Време за четене: 4 минути
Още един генератор на AI изображения, който превзема интернет, Midjourney е свързан с използването на вашето въображение.
Напоследък изкуственият интелект (AI) получи нова задача – да превземе света на изкуството. След огромния успех на Dall-E 2 на OpenAI, имаше внезапен прилив на AI програми, които искат да превърнат лаика в съвременен Пикасо.
Въпреки че има много компании, от които да избирате, един от най-големите (и може би най-уникалните) генератори е известен като Midjourney. За разлика от своите девствени конкуренти като Dall-E или Imagen на Google, Midjourney иска да добави малко блясък към вашите подкани.
Облечен в тъмни тонове, фентъзи теми и атмосфера, с която Едгар Алън По би се гордял, Midjourney е генераторът на изкуствен интелект за творци, които искат да ръководят следващата си книга, игра или научна фантастика. Но какво е Midjourney, как работи и можете ли да го използвате?
Какво е Midjourney и какво може да прави?
Midjourney е един от многото AI генератори на изображения, които се появиха наскоро. За разлика от Dall-E 2 или някои от другите му конкуренти, Midjourney предлага по-мечтан артистичен стил за вашите искания.
Вероятно ще се хареса на тези, които работят в областта на научнофантастичната литература или произведения на изкуството, които изискват по-готично усещане. Докато други генератори на AI клонят повече към снимки, Midjourney е по-скоро инструмент за рисуване.
Както се посочва в уебсайта на марката, тя има за цел да „изследва нови среди на мисълта и да разширява въображението на човешкия вид“.
Midjourney ви моли да въведете формулирана подкана за изображение, например „лисица, носеща цилиндър в стила на илюстрация на Роалд Дал“ и след няколко секунди ще ви бъдат върнати няколко опита за това изображение.
Нещата могат да се объркат с вашия образ и моделът да не е перфектен. Например, може да се затрудни да генерира ръце или други сложни обекти, а фонът често може да бъде замъглен или объркан, но това са проблеми, които ще откриете с всеки от тези модели.
Как можете да се регистрирате за Midjouney?
Midjourney работи малко по-различно от повечето AI инструменти. Въпреки че можете да се регистрирате директно през уебсайта на компанията, използването на софтуера ще изисква да изтеглите и използвате Discord – приложение в стил форум за чат.
След като бъдете приети в Beta на Midjourney, ще ви бъде изпратена покана за Midjourney Discord. Това може да изглежда доста объркващо, ако не сте използвали нищо подобно преди, но основите са лесни.
Получавате 25 безплатни заявки и след това, ако искате да продължите да използвате софтуера, трябва да се регистрирате за платено членство (струващо между $8 и $60 на месец в зависимост от избрания от вас план).
Когато сте в Discord, просто се насочете към някой от каналите за „новаци“, изброени от лявата страна. След това въведете „/imagine“, последвано от желаната от вас подкана. Ботът ще отговори с четири версии на тази подкана в рамките на минута.
Можете да изберете да получите алтернативни версии на някое от тези изображения или да увеличите мащаба на едно от тях до по-голямо изображение с по-високо качество.
В тези бот канали, където заявявате вашите изображения, други хора също ще правят заявки. Може да стане малко забързано там, така че следете къде е вашето изображение.
Можете да видите всяко изображение, което сте поискали, на уебсайта на Midjourney.
Как действа Midjourney?
За повечето от основните генератори на изображения с изкуствен интелект създателите са предложили купища информация за това как работят, заедно с публикуването на техния изходен код – това не е случаят с Midjourney. Екипът, който стои зад него, е запазил малко мълчание относно неговия произход и обучение.
Въпреки това е най-вероятно Midjourney да използва подобна система както на Dall-E 2, така и на Stable Diffusion, особено след като и двете компании са обяснили методите си за обучение в детайли.
Тези модели са научени на връзката, споделена между изображение и текста, който се използва за тяхното описание. Midjourney е заявявал в миналото, че подобно на своите конкуренти е търсил в интернет изображения и текст, за да ги опише, използвайки милиони публикувани изображения за обучение.
По-голямата част от генераторите на AI изображения с публичен изходен код генерират тези изображения чрез процес, известен като дифузия. По същество тези модели работят, като добавят шум към изображение, намалявайки го до пикселизирана бъркотия.
След това се научава да възстановява тези данни чрез обръщане на шумовия процес. Този процес се повтаря отново и отново, обучавайки модела да добавя шум и след това да го премахва отново. След това моделът може да приложи процеса на премахване на шума, за да създаде реалистични изображения, като прави малки вариации на изображението.
Това е съчетано с разбирането на модела за връзката между изображение и текста, използван за описанието му, помагайки на генераторите на AI изображения да разберат какво искате с вашата подкана.
Подобно на своите конкуренти, Midjourney не е без критика. Има опасения относно авторските права, особено след като основателят призна, че не е получил съгласие от създателите на изкуството, на което моделът е обучаван.
С милиони изображения, необходими за модел с такъв размер, това би означавало милиони нарушения на авторските права.
Това доведе до това, че Midjourney и Stable Diffusion бяха въвлечени в съдебно дело, заведено от екип от артисти.
„Това е [наборът от данни] просто голяма част от интернет. Ние използваме отворените набори от данни, които се публикуват и ги обучаваме. Бих казал, че това е нещо, което 100% от хората правят. Не бяхме придирчиви“, казва Дейвид Холц, основател на Midjourney, в интервю за Forbes.
В бъдеще Midjourney се надяват да могат да предложат на артистите възможността да се откажат от използването на техните изображения в бъдеще.
„Предизвикателството сега е да разберем какви са правилата и как да разберем дали човек наистина е художник на определено произведение или просто е поставил името си върху него“, казва Холц в интервюто си за Forbes.
„Не сме срещали никой, който иска името му да бъде извадено от набора от данни, който всъщност бихме могли да намерим в набора от данни.“
