Už nepoznáte, co vytvořila umělá fantazie. Naučte se generovat úplně cokoli

Obrázky generované umělou inteligencí zaplavují internet. Nová verze služby Midjourney se dostala do popředí virálními „falešnými snímky“ papeže Františka a zatýkaného prezidenta Trumpa. Řada lidí byla zaskočena tím, jak realistické tyto fotomontáže byly.

Ještě překvapivější ale může být, jak snadné je takové snímky vytvořit. Není k tomu už totiž potřeba tolik trpělivosti a experimentování, jako tomu bylo dříve. Třeba na replikaci fotky „papeže v bílé prošívané bundě“ nám stačila jedna minuta a velmi stručná instrukce.

Pojďme se tedy podívat na to, co všechno můžete v nové Midjourney vytvořit.

Kdo někdy pracoval na pile nebo generoval obrázky v Midjourney, umí si vážit lidských rukou, na kterých je pět nepokroucených prstů. Předchozí čtvrtá verze totiž často vyprodukovala otřesně vypadající – i když někdy docela vtipné – dlaně a prsty.

Pokud dáme stejné zadání páté verzi, vidíme jednoznačný pokrok v realistickém zobrazení nejen prstů, ale celé fotografie. U dlaní je to ale nejnápadnější. Pořád sice občas dojde k nějakým defektům (viz šest prstů na levé ruce u snímku níže), ale pokrok je nepopiratelný.

Už čtvrtá verze (o které jsme psali minulý rok) uměla generovat nádherné snímky. Její nástupkyně, uvedená v polovině letošního března, ale překonala i mnohá optimistická očekávání. „Tento model má velmi vysokou koherenci, vyniká v interpretaci výzev v přirozeném jazyce, má vyšší rozlišení a podporuje pokročilé funkce,“ píše k tomu provozovatel služby.

Podívejte se na další výtvory, které jsme vygenerovali pomocí Midjourney verze 5. U každého snímku najdete i instrukce, které jsme použili.

Jak vidíte, pestrost výsledků je ohromná a fantazii se meze nekladou. Rozlišení je navíc obvykle dostatečné pro většinu digitálních použití.

Méně příjemné je, že Midjourney (údajně pouze dočasně) zrušil možnost bezplatného používání: „Vzhledem ke kombinaci mimořádné poptávky a zneužívání zkušebních verzí dočasně vypínáme bezplatné verze, dokud nebudou nasazena další vylepšení systému,“ uvedl David Holz, šéf Midjourney.

Za generování tedy nyní zaplatíte minimálně 10 dolarů měsíčně (základní plán), zatímco profesionální plán s možností rychlejšího generování stojí tři- až šestkrát tolik.

Kdo chce, může si hrát s různými dlouhými instrukcemi. Dokonce můžete požádat nástroje založené na velkých jazykových modelech, aby vám poradily s instrukcemi.

Nezapomeňte dodat parametry dle svých požadavků, třeba –v 5 pro použití nové verze a –ar 3:2 pro klasický formát fotky. Když takovými instrukcemi nakrmíte Midjourney, můžete se dočkat zajímavých výsledků s minimálním vynaloženým úsilím.

Stojí za to poznamenat, že ChatGPT nemá žádný „tajný“ klíč na to, jak z Midjourney dostat dobré výsledky. Jen umí používat deskriptivní jazyk a neunaví se při detailním popisování scény, což je pro lidi často vyčerpávající.

Na druhou stranu, kdo říká, že jsou potřeba desítky řádků? Někdy nejsou k zajímavému výsledku vůbec potřeba slova… Stačí emotikon.

Novou funkcí Midjourney je příkaz /describe. Je to vlastně generování obrázků naruby. Můžete službě poslat libovolný obrázek a systém vygeneruje až směšně podrobné instrukce.

Tyto instrukce pak můžete rovnou použít pro tvorbu vlastních obrázků a jejich variant, případně je využít jako inspiraci pro vlastní instrukce a prompty.

Připomeňme, že můžete také použít obrázek přímo jako součást instrukcí. Nebo dokonce zkombinovat více obrázků do jednoho pomocí příkazu /blend (nebo skrze vložení URL jednoho či více obrázků). Je to docela alchymie, výsledky jsou často neintuitivní a divné. A občas nečekaně nádherné.

Zvláště pokud si chcete vyzkoušet různé styly a jejich kombinace, mohou být právě „obrázkové prompty“ tou nejjednodušší cestou.

Na druhou stranu, pokud čekáte, že obrázkový prompt zachová třeba původní obličej, tak budete zklamaní.

Systém si z fotky „něco“ vezme, ale třeba zrovna u obličejů to bude maximálně vzdálená podoba. Pokud chcete generovat fotky sebe sama, nebo jiného konkrétního člověka, můžete zkusit vytrénovat vlastní model či vyzkoušet nějakou k tomu určenou službu. V Midjourney také můžete experimentovat s různým nastavením „váhy“ a laděním variant.

Midjourney verze 5 má k dokonalosti rozhodně daleko. Chybí možnost konzistentní práce s více subjekty na snímku a není vůbec jednoduché se skrze instrukce dostat třeba k fotografii celé postavy. Konkurenční nástroje experimentují například s technikou ControlNet, která umožňuje přesnější ovlivnění výsledku. Celkově vzato ale výsledky z Midjourney pořád platí za nejlepší.

Už nyní je jasné, že tento návod celkem rychle zastará. V dalších verzích zřejmě budou možné věci, které dnes Midjourney nezvládá. Třeba náhradu konkrétní části obrázku (to umí DALL-E a starší verze Dream Studia), rozšíření obrázku nebo vkládání textu do obrazu.

Každopádně všechny loňské poučky o tom, jak na internetu rozpoznat vygenerované snímky, s nástupem Midjourney verze pět dostávají značnou trhlinu. Musíme si zvyknout, že takovéto „fotografie“ ve skutečnosti nejsou fotografiemi. Bude zajímavé sledovat, co to udělá s naší (už tako narušenou) důvěrou ve fotografie obecně.

Aktualizace a oprava: V článku jsme opravili překlep u příkazu /describe. Doplnili jsme informace o autorských právech.