. Ekkor tudsz a rendszerhez csatlakozni. A csatlakozás ingyenes.
Aki több leírásra, dokumentációra vágyik annak itt ez a link: https://midjourney.gitbook.io/docs/
A regisztrációt követően be fogsz jutni a weboldalra. Itt számtalan panel nem lesz elérhető. Ennek oka, hogy nincs előfizetésed.
Előfizetést 3 féle módon csinálhatsz.
- 10 dollár / hónap - kb. 200 kép / hónap
- 30 dollár / hónap - Korlátlan személyes használat
- 600 dollár / év azaz 50 dollár / hónap - Üzleti előfizetés
Bármelyik előfizetési csomagot választod a fizetést követően azonnal élővé válik a fiókod, DE...
Most kattints erre a linkre: https://discord.com/invite/midjourney ez a Midjourney discord szerverének linkje, ahova csatlakoznod kell ahhoz, hogy alkotni is tudj.
Személyes véleményem szerint a Discord maga a káosz, egyszerűen elképzelésem sincs, hogy ez miért így van ahogy van, de ettől még ez sajnos ilyen.
Alkotási folyamat a discordon belül
Ha csatlakoztál a csatornához, akkor a baloldali oszlopban egy kis ikon jelenik meg fehér alapon kis hajó a hullámokon.
Ez melletti oszlopban ahol a szobák találhatóak keresned kell egy olyat, hogy #newbies-01 vagy bármi ami #newbies- és egy szám áll a végén, ez lehet pl: #newbies-29 -is. Ha ilyen szoba nincs akkor olyan biztosan lesz, hogy: #general-1 #general-25. A végükön a számok változhatnak.
Ezekbe a szobákba sima rákattintással be tudsz lépni. Majd ezt követően azonnal láthatod a szobákban tevékenykedő alkotókat. Itt kezdődik az igazi átláthatatlanság. Gyakorlatilag mindenki aki a képeket legenerálja ide kapja meg a végeredményt, de úgy, hogy közben a többi alkotó képe is generálódik és folyamatosan fut lefele az egész csatorna tartalom.
Mindez persze a szemfülesek számára megoldható probléma, hiszen a Midjourney bot meghívható saját Discord szerverünkre is, így gyakorlatilag csak a saját alkotásainkat fogjuk látni.
Mindezek mellett egy nagyon nagy okosság azért van, minden legenerált kép meg fog jelenni a Midjourney fiókodban a weben, így valójában nem kell mindent visszakeresni, vagy nyomon követni, mert úgy is áttöltésre kerül oda szinte azonnal amikor készen van. Természetesen minden promt beállítás kinyerhető a weben minden képünkből, így felírni sem kell azokat sehova, hogy mikor milyen képnél milyen promptot használtunk.
Hogy megy a képek generálása?
A csatorna alsó szövegbeviteli részébe be kell írnod ezt: /imagine prompt - amúgy ha elkezded írni a DC automatikusan kiírja az ide vonatkozó parancsokat.
Ezzel a paranccsal tudod azt mondani a Midjourney Bot -nak, hogy képet akarsz generálni.
A parancs még önmagában semmi, így szükséged van egy leírásra is (prompt), hogy milyen képet szeretnél végeredményül kapni. A következő példa mutatja ez hogy működik:
/imagine prompt blue balloons in white clouds as a painting, photorealistic, nigh, 4k --ar 16:9 --h 1440 --w 2560
A fenti példa egy nagyon egyszerű prompt, de annak ellenére is elég sok hasznos információt tartalmaz ahhoz, hogy a kép generálása elkezdődhessen.
Részleteiben: kék lufik fehér felhőkben mint egy festmény, fotórealisztikus megjelenésben éjszaka, 4k felbontásban és 16:9-es képarányban magasság 1440 pixel szélesség 2560 pixel.
Ezután már csak entert kell nyomnunk és a generálás el is kezdődik.
Ekkor kapni fogunk 4db vázlatot (persze csak ha nem használjuk a --creative --testp --upbeta paramétereket is, mert akkor egyet) azokkal a paraméterekkel amikkel fent megadtuk. Persze itt az MI elképzelése szerint. A vázlatok már önmagukban is szenzációsak tudnak lenni, de még messze nem a végleges verziók. Figyelnünk kell viszont, hogy a vázlatok elkészítéséhez időre van szükség, nem történik meg azonnal. Úgy 1 percnyi idő kb elegendő ahhoz, hogy a vázlat elkészüljön. Figyeljünk viszont arra, hogy amíg a vázlat készül addig a többi csatornán tevékenykedő alkotó bejegyzései folyamatosan pörögnek, így a miénk folyamatosan feljebb kerül, vissza kell görgetni saját posztunkhoz. Ha a vázlat elkészül akkor az az utolsó bejegyzés lesz, tehát a lap aljára ugrik, így újra kereshetjük mert mire megtaláljuk addig 5 másik poszt már megint van ami a miénket feljebb tolja. 🙂
Ha a 4db vázlatunk elkészült akkor kapni fogunk a képek alá 2 sorban különböző gombokat:
U1 U2 U3 U4
V1 V2 V3 V4
U = upscale (felskálázás / kidolgozás)
V = variation (variáció)
A kis egymásba mutató nyilak karikában pedig a teljes elképzelésünk újra generálása.
Ezekkel a gombokkal tudjuk megmondani a Midjourney Bot -nak, hogy a képek közül melyikek azok amiket tovább viszünk kidolgozásra. Ekkor az U valamelyik változatát kell megnyomnunk. Itt sajnos előfordul, mivel a rendszer eléggé leterhelt, hogy nem fog elsőre reagálni a megnyomásra a gomb.
A discord csatornán, ha a kép elkészült akkor ezt a végeredményt fogjuk látni:
Abban az esetben, ha a végeredmény nem tetszik, lehetőségünk van újabb variációt kérni: Make Variations gomb megnyomásával. Ekkor 4 újabb vázlat fog készülni a fenti kép alapjára építkezve.
Amikor megnyomtam az U gombok valamelyikét, vagy akár az összeset, akkor itt van az a pont amikor otthagyom a folyamatot, had dolgozzon vele, majd figyelgetem a weboldalon lévő profilomat, ha oda átkerültek a képek akkor már tudom, hogy készen is vannak. Nem kell a discordról letöltögetni egyiket sem, hiszen ezt meg tudom tenni a weboldalon is akár egyben, vagy válogatva.
Tehát az U gombok megnyomását követően, a Midjourney Bot azonnal számolja a végeredményt ami szintén időbe telik és szintén görgetni kell felfele, lefele és keresni, hogy majd hol köpi ki a képet. 🙂 Persze ezt csak akkor kell megtennünk, ha a discord chat-en szeretnénk megnézni a végeredményt. Én ezt kihagyom, mert őrület. 🙂
Gyakorlatilag ezek után tekinthető a kép késznek. A variációk generálását sokáig tudjuk pörgetni, de nem biztos, hogy erre minden esetben szükség van.
Nagyon figyeljünk viszont arra, hogy a beírt paraméterekre soha nem kapjuk ugyanazt az eredményt többszöri próbálkozás esetén. Tehát semmi értelme lementeni egy beírt promt -ot mert nem tudjuk reprodukálni saját dolgainkat, mindennek egyszer van esélye. Ha pl.: kimásoljuk más prompt-ját a chat-ről mert ő milyen jó képeket kapott és ugyanazokkal elindítjuk a generálási folyamatot még a közelébe se leszünk annak amit az előző felhasználó generált.
Figyeljünk arra is, hogy az előfizetési csomagunknak megfelelően tudunk képeket generálni, ebbe minden lépés beletartozik, ha egy 10 dolláros előfizetéssel rendelkezünk, akkor a kb 200 kép készítése egy este alatt ellőhető, ezt ne úgy értsük, hogy a végeredmény számol csak bele, ebbe gyakorlatilag minden lépés benne van, így a kb 200 kép gyorsan elviszi a 10 dollárunkat. Ezt követően nem kell várnunk addig amíg letelik az egy hónap, több lehetőségünk is van további munkafolyamatokra. Vagy előfizetünk a 30 dolláros csomagra, vagy bekapcsoljuk a nyomon követés funkciót amikor ugyanis a Midjourney folyamatosan terheli a számlánkat annak fényében, hogy mennyit használjuk. Ha ezt a megoldást választjuk lehet azt vesszük észre, hogy a hónap végére elköltöttünk 50 dollárt vagy többet. 🙂
Javaslataim
- Szerintem ha már eldöntötted, hogy ezzel a megoldással szeretnél alkotni, akkor ne válaszd a 10 dolláros előfizetést, mert nagyon hamar lejár. Nekem pl.: összesen 177db képet sikerült létrehozni durván 2 óra leforgása alatt, amibe beleszámolt minden vázlatot és minden variáció elkészítését is a program.
- Ugyan az előfizetési csomag kiválasztásánál azt írja a weboldal, hogy kb 200 képet fogsz tudni készíteni a 10 dolláros csomaggal, ez közel sem így van. A körülbelül pont azért van ott, mert számít az is, hogy milyen módban dolgozol (/fast /relax)
- Abszolút a 30 dolláros előfizetést javaslom, hiszen az személyes felhasználásra /relax módban majdhogynem korlátlan.
- Figyeljünk arra is, hogy a csomag árak nettó árak, amikor véglegesítjük az előfizetést, akkor még rá fogja számolni az ÁFA-t!
- Ne aggódj azon, hogy a képeket nem találod meg a discord csatornáin, mert amikor legenerálódnak azok automatikusan áttöltésre kerülnek a weboldalon lévő fiókodba és ott mindent tudsz kezelni, letölteni stb.
- Egyszerre ne indíts el több folyamatot (/imagine prompt ....) mert a vázlatok kezelése viszont teljes káosz lesz.
Upscale / kép felbontásának emelése
A Midjourney Magyar leírás szerintem egyik sarokköve a képek felskálázása, azaz nagyobb felbontásra alakítása, lehetőleg minőségi romlás nélkül.
Miért van erre szükség?
A Midjourney -ből kinyert képek felbontása nem a legjobb mai technikai szemmel nézve. Nekem legalábbis sehogy sem sikerült a generált kép dimenzionális méretét 1792x1024 pixel és 72dpi felbontását emelni. Ez a méret a mai 4k világban nem annyira jó. Arról nem is beszélve, ha ezt nyomtatni szeretnénk.
Az alábbi kép pontosan szemlélteti a problémát, illetve a rész-megoldást is. A felskálázott kép nem lesz fényévekkel jobb mint az eredeti, de szemmel látható a különbség.
Hogy is kell ezt csinálni?
Az egyáltalán nem elegendő, hogy photoshopban egyszerűen nagyobb felbontásra állítjuk a kép dimenzionális méreteit, vagy a dpi felbontását. Erre célszoftver kell, nekem a legjobban a Gigapixel AI vált be, de ez sem minden esetben jó választás. A Gigapixel AI alapbeállítások mellett az 1792x1024 pixel dimenzionális méretből 7168x4096 pixelt készít, de ugyanúgy 72dpi felbontáson ami igazából nem rossz, de a jó nem ilyen.
Próbálkozhatunk egyéb szoftverekkel és egyéb technikai dolgokkal, vagy MI paraméterezéssel is. Nekem eddig nem sikerült olyan megoldást találni ami valóban hatékony lenne, így ha valaki talál, szívesen fogadom. 🙂
Pozitív véleményem az egész MI eljárásról
- Zseniális amit az MI művel, a végeredmény vizuális élménye pedig döbbenetes.
- Nagyon bele lehet feledkezni, és olyan képi világot hozhatunk ki saját elképzeléseinkből amikről soha nem is álmodtunk.
- Minimális angol tudás elegendő a használatához, akinek nincsen az simán használhatja a google fordítóját is.
- A generált (Upscaled) képek megjelennek azonnal saját web-galériádban, így nem kell azokat vissza - vissza keresgetni a discord csatornáin.
- A képek jogi felhasználhatósága saját magunk számára teljesen korlátlan. Ha erről részletesebb információra van szükséged mindent megtalálsz a gyártó oldalán.
Negatív véleményem az egész MI eljárásról
- A képek generálása a discordon teljes káosz. Elsőre nagyon kaotikusnak tűnhet.
- Minden kép alapértelmezésben 1:1 arányban készül el, szerintem azért itt jobb lenne, ha a default az pl.: --ar 16:9 lenne.
- A képeket bármilyen módon paramétereztem pl.: --h 1440 --w 2560 vagy --ar 16:9 a dimenzionális méretük megváltozott, de a pixel számuk nem, minden esetben (ha a fenti paramétereket használtam) a 16:9 -es 1792 x 1029 pixel méretben jöttek létre.
- Nem tudom mi indokolja (a pénz biztosan nem 🙂 hiszen van vagy csillió előfizető a discord szobák rogyásig tele vannak) a discord használatát egy saját fejlesztésű és letölthető standalone programmal szemben, ami akár egyszerűbbé is tehetné az egész képalkotást.
A mesterséges intelligencia hibái, amikkel nem árt, ha számolunk mielőtt nekiállunk és pénzt teszünk a projektbe
- A végtagokkal az újakkal, de legfőképpen a csuklóval nem tud mit kezdeni.
- Az alkotások túlnyomó része elég komor hangulatban készül el. Ami engem nem zavar sőt, de lesznek akik ezt nem preferálják.
- Az autókat képtelen normálisan megrajzolni, egyik része rendben van a másik meg teljesen amorf.
- A szemeket nem szereti, azokkal nem bírkózik meg rendesen sok esetben inkább horrorisztikus a végeredmény.
- Ne várjunk tőle valósághű emberi alakot, mert az nem fog menni. Van, hogy a végtagok minden irányba görbülnek.
- Anatómiailag teljesen pontatlan és néhol hiányos végeredményt kapunk, pl.: nincs keze a hősünknek, vagy 3 keze van. Nekem volt már 2 fejű ember is.
A hibák ellenére, azt gondolom, hogy jelen állásában is zseniális a cucc, és ezeket úgy is fejleszteni fogják. És persze nincs jobb a piacon. A konkurenciái nagyon el vannak maradva.
Összegzés
A Midjourney Magyar leírás azért jött létre, hogy mindenkinek segítséget tudjak vele nyújtani aki érdeklődik a mesterséges intelligenciában rejlő lehetőségek iránt. A jelenleg működő hasonló megoldások közül a Midjourney a legjobb választás. Az MI olyan képi világot ad vissza ami káprázatos és magával ragadó.
Azok számára akik ötvözni tudják az MI által generált képi világot és pl.: a photoshop lehetőségeit egy teljesen új dimenzió nyílik meg a képalkotás területén.
Remélem hasznos volt a poszt mindenki számára, és hogy tudtam segíteni elindulni ezen a nem túl síma, de annál élvezetesebb úton. 🙂
Ha bármi kérdésed van vagy segíthetek itt elérsz: web@tsphoto.hu
Update 2022.11.30
Azon gondolkozom mit is mondhatnék ilyen idő távlatában.
A Midjourney Magyar leírás ez alatt a pár hónap alatt sok esetben értelmét veszítette. Illetve talán nem, de mindenképpen erősen korrigálásra szorul, hiszen az MI immáron a 4-es verzióhoz ért. Ugyan még sok esetben nem tudja az elődök paramétereit, csak hogy párat említsek: --ar (csak 3:2 vagy 2:3) vagy --q (max 2) --creative --testp
Ezeket persze (gondolom) hamarsosan tudni fogja és minden a helyére kerül. 🙂
Ami viszont lényeges változás az a minőség, a --v 4 rettentően sokat fejlődött. Korábban nagy gondot okozott a szemek, a kezek és a végtagok ábrázolása és sokkal inkább hasonlítottak egy-egy szürreális festő vázlataira, persze voltak kevés kivételek de nagyjából ezt lehetne elmondani róluk. Mára ez a helyzet merőben megváltozott. A képi világ összetettebb, részletgazdagabb és sokkal sokkal pontosabb lett.
Nagy százalékban azért még most sem érti meg tökéletesen az igényeinket, viszont amit megért az úgy ábrázolja, hogy gyakran a várakozásaink és elképzeléseink a közelébe sincsenek. Nagyon könnyű mesterműveket alkotni.
Másik sarkallatos pontja az eltelt időnek, hogy rengeteget olvastam és nagyon sok véleményt láttam az MI-t kritizálók és magasztalók billentyűzeteiből, és azt kell mondanom, hogy elengedtem az MI nem művészet dolgot. Miért? Mert .... gondoljunk ebbe bele mélyebben.
Az MI nem tud nélkülünk csinálni semmit, a valóság az, hogy a gondolatainkkal festünk, rajzolunk és alkotunk, egy eszközt használunk ehhez ami maga az MI. Persze sok esetben (én biztosan nem) nem tudnánk olyan munkákat letenni az asztalra amit MI-vel 1-2 perc alatt, de ettől még nem érzem kevesebbnek vagy többnek egy kézzel rajzolt, festett alkotásnál. Azért roppant nehéz jó és valóban tartalmas képet alkotni, nagyon pontos promptnak kell lennie ahhoz, hogy a végeredmény is valóban jó legyen.
Szerintem egy olyan korszak küszöbén vagyunk ami akkor is elérkezik ha ellene vagyunk akkor is ha támogatjuk. Egy alkotó legyen az képzett vagy teljesen amatőr művészről, legjobb döntése az, ha kihasználja az MI -ben rejlő lehetőségeket.
Itt még megemlíteném, hogy ennyi idő és több mint 10.000 kép készítése után a Discord -os képgenerálás annyira nem is rossz mint azt először gondoltam. Ennek oka, és egyben roppant nagy előnye is, hogy bárhol vagy bármikor bármilyen promptot tudsz futtatni akár mobilró is úgy, hogy közben az összes eszközödön szinkronizálódik, a képek pedig feltöltődnek MJ web-re is.
Nézzük hova jutottunk el így 2022 év végére, és esküszöm, hogy semmivel sem nyúltam az alábbi képekhez hozzá, minden úgy van ahogy az kijött a csőből:
