Midjourney 是一款把文字描述变成成品画面的生成式图像与视频工具。你在输入框里写下想看到的场景，模型一次返回四张候选图；接下来的工作是挑选与打磨——选出最接近意图的那张，生成它的变体、放大它、重绘其中某个区域、把画布向外扩展，或者让它动起来变成一段短视频。官方文档把这款产品直接描述为「把文字变成图像与视频的入口」，这句话概括得相当准确：它不是一款顺便加了 AI 功能的修图软件，而是一台生成引擎，连它的编辑工具也都是通过重新生成像素来工作，而非像传统软件那样挪动既有像素。
在拥挤的赛道里，它的站位很有辨识度。有的同类产品比拼可控性，有的比拼与既有设计套件的打通，而 Midjourney 一直在比拼审美：默认出图偏向戏剧化的光影、笃定的构图和鲜明的态度，代价是有时并不字字听话。近期的模型迭代把这一取向说得很明白——截至 2026 年 8 月官网显示，当前默认版本 V8.2 于 2026 年 7 月 24 日上线，官方称这一版聚焦美学、画质与个性化，出图更具创造性、更大胆也更有锋芒。这种鲜明的「家族风格」是它最大的吸引力，在某些活儿上也正是它最大的束缚。
还有两点让日常体验区别于多数竞品。其一，它卖的是 GPU 时长而不是「多少张图」的额度：订阅本质上是买下每月的处理时间，官方干脆把 GPU 时间类比成手机套餐里的流量。其二，它同时活在两个地方——midjourney.com 上的完整网页应用，以及 Discord 里的机器人，两边共用同一套模型，一份订阅通吃。典型用户是插画师、概念设计师、艺术指导、需要持续产出活动视觉的营销人员，以及游戏与影视前期团队；独立创作者也常用它在没有委托预算的情况下获得大量原创图像。
一次四张的文生图网格：一条提示词返回的是四个候选而非一个结果，这把「生成」从抽奖变成了筛选。官方上手流程写得很直白：按下回车后系统生成一组四张图，你可以实时看着它们成形，进度到 100% 即完成。以四为单位工作，让你更容易撞见没预想到的方向，而不是费力把它提前描述出来。
风格参考与风格权重：通过 --sref 指向一张你想对齐观感的图片，再用 --sw 控制这份参考的牵引力度。配合风格代码与风格创建器，这套机制才是让整场活动或整个系列保持视觉统一的抓手，省得每次都用一大段形容词重述审美。
Omni Reference 锁定主体：如果说风格参考承载的是「长什么样的调子」，那么 Omni Reference（--oref）承载的是「谁或什么东西」——一个人的相貌特征或一件物体的形态，让同一角色、同一产品能跨图复现。它从 V7 起取代了早先的角色参考方案，正面回应了生产环节最难的问题：一组画面里主角还认得出来吗。
个性化档案与情绪板：系统可以从你的评分与自建情绪板里学习你的偏好，再通过 --p 参数把生成结果向你的口味倾斜。V8.2 的官方说明提到，个性化对累积了大量评分的档案理解得更好，且为该版本创建档案时可挑选的图片池更大也更优质。
图生视频：任何一张静态图——无论是它生成的还是你上传的——都能变成 5 秒短片，原图作为首帧，文字提示词可选，用来引导画面里的运动。运动幅度可在低与高之间切换，还能让片段循环，或者指定一张自定义的结束帧。
生成式编辑工具：除了首次出图，工具箱里还有变体、放大、定向扩展画面的 Pan、把镜头拉远的 Zoom Out、中途改词的 Remix，以及支持局部重绘的编辑器。它们让一张「差一点就对」的图能就地收尾，而不必推倒重来、把已经对的部分一起弄丢。
一套用于精细控制的参数语言：提示词末尾可以追加一组有文档记载的开关——画幅比例、风格化强度、古怪程度、多样性、排除项、无缝平铺、可复现的随机种子，以及去掉默认风格的 Raw 模式。语法要求很严格：参数必须放在描述文字之后，破折号前留一个空格，参数内部不能带标点。
概念设计与前期开发：游戏、影视和动画的美术部门需要在投入昂贵制作之前快速探索视觉可能性。每条提示词出四张、再用风格参考锁定方向，把过去需要几天的缩略草图阶段压缩到一个下午；当探索扩展成一整组镜头时，Omni Reference 负责让选定的角色保持一致。
营销与活动视觉：社媒帖子、信息流广告、落地页头图、季节性主视觉，都要求源源不断且调性统一的图像。团队可以先把一种观感确定下来，存成风格参考或个性化档案，然后批量产出共享同一视觉身份的变体——既避开图库照片的千篇一律，也不必为每个营销节点重新组织一次拍摄。
内容与出版配图：博客、newsletter、研究报告和书籍项目经常需要为抽象主题配图，而这类题材根本不存在现成照片。由于生成由提示词驱动，编辑可以在几分钟内为一个难以图解的概念定制一张隐喻图，用风格化参数调整语气，最终得到专属于这篇文章的画面，而不是又一次用上人人都在用的图库图。
产品与包装探索：工业设计师和品牌团队用它在实物样品出现之前，把产品形态、材质、配色和包装放进具体场景中预演。Omni Reference 让产品形态保持稳定的同时自由更换环境与光线，很适合检验一个设计在不同呈现语境下是否依然成立。
社媒短动态素材：由一张过审的静态图动画而来的 5 秒片段，恰好填补了静态图文与完整视频制作之间的空档。因为动画起点是已经确认的画面，运动环节直接继承了构图与美术决策，不用把这些争论重打一遍；循环输出也契合信息流自动播放的习惯。
个人创作与风格养成：独立艺术家把它当作视觉想法的速写本——测试构图、通过个性化机制养出一套可辨认的个人审美、积累素材库。社区维度在这里同样重要：公开生成的作品默认可被浏览与再创作，画廊因此成了一个持续更新的技法来源。
先订阅，再创作。 与很多竞品不同，这里没有常设的免费档可供先行体验；官方上手指南把「订阅」排在「创作」之前，所以选套餐是名副其实的第一步，而不是用着用着才遇到的付费墙。
登录 midjourney.com，打开 Create 页面。 这是主工作区，生成结果会在渲染过程中实时出现。从 Discord 进来的用户建议用「Continue with Discord」方式登录，好让两个入口共用同一个账号与同一个图库。
在 Imagine 输入框写提示词。 输入框位于 Create 页顶部，写下你想看到的画面并回车。系统会生成一组四张图，进度条走到 100% 时这一格就完成了，可以开始下一步操作。
用参考图和参数校准方向。 挂上风格参考去对齐既有观感，挂上 Omni Reference 让主体跨图延续，或者在末尾追加画幅比例、风格化强度之类的参数。切记参数要放在提示词最末尾，破折号前留空格，参数里不要出现标点。
打磨选中的那一张。 用变体探索它的近邻，用放大提升分辨率，用 Pan 与 Zoom Out 扩展构图，用编辑器重绘某个具体区域。真正的活儿大多在这一步——第一组网格是起点，不是交付物。
动画化或导出。 想让静态图动起来，打开该图并使用动画按钮，选择低或高运动幅度；想动画化自己的图片，则从图片面板把它设为起始帧。成品在 Organize 页下载、排序和归档，文件夹与筛选器也在那里。
描述画面，而不是下达指令。提示词最好写成对一张成品图的描述——主体、环境、光线、镜头处理、媒介——而不是写成对助手说的话。「请帮我做一张」这类措辞只占位置，不提供任何视觉信息。
一次只改一个变量。结果接近但不对时，别急着重写整条提示词。固定其他条件，只调风格化强度、只换风格参考、或只动画幅比例，你才能知道究竟是哪根杠杆推动了变化。
比较方案时锁定种子。可复现的随机种子能告诉你：措辞的改动是真的改善了画面，还是这一次运气比较好。缺了这道纪律，提示词实验很快会退化成玄学。
尽早养一个个性化档案，然后信任它。评图这件事枯燥一小时，受用好几个月。既然当前模型在积累了大量评分数据的档案上表现明显更好，把这份功夫前置，后面每个项目都在吃红利。
把「风格」和「主体」分开管。审美交给风格参考，被画的对象交给 Omni Reference。想在一条提示词里用文字同时摁住两者，是系列作品中角色一致性崩掉的最常见原因。
有意识地规划 Fast 时长。官方给出的量级是：一次图像提示词约耗一分钟 GPU 时间，一次视频提示词约八分钟——探索很便宜，视频不便宜。草稿模式与 Relax 模式的存在，正是为了让大范围试错不吃掉留给终稿的额度。
做动画时先调小批量。视频提示词默认一次出四条，但批量可以设成一条或两条。在 Fast 时长有限的套餐上，这一个设置往往就是「项目做完」与「月中断粮」的分界线。
预期审核摩擦并提前绕行。官方说明相当坦率：看似无害的提示词也可能被过滤器拦下，而被拦截的任务不消耗额度。多数时候换一种说法比申诉更省时间。
概念设计师与插画师：需要快速产出并评估大量视觉方向的从业者，且更看重有辨识度的审美底子，而非对每一个提示词从句的字面还原。
艺术指导与品牌设计师：负责在众多交付物之间维持视觉一致性的角色，从风格参考、可复用的风格代码和承载品牌调性的个性化档案中获益最多。
营销与社媒团队：在截稿压力下持续产出活动图像的团队，他们的替代方案往往是图库照片，或者一笔根本不存在的拍摄预算。
游戏、影视与动画前期部门：在投入昂贵资产制作之前搭建情绪板、场景研究与角色探索的部门。
独立创作者与小型工作室：身边没有常驻摄影师、插画师或修图师，却需要专业级视觉的单兵作战者，愿意用学习成本换产出质量。
产品与包装设计师：在实物打样为时尚早的阶段，先行预演形态、表面处理与货架呈现效果的从业者。
研究视觉文化的教育者与研究者：需要直接演示、检视或批判生成式图像的用户，包括它的失效模式与授权层面的复杂性。
网页应用：主入口是浏览器里的 midjourney.com，包含带 Imagine 输入框与设置面板的 Create 页、用于排序与下载的 Organize 页，以及个性化、情绪板、文件夹和编辑器。
Discord：最早的使用方式至今仍被完整支持。通过频道或私信里的命令发起生成，用设置命令调整参数，靠网格按钮做放大与变体。官方文档对主要功能都并列给出「网页端」与「Discord 端」两套说明，一份订阅覆盖两处。
跨端账号打通：两个环境的账号可以互相连接，只要用匹配的方式登录，在一端生成的图会出现在另一端的同一个图库里。
移动端访问：网页应用可以从手机浏览器打开，官方文档也提到用移动设备时点击发送按钮。是否提供独立的原生客户端，建议以官网当下的说明为准，不要想当然。（信息待验证）
未见公开的生成 API：程序化调用不在有文档记载的产品范围内，工作流是围绕网页应用与 Discord 搭建的，而非围绕接口调用。（基于公开资料推测）
这里没有免费档。官方上手路径要求先选套餐并完成订阅，之后才谈得上创作，也就是说评估发生在付费之后而非之前——这与提供少量免费生成额度的竞品是实打实的差别。访问权限被切成四档订阅：Basic、Standard、Pro 与 Mega。所有套餐都是订阅制，按月或按年自动续费直到取消；选择年付并一次性付清全年费用可享 20% 折扣。截至 2026 年 8 月官网显示，四档的月付价格分别为 10、30、60、120 美元，年付折算下来大致相当于每月 8、24、48、96 美元。
拉开档位差距的主要是吞吐量与隐私，而不是能不能用到某个模型。每档都含一份每月的 Fast GPU 时长——Basic 为 3.3 小时，往上依次是 15、30 和 60 小时——且未用完的 Fast 时长在续费时不会结转到下个月。不消耗 Fast 额度、以排队方式生成的 Relax 模式，从 Standard 档起提供无限图像生成；而 Relax 模式下的无限视频生成需要 Pro 或 Mega。让作品保持私密的 Stealth 模式仅在 Pro 与 Mega 上提供。额外的 Fast 时长可按每小时 4 美元购买，各档在可并发的任务数上也有差异。商用还有另一道门槛：年营收超过 100 万美元的企业须订阅 Pro 或 Mega 才能将成果用于商业用途。由于档位与配额历史上多次调整，具体权益请始终以官网当前的定价文档为准。
Adobe Firefly：主打商用安全性与套件整合，训练数据的取向意在降低权利争议，并与 Photoshop、Illustrator 的工作流直接打通。法务审查比审美野心更严格的团队常选它。
Stable Diffusion 生态：开源模型，可以跑在本地或自有基础设施上，有社区微调、可控条件输入，也没有按图计费的服务成本。它用打磨度和便利性，换来了控制权、隐私与可扩展性。
ChatGPT 中的 DALL·E：长于字面遵循提示词，也擅长用对话方式反复修改，适合更愿意「说清楚要改什么」而不是学一套参数语法的用户，代价是默认审美没那么有主张。
Ideogram：以图内文字渲染见长，因此常被用作海报、Logo 以及任何需要画面内排版清晰可读的场景中的搭档工具。
Runway 等视频优先工具：从一开始就为运动而生，提供更长时长、时间线剪辑和超出「五秒图生视频」范畴的镜头控制。就静态图工作而言，它更像互补而非直接竞争。
没有免费评估路径：由于订阅先于创作，你无法在付费前判断这套审美是否适合手上的项目。公开评测平台上，用户经常把这一点列为上手的主要摩擦。
精确控制依然困难：G2 等平台的评价者在给出高画质评分的同时，也持续反馈难以实现精确的视觉细节，以及生成结果中的错误会影响真实感与一致性。让出图好看的那套家族风格，同时也在抗拒字面指令。
视频成本陡增：一次图像提示词约耗一分钟 GPU 时间，一次视频提示词约八分钟，所以做动态消耗额度的速度远快于做静态。独立媒体在视频模型发布时的报道也把视频任务的成本量级描述为图像任务的约八倍。
作品默认公开：内容默认可被公开浏览与再创作，条款把 Midjourney 描述为一个开放社区，他人可以使用并再创作公开发布的内容。要隐私就得用 Stealth 模式，而它只在高档位提供——对签了保密协议的客户项目来说，这是必须提前算进去的一笔。
版权诉讼尚无定论：多家大型电影公司就训练与输出中涉及受版权保护的角色对 Midjourney 提起诉讼。截至 2026 年年中的报道显示，该案仍处于审理与取证阶段，Midjourney 主张在此类素材上训练属于合理使用，尚未出现终局判决。处在监管或权利敏感语境中的团队应持续跟踪进展，而不要假定尘埃落定。
所有权宽泛但有条件：你拥有自己创作的成果，但条款划出了例外——放大另一位用户的图片，所有权仍归原创作者；营收门槛则决定了你需要哪一档套餐。Midjourney 明确表示不提供版权方面的指导，建议就特定司法辖区的问题咨询律师。
审核过滤会误伤：并无恶意的提示词有时也会被拦下，即便被拦截的任务不扣费，创作节奏还是会被打断。上传外部图片还附带额外义务，包括你必须持有所上传图像的相应权利，以及不得以侮辱性方式操纵真实人物的图像。
没有常设的免费档。官方引导流程要求先选定并订阅一个套餐，之后才能开始创作。想在掏钱之前感受一下画风的人，通常只能依靠社区画廊里大量公开的生成作品来判断。
付费订阅下通常可以——文档写明你拥有自己创作的图片与视频，而且即便日后取消订阅，这份所有权依然成立。但有两条例外：放大他人的图片并不会把所有权转移给你；年营收超过 100 万美元的公司必须使用 Pro 或 Mega 套餐才能商用。
买的是 GPU 时长，而不是固定的出图张数。每档套餐包含每月一定量的 Fast GPU 小时数，续费时重置且不结转；更高档位额外提供无限的 Relax 模式生成、更大的并发上限以及隐私功能。
按官方给出的近似值，一次图像提示词约耗一分钟 GPU 时间，一次视频提示词约八分钟。一组四张标清图约 0.8 分钟，一组高清图约 1.3 分钟，四条标清视频约八分钟。
默认使用官方最近推为默认的版本，你也可以在提示词里用版本参数临时覆盖，或在设置面板里全局指定。截至 2026 年 8 月官网显示，V8.2 于 2026 年 7 月 24 日成为默认版本，此前是 V8.1；包括 V7 与 V6 在内的旧版本仍可选用。
可以。一张图片作为首帧变成 5 秒片段，文字提示词可选，运动幅度可在低与高之间选择。能用到什么程度取决于套餐：所有档位都能在 Fast 模式下生成视频，只有 Pro 与 Mega 能在 Relax 模式下生成，而高清视频需要 Standard 及以上并在 Fast 模式下进行。
默认不是。除非使用仅在 Pro 与 Mega 上提供的 Stealth 模式，否则创作内容是公开可见且可被再创作的。对于涉密或客户委托的工作，选哪一档套餐实际上就是在做隐私决策。
不必。完整流程都可以在浏览器里的 midjourney.com 上跑通，包括生成、编辑、个性化与整理归档。Discord 仍然为习惯它的用户保留，一份订阅同时覆盖两个入口。
使用 Omni Reference，它负责在多次生成之间延续某个人的相貌特征或某件物体的形态，并已取代早先的角色参考方案。再搭配一张风格参考，让「观感」和「主体」由两套机制分别控制，而不是在一条提示词里互相打架。
包括迪士尼与环球在内的大型制片方，就训练数据及输出中出现其角色形象对 Midjourney 提起了著作权主张。截至 2026 年年中的媒体报道，该案仍在审理与取证阶段，Midjourney 主张构成合理使用，尚未见终局判决。涉及自身具体情形的问题，请咨询有资质的律师。
