Midjourney 怎么用？从提示词到商用

一、Midjourney 是什么：一个卖”感觉”的工具

先用一句话说清：Midjourney（midjourney.com）是一个文生图工具，你写一段描述，它给你四张图。它不做排版、不做分层、不导出可编辑文件，只交付”画面本身”。

这个定位决定了它的性格。它不追求”你说什么它画什么”，它追求”画出来好看”。同样一句描述，它常常会自作主张地加光影、加景深、加空气感，结果比你原本设想的更漂亮，但也更不受控。

所以评估它的时候，别用”准不准”这一把尺子。它擅长的战场是氛围、质感、情绪，不擅长的是精确制图、精确文字、精确排版。认清这条线，后面所有的取舍都会变得简单。

1.1 从 Discord 到网页版

早期 Midjourney 只有一个入口：Discord。你在频道里输入 /imagine，机器人把图发在聊天流里。这种方式今天还在，也还有人用，因为社区氛围和别人的提示词是免费的学习材料。

现在的主力入口是网页版。登录后左侧是创作区，中间是提示词框，右侧是历史记录和参数面板，出图直接进你的个人画廊，可以建文件夹分类。对新手来说，网页版省掉了学 Discord 命令的那半小时。

Discord 机器人仍然值得留着。一是它的”看别人怎么写出这张图”的功能无可替代；二是团队协作时，频道本身就是一个共享素材池。两套入口不冲突，用哪个看你当下在干什么。

1.2 版本线：V5 到 V7 变了什么

V5 是它第一次让外行觉得”这不像 AI 画的”。那一代的强项是光影和皮肤质感，弱项是手、远景细节和大光比场景。

Midjourney V6 把真实度又推了一步，最大的变化是能画对简单的文字了，招牌、海报标题、T 恤印花这些以前必翻车的场景开始可用。V6.1 是在 V6 上做的手感和细节修补，出图更”稳”，废片率明显下降。

V7 的重点是理解力和一致性的提升，复杂描述的执行准确度比 V6 好，风格参考也更听话。但要清楚一件事：版本越高不等于越适合你。做插画的人有不少还留在 V6，因为 V7 太”照片”，反而不像画。

1.3 它明确不做什么

它不做精确的文字排版，不做分层文件，不做矢量输出，也不做可编辑的模板。你拿到的是像素，不是设计稿。这条边界看着是缺点，其实是它能把美学做到这个水平的原因——它不用为”可编辑”妥协。

它也不保证一致性。同一个角色换场景、换服装、换机位，脸会漂。参考功能能压住大部分，但压不死。要拍连续剧集级别的角色贯穿，现在还得靠人工筛图和后期修。

二、上手前的准备

2.1 账号和入口怎么选

网页版地址是 midjourney.com，用 Google 账号或 Discord 账号授权登录，不需要单独注册。登录后先完成引导，选几个你喜欢的图像风格，它会据此调整默认审美倾向。

建议主力用 Midjourney 网页版。改参数、翻历史、对比四宫格、管理文件夹，这些操作在网页上顺手得多。Discord 留着看社区和抄结构，别把它当工作台。

还有一点要提前知道：它没有免费额度。注册完不订阅，基本只能看不能画。这一点和国内多数工具有本质差别，别抱着”先白嫖几张试试”的心态进去。

2.2 订阅按”快速生成时长”计

它按月订阅，分 Basic、Standard、Pro、Mega 四个档。计费的核心不是”生成多少张”，而是”快速生成时长”——你每按一次生成，就按当时的模式扣掉一段计算时间。

Midjourney 除了快速时长，还有 Relax 模式，出图慢但不占快速额度，中高档位才有。这个设计对创作者的启示很直接：想清楚再按，比按得多更重要。一张图抽二十次，四张废片也照样扣时间。

具体每档给多少时长、多少钱，以官网当期页面为准。这里只讲结构：档位越高，快速时长越多、并发任务越多、Relax 越不限量。价格不是线性增长的，越往上单价越便宜，但前提是你真的用得上。

2.3 动笔前准备三样东西

第一是参考图。想做统一风格的系列图，先找三到五张风格一致的图存好，后面用 –sref 直接引用。这比在提示词里堆十个形容词有效得多。

第二是英文描述的习惯。它的中文理解一直不好，写中文提示词的出图质量会明显下滑。不是它不认识中文词，是它的训练语料里，画面描述绝大多数是英文。

第三是用途。海报、电商场景图、概念图、插画，这四种对构图和画幅的要求完全不同。先定用途，再定比例，最后才写提示词，顺序反了就要反复返工。

2.4 中文用户的第一道坎

Midjourney 的第一道坎不是英语水平，是”描述方式”。很多人英文不差，写出来却是”a very beautiful girl, very cool, high quality”，这种句子在 V6 之后基本等于没说。

有效的描述是”可拍摄的”：谁、在做什么、在哪、什么光、什么镜头、什么质感。这六个位置填满，比形容词堆到一百个词更有用。语言只是载体，结构化才是关键。

三、核心能力拆解

3.1 提示词：它读的是画面关系，不是指令

Midjourney 不像绘图软件那样执行命令，更像一个看懂了你意思的摄影师。你写”逆光”，它会自己决定逆光到什么程度、要不要加轮廓光、背景要不要压暗。

这意味着两件事。好消息是它比你更懂”怎么好看”，你只需要给对方向；坏消息是你没法精确控制每一个元素，写了”三个人”它可能给你四个。

理解这一点之后，写提示词的策略就变了：不要试图用文字”锁死”画面，而是给它足够的约束条件，让它在约束里自由发挥。约束给得越准，发挥得越好。

3.2 参数系统：十二个参数怎么分工

Midjourney 的参数写在提示词末尾，用两个减号开头。常用的有 –ar 宽高比、–v 版本、–style raw、–chaos 多样性、–seed 种子、–no 排除、–tile 平铺、–q 质量、–sref 风格参考、–cref 角色参考、–oref 全能参考。

它们分三类。第一类管”画面形状”：–ar、–tile。第二类管”生成行为”：–v、–style、–chaos、–seed、–no、–q。第三类管”一致性”：–sref、–cref、–oref。

新手最容易犯的错是一次挂五六个参数。参数越多，变量越多，出问题时你根本不知道是哪个参数导致的。正确做法是一次只加一个，看变化，再决定留不留。

3.3 四宫格与 U、V 的取舍

每次生成默认给四张缩略图，这就是四宫格。下面的 U1 到 U4 是放大，V1 到 V4 是基于这一张再生成四个变体。这个设计是它的核心交互，也是最容易被浪费的一步。

在 Midjourney 里，U 要慎用。放大只提升分辨率，不改变构图，你把一张构图平庸的图放大，得到的只是一张高清的平庸图。真正该做的是先看四张里哪张的”骨架”对，再决定放不放大。

V 的价值被低估了。当你觉得某张”差一点但方向对”，别重写提示词，点 V 让它在这一张的基础上微调。这条路保留了已经对的部分，比从头抽卡省得多。

3.4 局部重绘：Vary Region 的正确用法

在 Midjourney 里放大之后可以框选一块区域重画，这就是局部重绘（Vary Region）。手画坏了、多了一根电线、背景里有个奇怪的影子，都可以只改那一块，其余部分保持不动。

框选范围要小。很多人一框就是半张图，结果模型把周围也一起改了，等于重做。正确做法是贴着问题边缘框，留一点过渡区，改动最小反而最自然。

提示词只写”这一块要什么”，不要重复整段描述。框住手就写 “a relaxed hand with five fingers”，别把人物、光线、背景再写一遍，重复的信息会干扰它。

3.5 参考系统：三种参考解决三种问题

–sref 是风格参考，喂一张图，它会把色调、笔触、质感搬过来，不管内容。做系列海报、统一视觉调性，这是最省力的办法。

–cref 是角色参考，喂一张人脸，它尽量保持这个人的五官，让角色在不同场景里长得一样。做漫画分镜、系列插图，靠的是它。

–oref 是全能参考，V7 时代的新东西，能同时参考主体和风格，适合”把这个产品放进那种画面里”这类需求。三者不要叠着用，会互相打架。

参数	作用	典型场景	常见误用
–ar	设定宽高比	海报 2:3、横图 16:9	生成完才想起要裁
–style raw	减少默认美化	写实摄影、产品图	做插画时也开着
–chaos	提高四张差异度	找方向、破僵局	定稿阶段还开很高
–seed	固定随机种子	复现某张满意图	换版本后仍用旧种子
–no	排除指定元素	去文字、去路人	一次排除七八项
–sref	锁定画面风格	系列图统一调性	拿风格差异大的图混用

四、完整实操：八步出一张能用的图

4.1 第一步：先定用途和画幅

动手前先在纸上写一句：这张图要放在哪。公众号头图是 2.35:1，小红书是 3:4，电商主图是 1:1，电影感概念图是 21:9。画幅定了，构图才有边界。

同时想清楚用途带来的限制。电商图要留白放文案，海报要留标题区，概念图要能看清主体。这些要求在写提示词时就要体现，比如加 “negative space on the left”。

4.2 第二步：按七段结构写提示词

一段完整描述由七个部分组成：主体、动作、环境、光线、镜头、风格、参数。前六个用逗号隔开的短语写，最后一组是双横线参数，顺序不要乱。

主体是”谁或什么”，要具体到材质和状态，比如”a chipped ceramic vase”比”a vase”好。动作是”正在发生什么”，静止的画面也要给一个微小动作，哪怕只是”steam rising”。

环境交代空间关系，光线决定情绪，镜头决定视角和景深，风格决定它像照片还是像画。前四项决定”画什么”，后两项决定”怎么拍”。缺哪一项，画面就会在那一项上失控。

4.3 三个能直接套用的正例

产品图：a ceramic coffee cup on a walnut desk, steam rising slowly, morning light through a side window, 50mm lens, shallow depth of field, warm muted tones, editorial product photography –ar 4:5 –style raw –v 7

人物海报：a young climber resting on a granite ledge, chalk dust on hands, fog filling the valley below, backlit by low sun, wide shot from slightly below, cinematic still, cool shadows with warm rim light –ar 2:3 –v 7 –sref 加一张冷调参考图

概念场景：a brutalist library carved into a seaside cliff, spiral staircases, dust drifting in god rays, symmetrical composition, ultra wide 24mm, architectural photography, concrete and brass palette –ar 16:9 –v 7 –chaos 15

4.4 一个反例：错在哪

反例：a very cool cyberpunk city, super beautiful, 8k, masterpiece, best quality, ultra detailed, trending on artstation。

四个问题。一是全是评价词，没有一处画面信息，”cool”和”beautiful”它无法翻译成像素。二是”8k、masterpiece”这类词在 V6 之后基本失效，模型不再靠它们提质量。三是没有主体、动作、镜头，构图完全交给随机。四是没写 –ar，出来一堆方图。

把它改对，只需要换成具体的东西：a rain-soaked alley in a dense Asian city at night, a lone courier walking toward camera, neon signs reflected in puddles, 35mm lens, eye level, cinematic color grading –ar 21:9 –v 7。信息密度一样，但每一条都能被画出来。

4.5 第三步：四宫格里怎么选

Midjourney 一次给四张，先别看细节，看”骨架”。骨架是构图、主体位置、光影方向、画面重心。骨架对了，细节可以局部重绘；骨架错了，再清晰也没用。

我通常按这个顺序删：先删主体不完整的，再删光影平的，再删构图没有视觉落点的。四张里能剩一张骨架对的，就是一次成功的生成。剩下三张不是浪费，是排除法。

这一步是整条流程里最考验眼力的地方，也是它真正的门槛。提示词谁都能抄，看图的能力抄不来。同一个提示词，老手和新手选出来的图，成品差距能有一倍。

4.6 第四步：U、V、局部重绘到导出

选中之后先按 V 生成变体，四张里挑一张最接近的；再按 U 放大，这时才能看清手指、牙齿、接缝这些细节。顺序反了，你会在四张低清图上做无效判断。

放大后看三处：手、边缘、文字。这三处是它最容易崩的地方。有问题就框选局部重绘，没问题再导出。网页版支持直接下载，也有放大增强的选项，具体倍率看当期功能。

导出格式按用途选。要印刷就问清楚对方要多少分辨率和什么色彩空间；要发社媒直接用默认输出就够。别为了”看起来专业”去追求超出用途的规格，那是浪费快速时长。

五、进阶技巧：六条能立刻用上的

5.1 –sref 比堆形容词更能定风格

在 Midjourney 里想让一组图风格统一，写二十个”moody, cinematic, film grain”也不如喂一张参考图。因为形容词是离散的，参考图是整体的，后者能一次传达色调、对比、质感、颗粒四项信息。

用法上有个细节：–sref 后面可以跟权重，数值越高越贴近参考图。做系列图时把权重压在中间值，既能统一调性，又不会让每张图长得一样。全贴死，系列就变成了复制。

5.2 一次只锁一个变量

参数是”锁”，锁太多就没有发挥空间。正确节奏是：第一轮只给 –ar 和 –v，看方向；第二轮加 –style raw 调质感；第三轮才加 –chaos 或 –sref 微调。每轮只动一个，你才知道变化是谁带来的。

这条经验的价值在于可复现。你如果一次加五个参数得到一张好图，下次想再来一张就抓瞎了，因为你不知道自己踩中了哪一项。慢一点，反而快。

5.3 用 –no 做减法

画面里总有不想要的东西：多余的人、奇怪的水印感文字、过曝的高光。与其在正面描述里反复强调”只要一个人”，不如直接 –no crowd, text, watermark。

但别贪多。一次排除七八项，它会为了避开这些而把画面搞得很紧，构图变得拘束。控制在两三项，只排最干扰的那几个。

5.4 用 –seed 复现，但别迷信

看到一张满意的图，把它的种子拿下来，后面在相似提示词上复用，能明显提高出图稳定性。这是做系列图的实用手段。

限制也要知道：换版本、换参数、改提示词顺序，种子都可能失效。它保证的是”起点相似”，不是”结果相同”。想完全复现一张图，目前做不到。

5.5 用镜头词代替形容词

“高级感”这三个字它画不出来，但”85mm, f1.4, shallow depth of field, soft window light”能。镜头的语言是具体的，形容词的语言是主观的，模型对前者敏感得多。

常用的几组：广角 24mm 出空间感，长焦 85mm 出压缩感，微距出材质，俯拍出秩序，低角度出压迫。想要什么情绪，先想哪个镜头能拍出这种情绪。

5.6 建一个自己的提示词库

每次出好图，把完整提示词连参数一起存下来，标注它适合什么场景。三个月后你会有一份比任何教程都贴合自己的模板库。

存的时候按”用途”分类，不要按”风格”分。因为真实工作是先有需求再找风格，按用途归档，找起来快得多。这个习惯看着笨，长期回报很高。

六、横向对比：它和五个对手的差别

选工具别只看谁画得好看，要看它在你的流程里承担哪一段。下面这张表按五个维度横向摆，同一格里的差别，比功能列表更能说明问题。

工具	美学上限	可控性	文字渲染	中文提示	价格
Midjourney	很高	偏弱	一般	差	订阅制，无免费额度
即梦	中上	较强	一般	好	有免费额度，会员便宜
Stable Diffusion	看模型	最强	弱	一般	开源免费，吃硬件
Flux	高	较强	较强	一般	按量或自建
DALL·E	中	强	强	好	含在订阅里
Ideogram	中上	中	最强	一般	有免费档

看这张表的正确方式是对号入座。要氛围和质感，Midjourney 仍然是最省事的选择；要精确摆位和批量复现，Stable Diffusion 的节点工作流更靠谱；要画带字的图，Ideogram 和 DALL·E 更稳；要中文顺手又不想花钱，即梦更合适。

Flux 是这两年绕不开的一档。它的真实度和文字能力都不错，开源版本可以自己部署，代价是硬件和调试时间。它适合有工程能力、需要把出图接进自己系统的人，不适合只想打开网页就画图的人。

七、价格与档位怎么选才不亏

Midjourney 四个档位的差别主要在快速时长、并发数、Relax 是否不限量。价格按月付，具体数字以官网为准，这里只讲怎么选。

档位	快速时长	Relax 模式	适合谁
Basic	最少	无	每周画几张，试水
Standard	中等	不限量	个人创作者的主力档
Pro	较多	不限量	商单、小团队
Mega	最多	不限量	高频产出、多人协作

选档的判断标准只有一个：你每周有多少张图是”必须今天出来”的。如果大部分图可以等，Standard 的 Relax 就够用；如果天天赶稿，快速时长才是真需求。

一个反常识的结论：多数人应该从 Basic 开始，而不是从 Standard。因为新手前两周的瓶颈不在额度，在”不知道要画什么”。额度给多了，只会让你更快地抽一堆废图。等你开始觉得”不够用”，再升档也不迟。

八、商用授权的边界

8.1 不同档位的商用范围不一样

Midjourney 订阅状态下，你生成的图一般可以用于商业用途，但不同档位对应的权益并不相同。Basic 的使用权和更高档位存在差别，具体范围写在服务条款里，不是一句”付费就能商用”能概括的。

要养成一个习惯：接商单之前，把当期条款里关于商业使用的部分读一遍。条款会更新，去年能用的今年未必一样，别拿旧截图当依据。

8.2 公司规模会影响你该买哪档

条款里有一条常被忽略：年收入超过一定规模的公司，必须使用更高档位才能商用。公开说明里的门槛是百万美元量级，具体表述以官网为准。

这条对自由职业者影响不大，但对甲方是大问题。如果你服务的是大企业，最好提前确认对方是否在条款约束范围内，否则交付的图可能在合规上站不住。

8.3 交付客户时要注意什么

第一，确认甲方对 AI 生成内容的政策。有些品牌明确不接受纯生成素材，有些要求披露。第二，涉及真实人物、真实品牌的图，别用参考功能去仿，肖像权和商标权不因为”是 AI 画的”就消失。

第三，保留生成记录。提示词、参数、生成时间，这些在你需要证明”这是原创生成”时有用。网页版的历史画廊本身就存着，别急着清理。

九、五个最常见的坑

9.1 用中文写提示词

Midjourney 的中文理解一直偏弱，写中文出来的图会明显”散”。不是完全不能用，是同样的意思，用英文写能多出三成准确度。这是中文用户最大的一笔隐形损失。

9.2 拿形容词当描述

“高级、唯美、大片感”这类词，模型无法转成画面。把它们换成材质、光线、镜头、色温，画面立刻就具体了。写不出具体的东西，说明你还没想清楚要什么。

9.3 一张图抽到底

同一个提示词连抽十次，指望某一次中奖。正确做法是抽两次不理想就改结构，换镜头、换光线、换构图，而不是重复按同一个按钮。

9.4 忽略手、文字、边缘

这三处是它的传统弱项。放大后一定要看，尤其是手部手指数量、画面边缘的物体残缺、以及任何像文字的东西。这些细节在缩略图里看不出来，在成品上很刺眼。

9.5 把它当排版工具

它不会给你分层文件，也不会精确对齐。想要”图加字”的成品，正确流程是它出底图，排版软件加字。指望它一次出成品海报，只会反复失望。

十、谁适合用，谁别浪费钱

Midjourney 适合的第一类是做视觉概念的人：导演、策划、文案，需要快速把脑子里的画面拿出来给别人看。它的速度和质量，在这个场景里几乎没有对手。

适合的第二类是做内容的人：公众号头图、播客封面、社交配图，需要稳定的审美下限。它出图的下限确实高，随便一张都能用。

不适合的第一类是做精确制图的：UI、图标、信息图、需要严格对齐的版式。这些它做不了，勉强用只会增加返工。

不适合的第二类是预算为零的人。它没有免费额度，这不是”小气”，是它的成本结构决定的。想零成本入门，国内工具更合适，等确定了需求再回来。

还有一个中间地带值得说：做电商的人。它的场景图很强，但商品本身的细节还原不可靠。正确用法是它出氛围背景，真实商品后期合成。全交给它，客户投诉率会很高。

十一、常见问题

11.1 Midjourney 有免费版吗

没有长期免费额度。注册后需要订阅才能生成，偶尔有活动试用，但不稳定，别把它当免费工具规划工作流。

11.2 一定要用 Discord 吗

不必。网页版功能已经完整，Discord 现在更多是社区和老用户的使用习惯。新手从网页版开始就行。

11.3 为什么我的图和别人差很多

九成是提示词结构的问题，不是账号问题。检查三件事：有没有具体主体、有没有镜头和光线、有没有写画幅参数。

11.4 能画中文文字吗

很弱。英文短词能画对，中文基本不行。要在图里放中文，正确做法是出底图后用排版软件加。

11.5 –v 6 和 –v 7 该用哪个

做写实、复杂场景用 V7；做插画、追求”画感”用 V6 或 V6.1。版本是风格选项，不是升级打怪。

11.6 生成的图能商用吗

订阅状态下一般可以，但范围随档位不同，公司规模也会影响适用档位。接商单前读一遍当期条款。

11.7 一张图大概要多久

快速模式下几十秒出四宫格，放大再加一段时间。Relax 模式要排队，可能几分钟到十几分钟。

11.8 为什么四张图风格差这么多

默认多样性偏高，这是设计如此。想更统一，降低 –chaos，或者用 –sref 锁定风格参考。

11.9 能固定同一个人的脸吗

用 –cref 可以大幅提高相似度，但做不到完全一致。换角度、换光线后仍会漂移，重要项目要人工筛。

11.10 支持生成多大尺寸

默认输出满足屏幕使用，印刷级需求要用放大增强功能。具体倍率和上限看当期功能说明。

11.11 国内能直接访问吗

访问稳定性因网络环境而异，这是实际使用中的常见障碍。正式投入前先确认自己的网络条件，别等付了钱才发现打不开。

11.12 学它要多久

基本操作半小时，写出稳定出好图的提示词大约需要三十到五十次练习。真正的门槛是看图，不是打字。

十二、写在最后

Midjourney 的价值不在”降低画图门槛”，而在”降低视觉试错的成本”。过去要跟设计师解释半天的一个感觉，现在写六行英文就能看到四个版本。想法被验证的速度，比想法本身更稀缺。

但也别高估它。它给你的是”氛围对”，不是”交付对”。真正的成品，仍然需要人去做取舍：哪张骨架对、哪里该改、这张图到底要说什么。这些判断，模型替不了。

如果你打算开始用，给一个具体建议：第一周别做作品，做对照实验。同一个主体，每天只改一个变量——光线、镜头、风格、画幅——记下变化。一周后你对这套参数的理解，会比看二十篇教程都扎实。