Спустя три месяца после анонса популярная винсентская модель Midjourney наконец-то выпустила свою последнюю версию. 21 декабря по местному времени Midjourney объявила на Discord о выпуске бета-версии своей последней версии V6, которая сейчас находится на стадии альфа-тестирования. Судя по большому количеству примеров от пользователей, V6 очень хорошо справляется с реалистичными картинками и абстрактными картинами, а его эффект не уступает эффектам дизайнеров и фотографов.
Midjourney позиционирует V6 как крупную инновацию. Ее генеральный директор ДаВидХольц заявил, что V6 на самом деле является третьим набором моделей, обученных с нуля на суперкластере искусственного интеллекта. Весь цикл разработки длился девять месяцев. «Изображения, созданные с помощью этого набора моделей, гораздо более реалистичны, чем любая версия, которую мы выпускали раньше». Согласно официальному представлению, основными изменениями V6 являются лучшее качество изображения, более четкое семантическое понимание, возможность встраивания текста, размещение большего количества подсказок, более высокая связность и более богатые знания моделей.
Согласно пользовательскому тестированию, V6 теперь поддерживает слова длиной более 350 символов и даже может понимать небольшие различия в пунктуации и грамматике. Судя по изображениям, которые в настоящее время демонстрируются пользователями сети, V6 действительно является шагом вперед по сравнению с предыдущим поколением с точки зрения понимания и детализации, таких как свет и тень, композиция, материал и цвет.
Используйте ту же подсказку для тестирования V6 и V5.2, контраст очень очевиден (изображение выше создано V6; нижнее изображение создано V5.2):
Ключевое слово: саспенс-фильм 1980-х годов, снятый сверху: французский дворецкий в черном костюме со свечой в коридоре викторианского особняка.
Основная подсказка: уличная фотография 1960-х годов, на которой молодая женщина в зеленом шелковом платье и жемчужном ожерелье сидит на парусной лодке.
Основное ключевое слово: женщина-оператор в серебряном операционном костюме с высоким воротником из ретро-фантастического фильма 1940-х годов.
Ключевое слово: неоновая вывеска на углу бара гласит: «Открыто до позднего вечера».
Основное ключевое слово: отражение заката в дождевой луже.
Основное ключевое слово: кастрюля с тушеным мясом, подаваемая деревянной ложкой.
Что касается генерации текста, V6 может более четко вставлять текст в изображения и даже определять его стиль.
Примечание. Исходный текст Coca-Cola: CocaCola.
Восстановите текстуру свитеров, шерсти животных и капель дождя на окнах.
Обработка длинного текста также лучше.
Логотип продукта
Сравнение чертежей конструкции изделия с текстом из разных инструментов
Ожидается, что такое улучшение производительности принесет большую выгоду отраслям дизайна и маркетинга. Понятно, что некоторые специалисты по трансграничной электронной коммерции уже давно используют большие модели Wenshengtu для создания страниц с описанием продуктов и изображений для демонстрации моделей. Midjourney — наиболее часто используемый инструмент.
Кроме того, V6 умеет «рисовать руки». Ранее картины с искусственным интеллектом критиковались за нереалистичность, особенно детали рук персонажей, которые часто кажутся деформированными. Но с выпуском V5 он прекрасно решил эту техническую проблему и даже может отображать отпечатки пальцев и текстуру кожи руки, совершив прорыв в искусстве рисования. Ниже приведены некоторые рисунки от руки:
В настоящее время в V6 отсутствуют некоторые функции модели V5.2, включая балансировку левого и правого изображения и уменьшение масштаба, но Хольц сказал, что эти функции будут реализованы в последующих обновлениях V6.
V6 не станет концом Midjourney. Продукт находится в стадии разработки. Первая версия была запущена в марте 2022 года, а затем быстро превратилась в текущую шестую версию, обновляемую в среднем каждые три месяца. В заявлении Midjourney говорится: скорость V6, качество изображения, согласованность, быстрое отслеживание и точность текста должны улучшиться в ближайшие недели. V6beta анонсировала свое первое обновление через полчаса после выхода, увеличив скорость генерации в 2,7 раза.
Ранее компания также заявляла, что будущие направления обновления технологий включают создание 3D и видео. Хольц прогнозирует, что можно будет генерировать контент в реальном времени с высоким разрешением 30 кадров в секунду, а к 2030 году можно будет создавать целые видеоигры.
Стоит отметить, что основатель компании Дэвид Хольц якобы неоднократно отвергал оливковую ветвь, предложенную венчурными капиталистами. В прошлом году количество пользователей Midjourney на платформе Discord выросло с 2 миллионов до 17,67 миллионов, причём ежедневно их посещают более 100 000 пользователей. Один миллион человек онлайн (на момент публикации), и продукт уже запустил платную модель. Пользователи могут выбирать из различных пакетов и взимать плату от 10 до 120 долларов США в месяц. В сентябре Midjourney с командой из 40 сотрудников успешно достигла годовой прибыли в размере 200 миллионов долларов США.