میدجرنی چیست؟ تفاوت Midjourney با دیگر هوش مصنوعی‌های عکس‌ساز

میدجرنی چیست؟ تفاوت Midjourney با دیگر هوش مصنوعی‌های عکس‌ساز و مدل جدید V8.2

آخرین به‌روزرسانی: ۲۷ مهر ۱۴۰۵

میدجرنی چیست؟ میدجرنی (Midjourney) سرویسی است که توضیح متنی شما را به تصویر تبدیل می‌کند و چند وقتی است ویدیوی کوتاه هم می‌سازد. فرق اصلی‌اش با رقبایی مثل GPT Image اوپن‌ای‌آی و Nano Banana گوگل در هدف طراحی است: میدجرنی اول به زیبایی و حال‌وهوای تصویر فکر می‌کند، رقبا اول به اجرای دقیق دستور. اگر کارتان تصویرسازی مفهومی، پوستر هنری یا ساختن یک سبک بصری ثابت برای برند است، میدجرنی هنوز گزینه‌ی جدی‌ای است. اگر متن دقیق داخل تصویر، ویرایش جزئی یا اتصال به نرم‌افزار خودتان لازم دارید، رقبا جلوترند.

مدل پیش‌فرض میدجرنی در حال حاضر نسخه‌ی V8.2 است که از ۲ مرداد ۱۴۰۵ جای نسخه‌ی قبلی را گرفت.

میدجرنی چیست و دقیقاً چه کاری انجام می‌دهد؟

میدجرنی یک توضیح متنی (پرامپت) از شما می‌گیرد و چند تصویر بر اساس آن می‌سازد. کار با آن از دو راه ممکن است: وب‌سایت midjourney.com یا ربات میدجرنی در دیسکورد. سازنده‌اش شرکتی در سان‌فرانسیسکو است که دیوید هولز، از بنیان‌گذاران Leap Motion، آن را راه انداخته است.

روال کار ساده است. چند خط می‌نویسید، چند تصویر می‌گیرید، یکی را انتخاب می‌کنید و همان را تغییر می‌دهید، بزرگ می‌کنید یا به ویدیو تبدیل می‌کنید. برای مرحله‌ی ایده‌پردازی هم حالتی به نام Draft Mode وجود دارد که در هر اجرا ۲۴ تصویر کم‌کیفیت تحویل می‌دهد؛ مثل اسکیس‌هایی که طراح قبل از کار نهایی روی میز پهن می‌کند.

کنار مدل اصلی، میدجرنی دو مدل دیگر هم دارد. Niji 7 که از ۱۹ دی ۱۴۰۴ در دسترس است، مخصوص سبک انیمه و تصویرسازی است. مدل ویدیویی V1 هم از خرداد ۱۴۰۴ تصویر را به ویدیوی کوتاه تبدیل می‌کند.

مدل عکس‌ساز فعلی میدجرنی: نسخه‌ی V8.2 چه چیزی را عوض کرد؟

نسخه‌ی V8.2 طبق مستندات رسمی میدجرنی روی زیبایی‌شناسی، کیفیت تصویر و شخصی‌سازی تمرکز دارد و خروجی‌هایش قرار است خلاقانه‌تر و جسورتر باشند. مهم‌ترین چیزی که همراهش آمد، یک مدل ویرایش است که جای سه ابزار قدیمی‌تر را گرفت.

از اسفند ۱۴۰۴ تا مرداد ۱۴۰۵، یعنی در کمتر از پنج ماه، سه نسخه‌ی V8 عرضه شد:

منبع همه‌ی ردیف‌ها همان صفحه‌ی نسخه‌ها در مستندات میدجرنی است.

سرعت، تغییری است که کاربر همان روز اول حس می‌کند. میدجرنی هنگام پیش‌فرض‌کردن V8.1 اعلام کرد تصاویر معمولی در حدود ۴ ثانیه و تصاویر HD در حدود ۱۲ ثانیه آماده می‌شوند. خروجی HD در قالب مربعی ۲۰۴۸ در ۲۰۴۸ پیکسل است، یعنی دو برابر عرض و ارتفاع حالت معمولی.

مدل ویرایش: تغییر دادن تصویر با یک جمله

میدجرنی در اطلاعیه‌ی ۵ شهریور ۱۴۰۵ مدل ویرایش V8.2 را برای آزمایش عمومی باز کرد. با این مدل می‌توانید به زبان ساده بنویسید چه چیزی در تصویر عوض شود، تا ۴ تصویر مرجع هم‌زمان بدهید، فقط بخشی از تصویر را دوباره بسازید (اینپینتینگ) یا قاب تصویر را از اطراف بزرگ‌تر کنید (اوت‌پینتینگ). این مدل جای ابزارهای Omni Reference، Character Reference و Retexture را گرفته است.

حالت فکر کردن و نسخه‌ی بعدی

میدجرنی در جلسه‌ی پرسش‌وپاسخ آنلاینش در ۱۵ مهر ۱۴۰۵ از حالتی به نام Thinking Mode گفت که روی نسخه‌ی آزمایشی سایت فعال شده است. هدفش این است که مدل پیش از ساختن دوباره‌ی تصویر یا ویرایش آن، پرامپت را دقیق‌تر بفهمد. به نقل از خبرنامه‌ی Creativity AI که این جلسه را خلاصه کرده، آزمایش‌های اولیه‌ی تیم سازنده نشان داده این حالت ۶۰ تا ۸۰ درصد مشکلات مربوط به فهم پرامپت را برطرف می‌کند. در همان جلسه هدف عرضه‌ی نسخه‌ی V9 تا پایان سال ۲۰۲۶ عنوان شده است. هیچ‌کدام از این دو هنوز اطلاعیه‌ی رسمی ندارند.

تفاوت میدجرنی با مدل‌های عکس‌ساز دیگر

میدجرنی جاهای خالی پرامپت را با سلیقه‌ی خودش پر می‌کند، در حالی که GPT Image و Nano Banana سعی می‌کنند همان چیزی را بسازند که نوشته‌اید. این فرق، به‌علاوه‌ی مدل کسب‌وکار متفاوت میدجرنی، در چند جای مشخص دیده می‌شود.

سلیقه‌ی پیش‌فرض در برابر اجرای مو‌به‌موی دستور

یک پرامپت کوتاه و حتی مبهم در میدجرنی معمولاً تصویری با نور، رنگ و ترکیب‌بندی حساب‌شده تحویل می‌دهد، چون مدل از سلیقه‌ی خودش خلأها را پر می‌کند. همین ویژگی وقتی دنبال جزئیات دقیق هستید دردسر می‌شود. مدل‌هایی مثل GPT Image 2 دقیقاً روی همین نقطه کار کرده‌اند: اوپن‌ای‌آی هنگام معرفی این مدل در اردیبهشت ۱۴۰۵ بر پیروی دقیق‌تر از پرامپت‌های طولانی و جای‌گذاری درست اجزای تصویر تأکید کرد.

میدجرنی هم بی‌کار ننشسته. نسخه‌های V8 به گفته‌ی مستندات خودش به پرامپت پایبندترند و حالت Raw برای اجرای تحت‌اللفظی‌تر وجود دارد. اما همین تغییر بهایی داشته: یکی از کاربران قدیمی، به نقل از سایت مرور JAVIS، گفته نسخه‌های جدید از نظر فنی بهتر و حرف‌گوش‌کن‌ترند، ولی کمتر غافلگیرش می‌کنند.

سبک به‌عنوان یک دارایی: شخصی‌سازی، sref و مودبورد

میدجرنی سه ابزار برای ثابت نگه داشتن سبک دارد. پروفایل شخصی‌سازی از امتیازهایی که به تصاویر می‌دهید سلیقه‌تان را یاد می‌گیرد. کد sref سبک یک تصویر را به تصاویر بعدی منتقل می‌کند. مودبورد هم مجموعه‌ای از تصاویر مرجع است که حال‌وهوای کلی را تعیین می‌کند. برای کسی که می‌خواهد ده‌ها پست اینستاگرام یک برند همه از یک خانواده به نظر برسند، این ابزارها کار را خیلی جلو می‌اندازند.

رقبا هم تصویر مرجع می‌پذیرند. Nano Banana 2.1 گوگل تا ۱۴ تصویر مرجع را با هم ترکیب می‌کند، ولی تمرکز اعلام‌شده‌اش ثبات شخصیت‌ها و اشیا بین چند تصویر است.

میدجرنی API رسمی ندارد

میدجرنی در راهنمای جامعه‌ی کاربرانش صریحاً نوشته که API ارائه نمی‌دهد و خودکارسازی کار با سرویس را ممنوع کرده است. یعنی نمی‌توانید آن را به فروشگاه اینترنتی یا اپلیکیشن خودتان وصل کنید تا مثلاً هر روز صدها عکس محصول بسازد. سایت‌هایی که با عنوان «API میدجرنی» سرویس می‌فروشند، رسمی نیستند و استفاده از آن‌ها خلاف قوانین میدجرنی است.

در مقابل، GPT Image 2 هم داخل ChatGPT در دسترس است و هم از طریق API، و Nano Banana 2.1 از طریق Gemini API و Google Cloud. برای کسب‌وکاری که تولید انبوه تصویر می‌خواهد، این تفاوت به‌تنهایی تعیین‌کننده است.

آیا میدجرنی هنوز بهترین عکس‌ساز است؟

جواب کوتاه: با عدد نمی‌شود گفت. پراستنادترین رتبه‌بندی عکس‌سازها، جدول Arena است که در آن کاربران دو تصویر را بدون دیدن نام مدل‌ها مقایسه می‌کنند. در به‌روزرسانی ۱۵ مهر ۱۴۰۵ این جدول، هیچ مدلی از میدجرنی حضور ندارد. صدر جدول در اختیار نسخه‌ی پیش‌نمایش GPT-Image-2.5 از اوپن‌ای‌آی است و Nano Banana 2.1 گوگل در رتبه‌ی ششم قرار دارد. پس هر ادعایی درباره‌ی رتبه‌ی میدجرنی در برابر این مدل‌ها، نظر شخصی است و نه نتیجه‌ی یک مقایسه‌ی عددی.

متن داخل تصویر

میدجرنی در اطلاعیه‌ی نسخه‌ی V8 گفته اگر کلمات را داخل گیومه بنویسید، متن بهتر رندر می‌شود. با این حال سایت مرور aiworthit نوشته متن نسخه‌های V8 هنوز برای تصاویری که به تایپوگرافی دقیق وابسته‌اند قابل‌اتکا نیست. اوپن‌ای‌آی برای GPT Image 2 ادعای متن خوانا حتی در برچسب‌های ریز را دارد و گوگل هم بهبود رندر متن را از ویژگی‌های Nano Banana 2.1 اعلام کرده است.

برای متن فارسی، در فهرست زبان‌هایی که اوپن‌ای‌آی هنگام معرفی GPT Image 2 نام برد، فارسی نبود. اگر پوستر یا بنری با متن فارسی می‌سازید، مستقل از مدل، تیتر را بعداً در یک نرم‌افزار ویرایش تصویر اضافه کنید. مدل‌های تصویرساز خط فارسی را خیلی کمتر از خط لاتین درست درمی‌آورند و حروف چسبیده گاهی از هم جدا یا بدشکل می‌شوند.

مقایسه‌ی میدجرنی، GPT Image و Nano Banana در یک نگاه

برتری‌های میدجرنی کجاست؟

برتری میدجرنی در کیفیت بصری کم‌زحمت و ابزارهای سبک است، نه در دقت. نقطه‌های قوتش مشخص‌اند:

• برای کسی که نوشتن پرامپت حرفه‌ای بلد نیست، فاصله‌ی ایده تا تصویر قابل‌انتشار در میدجرنی کوتاه است.

• شخصی‌سازی، sref و مودبورد کنار هم برای ساختن هویت بصری یک برند کافی‌اند.

• ایده‌پردازی ارزان است: Draft Mode برای ۲۴ تصویر فقط ۰٫۴ دقیقه زمان پردازش مصرف می‌کند، در حالی که یک تصویر معمولی ۰٫۸ دقیقه می‌برد.

• از پلن Standard به بالا، ساخت تصویر در حالت کندتر Relax سقف ندارد. برای کاربر پرمصرف، هزینه بعد از اشتراک ثابت می‌ماند.

• مدل ویدیویی داخل همان اشتراک است و لازم نیست سرویس جداگانه‌ای برای متحرک‌سازی تصاویرتان بخرید.

نقطه‌ضعف‌ها هم روشن است: API ندارد، نسخه‌ی رایگان ندارد و متن داخل تصویرش هنوز قابل‌اعتماد نیست.

کدام عکس‌ساز برای کار شما مناسب‌تر است؟

1. برای پوستر هنری، کانسپت‌آرت، تصویرسازی کتاب و سبک ثابت برند: میدجرنی.

2. برای بنر و اینفوگرافیک متن‌دار یا تصویری با دستورهای چندمرحله‌ای: GPT Image، داخل ChatGPT یا از طریق API اوپن‌ای‌آی.

3. برای ویرایش عکس‌های موجود، ثبات شخصیت‌ها در چند تصویر و تولید انبوه: Nano Banana.

قیمت اشتراک میدجرنی

میدجرنی چهار پلن ماهانه دارد و ارزان‌ترینش ماهی ۱۰ دلار است. قیمت‌های زیر در ۲۷ مهر ۱۴۰۵ از صفحه‌ی رسمی پلن‌ها بررسی شده‌اند:

میدجرنی به جای شمردن تعداد تصاویر، زمان پردازش (GPU) را حساب می‌کند. یک تصویر معمولی حدود ۰٫۸ دقیقه و یک تصویر HD حدود ۱٫۳ دقیقه مصرف می‌کند. با این حساب، ۲۰۰ دقیقه‌ی پلن Basic تقریباً برای ۲۵۰ تصویر معمولی یا ۱۵۳ تصویر HD کافی است. ساخت ویدیو خیلی سریع‌تر این سهمیه را تمام می‌کند.

پلن Basic حالت Relax ندارد. پلن‌های Pro و Mega علاوه بر تصویر، ساخت ویدیو با کیفیت معمولی را هم در حالت Relax بدون سقف می‌دهند و حالت Stealth را دارند که تصاویر شما را از گالری عمومی میدجرنی پنهان می‌کند.

خرید و استفاده از میدجرنی در ایران

میدجرنی پرداخت‌هایش را از طریق Stripe انجام می‌دهد و طبق صفحه‌ی روش‌های پرداخت فقط کارت‌های بین‌المللی مثل ویزا، مسترکارت و امریکن اکسپرس و چند کیف پول دیجیتال را می‌پذیرد. پی‌پال پشتیبانی نمی‌شود و کارت‌های بانکی ایرانی هم در صفحه‌ی پرداخت کار نمی‌کنند. برای همین، کاربر ایرانی معمولاً اشتراک را از طریق یک فروشنده‌ی داخلی تهیه می‌کند.

پیش از پرداخت به هر فروشنده‌ای، این سؤال‌ها را بپرسید:

1. اکانت اختصاصی است یا اشتراکی؟ آیا با ایمیل خودتان ساخته می‌شود تا تاریخچه و تصاویرتان دست خودتان بماند؟

2. دقیقاً کدام پلن؟ اگر زیاد کار می‌کنید، پلن Basic به خاطر نداشتن Relax زود تمام می‌شود.

3. تمدید چطور انجام می‌شود؟ زمان سریع مصرف‌نشده به ماه بعد منتقل نمی‌شود، پس تاریخ تمدید را بدانید.

4. حالت Stealth لازم دارید؟ اگر روی پروژه‌ی محرمانه‌ی مشتری کار می‌کنید، فقط Pro و Mega این حالت را دارند.

5. اگر پرداخت ماه بعد ناموفق شد یا اکانت قفل شد، پشتیبانی چه می‌کند؟ این را قبل از خرید بپرسید، نه بعد از مشکل.

آسیاتکین اکانت میدجرنی را برای کاربران ایرانی فراهم می‌کند. برای دیدن پلن‌ها و شرایط، به صفحه‌ی خرید اکانت میدجرنی سر بزنید.

یک نکته‌ی فنی هم هست. مدل ویرایش با تصاویر مرجعی کار می‌کند که آپلود می‌کنید و خروجی‌های HD و ویدیویی حجیم‌ترند. اگر آپلود تصاویر کند پیش می‌رود، سرعت واقعی اینترنتتان را با تست سرعت آسیاتکین بسنجید.

سؤالات متداول درباره‌ی میدجرنی

میدجرنی رایگانه؟

نه. میدجرنی نسخه‌ی رایگان ندارد و ارزان‌ترین پلنش ماهی ۱۰ دلار است. اگر فقط می‌خواهید هوش مصنوعی عکس‌ساز را امتحان کنید، ChatGPT و Google AI Studio نسخه‌ی رایگان محدود دارند.

پرامپت میدجرنی رو فارسی بنویسم یا انگلیسی؟

انگلیسی. میدجرنی در شهریور ۱۴۰۵ زبان کره‌ای را به سایتش اضافه کرد، اما در اطلاعیه‌های رسمی‌اش چیزی درباره‌ی پشتیبانی از فارسی پیدا نکردیم. اگر انگلیسی‌تان قوی نیست، پرامپت را فارسی بنویسید و با یک ابزار ترجمه به انگلیسی برگردانید.

اکانت اشتراکی میدجرنی بخرم یا اختصاصی؟

اختصاصی. راهنمای جامعه‌ی میدجرنی می‌گوید هر کاربر فقط یک اکانت می‌تواند داشته باشد و اشتراک‌گذاری اکانت ممنوع است. اکانت اشتراکی ارزان‌تر است، ولی ممکن است وسط یک پروژه مسدود شود و تصاویر قبلی‌تان هم با آن از دست برود.

میدجرنی بهتره یا نانو بنانا؟

بستگی به کار دارد. برای تصویر هنری و سبک ثابت، میدجرنی. برای ویرایش عکس موجود، ثبات شخصیت و اتصال به نرم‌افزار، Nano Banana. در جدول Arena فقط Nano Banana حضور دارد، پس مقایسه‌ی عددی مستقیمی بین این دو وجود ندارد.

میدجرنی ویدیو هم می‌سازه؟

بله، ولی فقط از روی تصویر. مدل V1 از یک تصویر چهار ویدیوی ۵ ثانیه‌ای می‌سازد و هر ویدیو را می‌شود چهار بار و هر بار ۴ ثانیه ادامه داد، یعنی حداکثر ۲۱ ثانیه.

تصاویر میدجرنی رو می‌شه تجاری استفاده کرد؟

بله، همه‌ی پلن‌ها اجازه‌ی استفاده‌ی تجاری می‌دهند. شرکت‌هایی که درآمد ناخالص سالانه‌شان بیش از یک میلیون دلار است باید پلن Pro یا Mega بخرند. از ساختن شخصیت‌های شناخته‌شده‌ی فیلم و کارتون هم دوری کنید: دیزنی و یونیورسال در خرداد ۱۴۰۴ و برادران وارنر در شهریور ۱۴۰۴ به خاطر همین موضوع از میدجرنی شکایت کرده‌اند.

اگر هنوز مطمئن نیستید میدجرنی به کارتان می‌آید، با پلن Basic شروع کنید و چند روز اول بیشتر از Draft Mode استفاده کنید تا ببینید سبکش با کارتان جور است یا نه. برای مشاوره درباره‌ی انتخاب پلن یا مقایسه با سرویس‌های دیگر، با کارشناسان آسیاتکین در شماره‌ی ۰۴۱-۹۱۰۱۴۱۴۱ تماس بگیرید.