Midjourney 评测：审美下限很高的画师，但它不听指挥

Midjourney 的口碑几乎是单一的：好看。同样的提示词丢进去，它出的图在光影、构图、材质上通常比同类更像成品。但它也常被误解成「说什么画什么」——实际用下来你会发现，它更像个水准很高、但不太听人摆布的画师：你给方向，它给你超出预期的画面，同时把你指定的细节改掉一半。

它擅长的是质感，不是执行

电影感的光、胶片的颗粒、油画的笔触、3D 渲染的材质、服装面料的褶皱——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明显高于其他工具。

反过来说，要求「左边三个人、右边一台机器、中间写四个字」这种精确构图，它基本做不到。多主体的空间关系很难稳定控制，文字渲染尤其弱，中文基本不可用。这不是参数没调对，是模型的设计取向不同。

四个参数，会用和不会用差一个档

• 画幅（--ar）：横版 16:9、竖屏 9:16、默认 1:1。很多「构图不好看」其实是画幅没对——内容塞进正方形，人物只能挤在中间。
• 风格化强度（--s）：范围 0 到 1000。数值低更贴提示词、更写实；数值高更有艺术感但会偏离描述。默认值偏高，想准确还原就往下调，这是最容易被忽略的一个参数。
• 多样性（--c）：想出四张风格统一的图就调低，想找灵感就调高。找方向时调高，定稿时调低。
• 风格参考（--sref）：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，比在提示词里堆「同样的风格」有效得多。

提示词：堆形容词没用

「一个美女，很好看，高质量，8K」——这类描述信息密度太低，模型只能自由发挥。有效结构是：主体 + 场景 + 光线 + 镜头 + 风格。比如「瑜伽教练在海边礁石上做拉伸，清晨侧逆光，35mm 镜头浅景深，胶片质感」。具体名词和具体光线，比一串褒义词有用。

语言方面，英文表达的准确率明显更高。中文不是不能用，但遇到专业名词、风格名、镜头术语，翻译成英文更稳。

成本与门槛

没有免费额度，必须订阅才能生成。这条对只想试试的人不友好——想零成本确认自己是否需要高质量出图，建议先用即梦、文心一格这类有免费额度的国内工具，确认需求真实存在再付费。

另一个隐性成本是时间：它的工作方式是「多出几张挑一张」，一次生成四张，通常要试两三组才有满意的。这不叫浪费，是它的正常用法，但要按这个节奏安排工作。

和同类怎么分工

• 要一张能上封面的作品：Midjourney。
• 今天下班前要十张电商配图：即梦，中文描述、出图快、有免费额度。
• 画面里必须出现准确英文文字：Ideogram。
• 要水墨、工笔、敦煌这类中国味：文心一格。

结论

Midjourney 给的是审美下限很高的起点，它不负责替你想创意。把它当「执行能力强但没想法的画师」用，效果最好：创意、文案、构图方向你自己定，具体画面交给它，再靠挑图和后期补齐精确性。如果你的需求是「准确执行一张指定布局的图」，它会让你很累——那不是它的活。