Midjourney和你说"输入文字就能出图"完全是两回事
Midjourney确实是通过文字生成图片，但OpenAI的DALL·E、Stable Diffusion、即梦也是这样。Midjourney真正的竞争力是三个字：审美水平。同样一句prompt，Midjourney产出的光影、构图、色彩质感，在大多数风格上领先竞品一个身位——这也是为什么虽然它的使用方式最不便捷（要通过Discord），设计师群体仍然无法割舍它。
注册和开始（这个部分确实很快）
- 访问 midjourney.com → 点击"Join the Beta" → 用Discord账号登录
- 在Discord里进入任意一个"newbies"频道
- 输入
/imagine，后面跟你的prompt，回车 - 等待约60秒，生成4张预览图
- U1-U4是放大（Upscale）你选的图，V1-V4是基于你选的图生成变体
Prompt的底层公式：一句话就能讲清楚
Midjourney的prompt和ChatGPT的prompt底层逻辑不同。ChatGPT需要你给上下文、给角色、给约束。Midjourney需要你给画面信息密度。
公式：主体 + 环境 + 光影 + 风格 + 技术参数
拆解一个例子：
/imagine prompt: a middle-aged detective in a trench coat standing under a flickering streetlamp, rain-slicked cobblestone street, 1940s film noir atmosphere, volumetric fog, rim lighting, shot on Kodak Portra 400, --ar 3:2 --style raw --v 6.1
- 主体：a middle-aged detective in a trench coat（中年侦探，穿着风衣）
- 环境：rain-slicked cobblestone street, flickering streetlamp（被雨打湿的鹅卵石街道，闪烁的路灯）
- 光影：volumetric fog, rim lighting（体积雾，轮廓光）
- 风格：1940s film noir atmosphere, shot on Kodak Portra 400（1940年代黑色电影氛围，柯达Portra 400胶片拍摄）
- 参数：--ar 3:2（画幅3:2）, --style raw（减少Midjourney的默认美化）, --v 6.1（使用v6.1模型）
信息密度决定出图质量。一个只有"a cat"的prompt和一个把猫的品种、姿势、场景、光线、镜头类型全部描述出来的prompt，产出的图是天壤之别。
关键参数速查（你不需要背，用的时候回来查）
--ar 16:9或--ar 3:2：画幅比例。横图用16:9，竖图用2:3，方形默认1:1。--v 6.1：模型版本。v6.1是目前图像质量最好的版本。v5.2更"艺术化"一些，适合某些特定风格。--style raw：减少Midjourney的默认审美滤镜，更忠于你的描述。拍写实摄影类建议开启。--s 0-1000（Stylize）：风格化程度。0是完全遵循prompt（可能比较平淡），1000是最大程度艺术化（可能偏离原意）。写实摄影建议0-250，艺术创作建议500-750。--c 0-100（Chaos）：多样性。0是四张图风格高度一致，100是四张图风格迥异。探索阶段用50-80，确定方向后用0-20。--no [元素]：排除某些元素。例如--no text, watermark, signature。
三种进阶玩法
1. 风格参考（Style Reference / --sref）
上传一张参考图（或输入一个URL），让MJ学习这张图的风格而非内容。比如你上传一张梵高的《星空》，然后写prompt"a modern city skyline"，生成的就是"用梵高风格画的现代城市天际线"。
/imagine prompt: a modern city skyline at sunset --sref [图片URL] --sw 500
--sw（style weight）控制风格参考的强度，0-1000，默认100。
2. 角色参考（Character Reference / --cref）
v6新增功能。上传一张人物照片，MJ会在保持这个角色特征（面部特征为主）的前提下生成新图。适合需要保持角色一致性的漫画、绘本、角色设计场景。
/imagine prompt: sitting at a cafe reading a book --cref [角色图片URL] --cw 100
--cw（character weight）：100保留面部+服装，0只保留面部特征。
3. 图片融合（Blend）
用 /blend 命令上传2-5张图片，MJ会把它们融合成一张新图。适合做mood board、概念探索。
Midjourney vs 竞品：什么时候选MJ，什么时候不用
- 选Midjourney：艺术感、氛围感、摄影感的图片。海报、概念图、艺术创作、灵感探索。如果你对"好看"有执念，MJ是不二之选。
- 选DALL·E 3：需要精确遵循文字指令（比如"左边一只猫右边一只狗，中间一个蛋糕"）。DALL·E 3的prompt遵循度是最好的。
- 选即梦/Stable Diffusion：需要精确控制画面每个局部（通过ControlNet/lora），或者需要生成中文文字的海报。
预算：你实际要花多少钱
- Basic（10美元/月）：每月约200张图（Fast模式），够个人探索和学习。最常被推荐的入门套餐。
- Standard（30美元/月）：15小时Fast模式，无限Relax模式（排队慢但无限用）。设计师和内容创作者的性价比之选。
- Pro（60美元/月）：30小时Fast模式，隐身模式（生成的图不公开）。商业用途。
首次注册有少量免费额度（通常25张图左右），但需要一个有效的Discord账号。如果你还在观望，先用免费额度跑几天，确认风格合你口味再订阅。
一条很多人不知道的建议：Midjourney的图需要"后期"才有灵魂
MJ直接出的图通常过于"完美"——光影太均衡、色彩太和谐、构图太标准。这种完美反而有一种"AI味"。如果你的工作流止步于MJ出图，你的作品和所有其他AI用户的区别不大。
创意总监的工作流是：MJ出图 → 导入Photoshop → 手动叠加纹理/噪点 → 局部调色/裁切 → 加文字排版。最后那10%的人工后期，是你和批量AI图之间拉开差距的地方。