Midjourney transforma uma frase em quatro imagens de uma só vez e depois permite dirigir o resultado com referências de estilo, perfis de personalização e parâmetros. Qualquer imagem parada vira um vídeo de cinco segundos.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
O Midjourney é um portal para transformar texto em imagens e vídeos. A proposta é direta: você descreve algo em linguagem natural, envia esse pedido ao modelo e recebe de volta uma grade de quatro imagens que pode acompanhar sendo renderizada na página Create. Quando o indicador chega a 100%, o conjunto está pronto para ser ampliado, variado, editado ou baixado. Essa mecânica simples — um prompt, quatro resultados — molda todo o restante do fluxo de trabalho e explica por que tantos diretores de arte usam a ferramenta como uma máquina de exploração visual antes de qualquer decisão de produção.
A versão de modelo padrão atual é a V8.2, que passou a ser o padrão em 24 de julho de 2026. O foco desse lançamento está em estética, qualidade de imagem e Personalization, e o resultado prático é um modelo que produz imagens mais criativas, ousadas, sofisticadas e com mais aresta do que as gerações anteriores. Antes dela, a V8.1 — lançada em 14 de abril de 2026 e padrão entre 10 de junho e 23 de julho de 2026 — trouxe a mudança mais concreta em termos de saída: imagens HD em 2K sem precisar passar por upscaling. Essa qualidade extra tem um preço mensurável em tempo de GPU: um conjunto HD consome 1,3 minuto, contra 0,8 minuto de um conjunto SD.
A linhagem do produto ajuda a entender o ritmo de evolução. A V7 saiu em 3 de abril de 2025. Em 9 de janeiro de 2026 chegou o Niji 7, um modelo voltado a estéticas de anime e orientais, desenvolvido em parceria com a Spellbrush, que muitos ilustradores preferem quando o objetivo é linha limpa, paleta saturada e enquadramentos típicos da animação japonesa. Cada modelo tem um comportamento estético próprio, e trocar de versão é uma decisão criativa tanto quanto técnica: o mesmo prompt em modelos distintos entrega interpretações francamente diferentes.
Há dois pontos que definem a experiência e que convém entender logo de início. O primeiro é o modelo de custo: a assinatura compra tempo de GPU, e a própria empresa compara isso a um plano de dados de celular. Não existe camada gratuita — é necessário assinar antes de criar qualquer coisa. O segundo é a natureza pública do serviço: por padrão, o conteúdo gerado é visível e remixável por outras pessoas, e o Midjourney se descreve como uma comunidade aberta. Quem trabalha com material confidencial de cliente precisa levar isso em conta desde o primeiro dia.
Do ponto de vista de acesso, o produto vive em dois lugares ao mesmo tempo: o aplicativo web em midjourney.com e o bot no Discord. A documentação oficial acompanha essa dualidade com instruções paralelas para "On Web" e "In Discord". Uma única assinatura cobre os dois ambientes, e as contas são vinculadas entre eles, então não há necessidade de escolher um caminho exclusivo. Para uso público de geração via API, não há uma interface pública documentada (a verificar) — quem precisa de automação costuma recorrer a fluxos internos e integrações não oficiais, com todos os riscos que isso implica.
Style Reference (--sref) e peso de estilo (--sw): em vez de descrever um estilo com adjetivos, você aponta uma imagem de referência e o modelo extrai dela a linguagem visual — paleta, textura, tratamento de luz, grão. O parâmetro --sw controla o quanto essa referência pesa no resultado final, o que permite ir de uma inspiração sutil até uma imitação bastante fiel. Na prática, é o recurso que mais aproxima a ferramenta de um trabalho consistente de identidade visual, porque a mesma referência aplicada a prompts diferentes mantém uma unidade de família.
Omni Reference (--oref): substituiu o Character Reference a partir da V7 e amplia o escopo do que pode ser transportado entre imagens. Ele carrega a semelhança de uma pessoa ou a forma de um objeto, o que significa que o mesmo personagem ou o mesmo produto pode reaparecer em cenários, ângulos e iluminações distintas. É o recurso central para quem precisa de continuidade narrativa — storyboards, séries de anúncios, catálogos com um item recorrente.
Personalization (--p) e moodboards: o sistema aprende suas preferências estéticas e passa a aplicá-las por padrão, criando perfis que funcionam como uma assinatura visual pessoal. Os moodboards permitem alimentar esse perfil com conjuntos curados de imagens, em vez de depender apenas do histórico de escolhas. A V8.2 colocou Personalization no centro do lançamento, o que sinaliza uma aposta clara em resultados que soem autorais e não genéricos.
Parâmetros de controle fino: --ar define a proporção, --stylize regula quanto o modelo impõe sua própria estética sobre o pedido literal, --weird empurra o resultado para territórios incomuns, --chaos aumenta a variedade entre as quatro imagens da grade, --no exclui elementos indesejados, --tile gera padrões que se repetem sem emenda, --seed fixa o ponto de partida para reprodutibilidade e --raw reduz a interpretação estética automática. Combinar dois ou três desses parâmetros costuma render mais controle do que escrever prompts cada vez mais longos.
Ferramentas de edição: Variations gera alternativas a partir de uma imagem escolhida, Upscalers aumentam a resolução, Pan estende a cena lateralmente, Zoom Out afasta o enquadramento revelando contexto novo, Remix permite alterar o prompt mantendo a composição e o Editor faz repintura por região. Esse conjunto transforma o processo de uma loteria em algo iterativo: você raramente aceita a primeira grade, e sim converge para o resultado através de ajustes sucessivos.
Geração de vídeo: uma imagem única vira um clipe de cinco segundos, com essa imagem servindo como primeiro quadro; o prompt de texto é opcional. Os parâmetros --motion low e --motion high controlam a intensidade do movimento, --loop fecha o ciclo, --end define um quadro final e --bs ajusta o comportamento do lote. O padrão é gerar quatro vídeos por prompt, mas dá para reduzir para um ou dois quando o objetivo é economizar tempo de GPU.
Organização de biblioteca: a página Organize, com suporte a pastas, resolve um problema que aparece rápido em qualquer uso profissional — o volume. Depois de algumas semanas, um projeto acumula centenas de grades, e sem estrutura de arquivamento fica inviável recuperar aquela variação específica aprovada pelo cliente. A barra Imagine na página Create concentra a entrada de prompts e mantém o ciclo de criação em uma tela só.
Exploração visual em fase de concepção: antes de fechar um conceito de campanha, times criativos usam o Midjourney para testar dezenas de direções em uma tarde. Como cada prompt devolve quatro variações, o volume de material para discussão cresce muito rápido. Isso muda a dinâmica de reunião: em vez de debater descrições abstratas, a equipe compara imagens concretas e elimina caminhos fracos cedo. O custo de errar uma direção despenca quando testar custa um minuto de GPU em vez de um dia de ilustrador.
Storyboards e continuidade de personagem: com o Omni Reference, é possível manter a mesma figura ao longo de uma sequência de quadros, variando ângulo, expressão e cenário. Diretores de arte que trabalham com filmes publicitários usam isso para apresentar o arco visual completo antes de qualquer produção. A consistência não é perfeita e exige seleção manual entre as opções, mas é suficiente para comunicar intenção a um cliente. Combinado com Pan e Zoom Out, o mesmo ambiente pode ser expandido em planos abertos e fechados.
Moodboards e definição de identidade visual: agências montam painéis de referência que antes dependiam de bancos de imagens genéricos e agora podem ser gerados sob medida. O Style Reference torna esse processo cumulativo: uma vez encontrada a linguagem certa, ela é reaplicada a novos assuntos com --sref. Para marcas que precisam de uma estética que não existe pronta em nenhum banco, essa é a diferença entre aproximar e acertar. O resultado costuma servir como briefing visual para fotógrafos e ilustradores contratados depois.
Materiais de marketing e conteúdo social: equipes de conteúdo produzem imagens para posts, banners, capas e newsletters em ritmo que a produção tradicional não acompanha. O parâmetro --ar cobre as proporções exigidas por cada canal sem recorte manual, e --tile resolve fundos e padrões repetíveis. A geração de vídeo curto encaixa bem em formatos verticais de rede social, onde cinco segundos já são um ativo utilizável. Para quem publica diariamente, o ganho de tempo é o argumento mais forte.
Prototipagem de produto e visualização de conceito: designers industriais e de embalagem geram variações de forma, cor e acabamento antes de investir em renderização 3D. O Omni Reference permite carregar a forma de um objeto entre cenas, o que ajuda a apresentar o mesmo produto em contextos de uso diferentes. Vale a ressalva de que o resultado é ilustrativo e não técnico: nenhum arquivo gerado serve como especificação de fabricação. A função aqui é alinhar expectativas e vender uma direção internamente.
Ilustração editorial e conceito para jogos: publicações e estúdios usam a ferramenta para abertura de matéria, capas e concept art de ambientes e criaturas. O Niji 7 atende especificamente quem trabalha com estética de anime, com parâmetros que respondem bem a pedidos de linha e cor típicos do gênero. Artistas conceituais costumam tratar as saídas como ponto de partida — importam para o software de pintura digital e refinam manualmente. Esse fluxo híbrido, gerar e depois pintar por cima, é o mais comum entre profissionais experientes.
Assine um plano e escolha o ambiente: como não existe camada gratuita, o primeiro passo é contratar uma das assinaturas. Depois disso, decida se vai trabalhar no aplicativo web em midjourney.com ou pelo bot no Discord. Uma assinatura cobre os dois, e as contas ficam vinculadas, então a escolha é de preferência de interface e não de licença.
Escreva o prompt na barra Imagine: na página Create, descreva a cena com substantivos concretos, indicação de enquadramento, iluminação e materiais. Prompts vagos produzem resultados genéricos; prompts com detalhe específico — o tipo de lente, a hora do dia, a textura do material — dão ao modelo âncoras reais. Evite listas longas de adjetivos decorativos, que costumam se anular entre si.
Acrescente os parâmetros no final: as regras de sintaxe são rígidas e vale memorizá-las. Os parâmetros vão sempre no fim do prompt, é preciso um espaço antes dos traços e não se usa pontuação dentro deles. Um erro de espaçamento faz o parâmetro ser lido como texto comum, e o resultado sai fora da proporção ou do estilo pedido sem nenhuma mensagem de erro evidente.
Acompanhe a renderização e avalie a grade: o pedido devolve quatro imagens que você vê sendo renderizadas até chegar a 100%. Analise a grade inteira antes de decidir: muitas vezes a melhor composição está em uma imagem cujo detalhe está errado, e é mais eficiente partir dela com Variations do que reescrever o prompt do zero.
Refine com as ferramentas de edição: use Variations para explorar alternativas próximas, Upscalers para elevar a resolução, Pan e Zoom Out para reenquadrar, Remix para alterar o texto mantendo a estrutura e o Editor para repintar regiões específicas. Esse ciclo iterativo é onde o trabalho profissional realmente acontece — a primeira grade quase nunca é a entrega final.
Organize e, se for o caso, gere vídeo: arquive as aprovações em pastas na página Organize, para que o material seja recuperável semanas depois. Quando quiser movimento, transforme uma imagem selecionada em um clipe de cinco segundos, ajustando --motion low ou --motion high conforme a intensidade desejada e usando --loop se o clipe precisar fechar em ciclo.
Domine a sintaxe antes de culpar o modelo: boa parte dos resultados "errados" vem de parâmetros mal escritos. Confirme que eles estão no fim do prompt, que existe um espaço antes dos traços e que não há vírgula, ponto ou aspas dentro deles. Um --ar 16:9 escrito colado à palavra anterior simplesmente não é interpretado.
Use --seed quando precisar de reprodutibilidade: fixar a semente permite alterar um único elemento do prompt e observar o efeito isolado dessa mudança. Sem isso, cada nova geração muda tudo ao mesmo tempo e fica impossível saber qual palavra causou qual diferença. É a forma mais rápida de aprender como o modelo reage ao seu vocabulário.
Prefira --no a descrever ausências no texto: pedir "sem texto na imagem" dentro do prompt costuma ter efeito fraco ou contrário, porque a palavra reforça o conceito. O parâmetro de exclusão existe justamente para isso e funciona de maneira mais confiável.
Calibre --stylize conforme a fidelidade exigida: valores altos deixam o modelo impor sua própria estética, o que é bom para exploração livre e ruim quando o cliente pediu algo específico. Para trabalhos com referência fechada, valores baixos combinados com --raw costumam entregar mais obediência ao pedido literal.
Controle o custo com o formato certo: um conjunto SD consome 0,8 minuto de GPU e um HD consome 1,3 minuto. Explore em SD e só suba para HD quando a direção estiver definida. Para vídeo, reduzir o lote padrão de quatro para um ou dois faz diferença real, já que um prompt de vídeo custa cerca de oito minutos de GPU.
Construa uma biblioteca de referências de estilo: guarde as imagens que funcionaram como --sref em uma pasta identificada. Com o tempo, você acumula um repertório reutilizável que acelera muito o começo de cada projeto e garante coerência entre peças de uma mesma campanha.
Reserve o Personalization para trabalho autoral: perfis personalizados são excelentes para desenvolver uma assinatura visual própria, mas atrapalham quando o pedido exige a estética de outra marca. Saiba desligar o perfil quando o trabalho não é seu.
Assuma que a primeira grade é rascunho: profissionais que obtêm bons resultados raramente entregam a saída bruta. O padrão é gerar, escolher, variar, editar por região e finalizar em um software de imagem. Tratar a ferramenta como um gerador de matéria-prima, e não de peça final, produz expectativas mais realistas.
Diretores de arte e criativos de agência, que precisam apresentar várias direções visuais em prazo curto e ganham muito com a produção de quatro alternativas por pedido. A ferramenta encurta a distância entre a ideia e algo que pode ser mostrado numa reunião.
Designers gráficos e de identidade visual, que usam Style Reference e moodboards para desenvolver linguagens visuais sob medida em vez de garimpar bancos de imagem. O controle de estilo é o diferencial nesse perfil de uso.
Profissionais de marketing e conteúdo, responsáveis por alimentar canais com peças em ritmo constante. O suporte a múltiplas proporções e a geração de clipes de cinco segundos cobrem boa parte da demanda diária de social.
Ilustradores e artistas conceituais, sobretudo os que trabalham em fluxo híbrido: geram base, importam para o software de pintura e refinam manualmente. O Niji 7 atende especificamente quem produz em estética de anime.
Equipes de produto e embalagem, que precisam visualizar conceitos antes de investir em modelagem 3D ou fotografia. O Omni Reference permite carregar a forma de um objeto entre diferentes cenários de apresentação.
Editores e publicações, que produzem aberturas de matéria, capas e material de apoio visual. A velocidade compensa quando o ciclo editorial não comporta encomendar ilustração original para cada peça.
Empresas com uso comercial e exigência de sigilo, com uma ressalva importante: o Stealth Mode, que mantém as criações privadas, está disponível apenas nos planos Pro e Mega. Quem trabalha com material confidencial precisa considerar esse requisito antes de escolher um plano.
Aplicativo web em midjourney.com: é o ambiente mais completo em termos de interface, reunindo a página Create com a barra Imagine, a página Organize com pastas, o Editor de repintura por região e a configuração de Personalization. Para quem começa agora, é o caminho mais direto.
Bot no Discord: a via original do produto, ainda plenamente suportada. A documentação oficial mantém instruções paralelas em blocos "On Web" e "In Discord", então cada recurso tem seu equivalente documentado nos dois ambientes. Times acostumados ao fluxo de servidor continuam produzindo sem migrar.
Assinatura única para ambos os ambientes: não é preciso contratar duas vezes. Uma assinatura cobre web e Discord, e as contas são vinculadas entre as plataformas, de modo que o histórico e os créditos de tempo de GPU são compartilhados.
Ausência de API pública de geração documentada (com base em informações públicas): não há uma interface programática oficial publicada para gerar imagens ou vídeos. Projetos que exigem automação em escala precisam avaliar essa limitação antes de desenhar qualquer pipeline dependente da ferramenta.
Modos de execução como camada de plataforma: além de onde você acessa, importa como o pedido é processado. O Fast Mode consome tempo de GPU e está disponível em todos os planos; o Relax Mode oferece geração ilimitada de imagens a partir do plano Standard, mas com fila. Para vídeo, todos os planos podem gerar em Fast Mode, enquanto no Relax Mode apenas Pro e Mega têm acesso — e só em SD.
De acordo com o site oficial em agosto de 2026, existem quatro planos de assinatura: Basic a 10 dólares por mês, Standard a 30, Pro a 60 e Mega a 120. Pagando anualmente, os valores equivalem a aproximadamente 8, 24, 48 e 96 dólares mensais, resultado de um desconto de 20% concedido a quem paga o ano adiantado. Não existe camada gratuita — a assinatura é pré-requisito para criar qualquer coisa. O que a assinatura compra, na prática, é tempo de GPU, e o próprio Midjourney compara esse modelo a um plano de dados de celular: você contrata uma cota mensal e a consome conforme gera. A cota de Fast GPU time por mês é de 3,3 horas no Basic, 15 horas no Standard, 30 horas no Pro e 60 horas no Mega. Tempo adicional pode ser comprado a 4 dólares por hora. Um detalhe que costuma pegar assinantes de surpresa: o tempo Fast não utilizado não é acumulado para o mês seguinte — ele é zerado a cada renovação.
Traduzir horas de GPU em produção real exige entender o custo por operação. Um prompt de imagem consome cerca de um minuto de GPU; um prompt de vídeo, cerca de oito minutos. Detalhando: um conjunto de quatro imagens em SD custa 0,8 minuto, o mesmo conjunto em HD custa 1,3 minuto, e um lote de quatro vídeos SD custa 8 minutos. A VentureBeat relatou que tarefas de vídeo custam aproximadamente oito vezes mais que tarefas de imagem, o que é consistente com esses números. Além do tempo Fast, há diferenças de recurso entre planos que muitas vezes pesam mais na decisão do que o preço: o Relax Mode, com imagens ilimitadas, começa no Standard; o Stealth Mode, que mantém as criações privadas, existe apenas no Pro e no Mega. Quanto a direitos, você é dono das imagens e vídeos que cria, inclusive após cancelar a assinatura, com duas exceções relevantes: ampliar a imagem de outro usuário não transfere a propriedade, que permanece com o criador original; e uma empresa que fature mais de 1 milhão de dólares por ano precisa de plano Pro ou Mega para uso comercial. O Midjourney declara explicitamente que não presta orientação sobre direitos autorais e recomenda consultar um advogado.
Adobe Firefly: integra-se ao ecossistema Creative Cloud e posiciona-se com foco em uso comercial dentro de fluxos já estabelecidos no Photoshop e no Illustrator, o que reduz o atrito de levar o material gerado para a etapa de finalização.
Ecossistema Stable Diffusion: é a opção de código aberto, executável localmente, com controle profundo sobre modelos, LoRAs e extensões — atraente para quem quer privacidade total e customização técnica, ao custo de configurar e manter a própria infraestrutura.
DALL·E no ChatGPT: funciona dentro de uma conversa, o que torna o refinamento por linguagem natural mais fluido para quem não quer aprender sintaxe de parâmetros, embora ofereça menos controle fino sobre estilo e composição.
Ideogram: destaca-se pela renderização de texto dentro das imagens, área historicamente fraca nos geradores, o que o torna prático para cartazes, embalagens e peças que dependem de tipografia legível.
Runway: nasceu com foco em vídeo em vez de imagem estática, com ferramentas de edição e controle de movimento pensadas para produção audiovisual, sendo a comparação mais direta para quem avalia o Midjourney sobretudo pela função de vídeo.
Não há camada gratuita: qualquer avaliação da ferramenta exige assinatura paga. Isso impede testes exploratórios sem compromisso e obriga a decidir com base em material de terceiros antes de investir.
Precisão de detalhe visual continua sendo o ponto fraco: avaliadores no G2 elogiam a qualidade de imagem, o controle criativo e a economia de tempo, mas relatam frustração recorrente ao tentar obter detalhes visuais precisos e ao lidar com erros que afetam realismo e consistência. Quem depende de exatidão anatômica ou de fidelidade a um produto real deve prever retrabalho manual.
Tempo Fast não acumula: a cota mensal é zerada a cada renovação. Para times com demanda irregular, isso significa desperdício em meses fracos e compra de tempo extra a 4 dólares por hora em meses de pico.
Conteúdo público por padrão: as criações são visíveis e remixáveis por outros usuários, já que o serviço se define como comunidade aberta. A privacidade via Stealth Mode está restrita aos planos Pro e Mega, o que efetivamente estabelece um piso de preço para trabalho confidencial.
Moderação pode bloquear pedidos aparentemente inofensivos: os filtros às vezes barram prompts sem intenção problemática, interrompendo o fluxo de trabalho. O lado positivo é que tarefas bloqueadas não consomem créditos. Os usuários também precisam deter os direitos sobre as imagens que enviam, e a manipulação abusiva de imagens de pessoas reais é proibida.
Limites do vídeo: cada clipe gerado a partir de uma imagem tem cinco segundos. Segundo reportagem de terceiros (TechCrunch, junho de 2025) sobre o modelo de vídeo V1, são gerados quatro vídeos de cinco segundos, extensíveis em quatro segundos até quatro vezes, chegando a cerca de 21 segundos no máximo. Vídeo em HD exige plano Standard ou superior e só funciona em Fast Mode.
Litígio em curso e ausência de orientação jurídica: grandes estúdios de Hollywood, incluindo Disney e Universal, processaram o Midjourney alegando uso de personagens protegidos por direitos autorais nos dados de treinamento e nas saídas. Segundo o noticiado até meados de 2026, o caso seguia em litígio e fase de descoberta, com o Midjourney sustentando a tese de fair use e sem decisão final. A empresa afirma não oferecer orientação sobre direitos autorais e recomenda consultar um advogado — o que reforça a necessidade de avaliação jurídica própria em usos comerciais sensíveis.
Não. É necessário assinar um dos planos pagos antes de criar qualquer imagem ou vídeo, e não há camada gratuita nem período de uso sem custo divulgado no site oficial. Quem quer avaliar a ferramenta precisa começar pelo plano Basic, de 10 dólares mensais.
O Fast Mode consome diretamente a cota mensal de tempo de GPU e processa os pedidos sem espera, estando disponível em todos os planos. O Relax Mode oferece geração ilimitada de imagens a partir do plano Standard, mas coloca os pedidos em fila. Para vídeo, apenas Pro e Mega têm Relax, e somente em SD.
Cada prompt de imagem devolve uma grade de quatro resultados, que você acompanha sendo renderizada na página Create até chegar a 100%. Para vídeo, o padrão também é quatro clipes por prompt, mas é possível reduzir para um ou dois quando o objetivo é economizar tempo de GPU.
A assinatura compra tempo de GPU, num modelo que o próprio Midjourney compara a um plano de dados de celular. Um conjunto de quatro imagens em SD custa 0,8 minuto, o mesmo conjunto em HD custa 1,3 minuto e um lote de quatro vídeos SD custa cerca de 8 minutos. Tempo Fast não utilizado não passa para o mês seguinte.
Sempre no final do prompt, com um espaço antes dos traços e sem nenhuma pontuação dentro deles. Se essas três regras não forem respeitadas, o parâmetro é lido como texto comum e simplesmente ignorado, sem qualquer mensagem de erro que indique o problema.
O Style Reference, acionado por --sref e ajustado por --sw, transporta a linguagem visual de uma imagem: paleta, textura e tratamento de luz. Já o Omni Reference, acionado por --oref, carrega a semelhança de uma pessoa ou a forma de um objeto entre cenas — foi ele que substituiu o Character Reference a partir da V7.
Sim, você é proprietário do que cria, inclusive depois de cancelar a assinatura. Há duas exceções: ampliar a imagem de outro usuário não transfere a propriedade, que continua com o criador original; e empresas com faturamento acima de 1 milhão de dólares anuais precisam de plano Pro ou Mega para uso comercial.
Não é preciso escolher. Uma única assinatura cobre tanto o aplicativo web em midjourney.com quanto o bot no Discord, e as contas são vinculadas entre os dois ambientes. A documentação oficial inclusive mantém instruções paralelas em blocos separados para cada plataforma.
Os filtros de moderação às vezes barram pedidos sem intenção problemática, o que interrompe o fluxo de trabalho e costuma exigir reformulação do texto. A compensação é que tarefas bloqueadas não consomem créditos de GPU, então o custo do bloqueio é apenas de tempo.
Segundo o noticiado pela imprensa, grandes estúdios de Hollywood, incluindo Disney e Universal, processaram a empresa alegando presença de personagens protegidos nos dados de treinamento e nas saídas geradas. Até as reportagens de meados de 2026, o caso continuava em litígio e fase de descoberta, com o Midjourney defendendo a tese de fair use e sem decisão final proferida.
