Midjourney 是目前审美上限最高的文生图模型之一，由美国独立研究实验室 Midjourney 开发。它早期只能在 Discord 里用斜杠命令出图，现在也有网页版。和追求「精确执行指令」的绘图工具不同，它更像一个水准很高的画师：你给一个方向，它交出超出预期的画面，但不会严格按你说的每一处摆放细节。
擅长的是氛围和质感：电影感光影、胶片颗粒、油画笔触、3D 渲染、材质细节，这些是它拉开差距的地方。做概念图、海报底图、品牌视觉、社媒配图，第一张就能用的概率很高。
不擅长的是精确性：要它画「左边三个人、右边一台机器、中间写四个字」，结果往往对不上；中文文字渲染基本不可用；多主体之间的空间关系很难稳定控制。需要这类精确度的任务，得换工具或用后期修。
--ar 画幅：控制比例，比如 --ar 16:9 做横版、--ar 9:16 做竖屏。不指定就是 1:1，很多「构图不好看」其实是画幅没对。
--stylize（--s）：风格化强度，范围 0–1000。数值低更贴提示词、更写实；数值高更「有艺术感」但会偏离你的描述。默认值偏高，想要准确还原就调低。
--chaos（--c）：结果的多样性。想要四张图风格统一就调 0，想找灵感就调高。
--sref 风格参考：给它一张图，后续生成沿用那套配色和质感。做系列物料、保持品牌一致性靠这个。
--cref 角色一致性：给它一张人脸，生成的角色保持同一个长相。做漫画、IP 形象必备。
Vary (Region) 局部重绘：圈定一块区域单独重画，比如只改背景、只调手部。不用整张重来。
把提示词当成一份拍摄／绘制简报，按这个顺序堆：主体 + 动作或场景 + 媒介 + 光线 + 镜头 + 风格 + 参数。
举个例子：a ceramic coffee cup on a wooden table, morning light from window, shallow depth of field, 50mm lens, minimal composition, muted colors --ar 3:2 --s 150。它的每一段都在传递确定信息，而不是「beautiful」「high quality」这类空形容词 —— 后者几乎不影响结果。
两个实用原则：一是多用具体名词替代抽象形容词（写「磨砂陶瓷」而不是「很高级」）；二是英文提示词准确率明显高于中文，中文描述先自己翻成英文再喂。
出图质量稳定是最大优点：连做几十张，风格不会突然崩。系列物料、同一主题的多张配图，用 --sref 固定风格后基本能对上。
代价是要靠「多生几张挑一张」来工作，而不是「一次画对」。另外它对中文理解弱，提示词写得含糊时，结果会很随机。新手最常见的浪费是：花了额度但提示词本身没有信息量，只能得到好看但没有指向性的图。
采用订阅制，按订阅档次给不同额度的快速生成时间，用完后可继续用慢速模式。早期有免费试用，现已取消，必须订阅才能用。具体档位价格以官网为准，会调整。
即梦 AI：中文提示词友好、国内直连、有免费额度，适合快速出图和中文场景。
Ideogram：文字渲染能力最强，海报、logo、带中英文字的设计稿优先选它。
Stable Diffusion / ComfyUI：可控性天花板，ControlNet 控姿势构图、LoRA 训风格，代价是要自己搭环境、调工作流。
Midjourney：定位在「审美最好、最省事」——不折腾环境，把提示词写好就有高质量结果。
先用网页版，比 Discord 直观。起步阶段直接抄社区里高分作品的提示词，改主体不改结构，比从零写更快建立语感。做系列图时先定一张满意的，记下 seed 并用 --sref 锁风格，后续就能保持一致。
还有一点：先在文档里把提示词写好再提交，别在输入框里边想边改 —— 它按次消耗额度，反复试错成本很高。
适合：概念设计、插画与封面、电商主图、社媒配图、需要稳定视觉风格的品牌物料、影视前期分镜。
不适合：需要画面里出现准确中文文字的设计（用 Ideogram 或后期加字）、需要精确控制人物姿态和元素位置的产品图（用 SD + ControlNet）、预算为零或只偶尔用一次的人（先用即梦免费额度）。
