Midjourney - jak generować obrazy AI, które nie wyglądają jak AI

Pierwszy raz, gdy wygenerowałem obraz w DALL-E 3, byłem zachwycony. Drugi raz - mniej. Trzeci - zacząłem widzieć schemat. Nienaturalne dłonie, plastikowa skóra, teksty na tablicach jak z horroru. Po tygodniu każde zdjęcie z AI rozpoznawałem z kilometra. Potem próbowałem Midjourney. Ten sam prompt, inny wynik - obraz wyglądał jak zdjęcie z Vogue'a, nie jak demo AI. To był moment, w którym przestałem traktować generatory obrazów jako ciekawostkę, a zacząłem jako narzędzie.

W tym artykule pokażę Ci, czym jest Midjourney, jak wygląda z nim praca, jak pisać prompty, żeby wynik nie wyglądał sztucznie, i kiedy warto go używać. Plus wady, bo Midjourney ma swój urok, ale ma też ostre krawędzie.

Czytanie: ~14 min

Czym jest Midjourney (i skąd ta nazwa)

Midjourney to narzędzie do generowania obrazów z opisu tekstowego (text-to-image). Wpisujesz prompt, dostajesz obraz. Brzmi prosto, ale w praktyce - to jedno z najpotężniejszych narzędzi kreatywnych, jakie mamy dziś dostępne.

Firma powstała w 2021 roku. Założyciel - David Holz, wcześniej współtwórca Leap Motion (kontroler ruchu ręką). Nazwa "Midjourney" podobno pochodzi od idei, że jesteśmy w połowie drogi między wyobraźnią a realizacją - w środku podróży kreatywnej.

Midjourney wszedł w otwartą betę w lipcu 2022 roku. W przeciwieństwie do DALL-E (od OpenAI) czy Stable Diffusion (od Stability AI), Midjourney od początku był zamkniętym produktem - działa w chmurze, na serwerach firmy, przez interfejs Discorda. Pierwsze dwa lata - tylko przez Discord. Od 2024 dostępna też wersja webowa (alpha, potem pełna).

To istotne dla zrozumienia produktu. Midjourney nie jest open-source. Nie możesz go uruchomić lokalnie. Nie możesz go modyfikować. Płacisz subskrypcję, używasz przez ich interfejs.

Co w zamian? Najlepszą estetykę na rynku. Midjourney od początku wygrywał benchmarki "ludzkiego oka" - ludzie regularnie wybierają obrazy z Midjourney nad konkurencję, nawet gdy nie wiedzą, kto wygenerował co.

Jak wygląda praca z Midjourney - pierwsze wrażenie

Dwie drogi dostępu: Discord albo web.

Discord vs webowy interfejs

Pierwszy rok - tylko Discord. Dołączasz do serwera Midjourney (albo zapraszasz bota na swój serwer), piszesz /imagine prompt: [Twój opis]. Bot generuje 4 warianty obrazu. Wybierasz jeden, prosisz o wariacje albo upscale.

Plusy Discorda: społeczność, inspiracja (widzisz, co inni generują), szybkie testy. Minusy: chaos (tysiące wiadomości na minutę na publicznych kanałach), nienaturalne workflow, brak prywatności (na publicznych kanałach wszyscy widzą Twoje generacje).

Wersja webowa (midjourney.com) rozwiązuje większość tych problemów. Masz swój workspace, swoje foldery, historię, prywatność. Workflow jest płynny - piszesz prompt, widzisz wynik, modyfikujesz, zapisujesz.

Dla początkującego polecam web od razu. Discord - dla kogoś, kto chce inspirować się cudzą pracą.

Prompty - jak pisać, żeby działało

Najważniejsza rzecz, którą musisz zrozumieć: Midjourney myśli inaczej niż DALL-E. DALL-E rozumie długie, szczegółowe opisy ("A photorealistic image of a woman in a red dress standing in a cafe in Paris, golden hour lighting, shallow depth of field, 35mm film"). Midjourney preferuje zwięzłe, ewokujące frazy ("woman red dress cafe Paris golden hour 35mm").

Nie ma jednego "poprawnego" stylu pisania. Ale po kilku miesiącach wyłonił mi się schemat, który działa:

[temat] + [kontekst/otoczenie] + [styl wizualny] + [technika/oświetlenie] + [parametry]

Przykład:

woman in red dress, Paris cafe, vintage 35mm photography, golden hour lighting, soft focus --ar 3:2 --style raw --v 7

Kluczowe elementy:

Temat - co właściwie pokazujesz
Kontekst - gdzie, kiedy, w jakiej sytuacji
Styl wizualny - fotografia, olejny obraz, akwarela, anime, 3D render
Technika/oświetlenie - "35mm", "soft focus", "golden hour", "studio lighting"
Parametry - ratio, wersja modelu, styl

Czego unikać:

Długich gramatycznie zdań (Midjourney nie potrzebuje gramatyki)
Negatywów ("no people") - lepiej użyć --no people jako parametr
Zbyt wielu szczegółów naraz (rozmywa efekt)

Parametry - ar, style, chaos, stylize

Parametry to końcówki promptu, które sterują technicznymi aspektami obrazu. Kilka najważniejszych:

--ar X:Y - aspect ratio. --ar 16:9 dla panoramicznego, --ar 9:16 dla pionowego (Instagram story), --ar 3:2 dla klasycznego zdjęcia.
--v 7 - wersja modelu. v7 to najnowsza (na moment pisania), z lepszą fotorealistyką i tekstem na obrazach.
--style raw - mniej "midjourney flavor", bardziej naturalistyczne. Świetne do fotorealistyki.
--stylize X (0-1000) - jak bardzo Midjourney narzuca swój styl estetyczny. Wyższe = bardziej artystyczne, niższe = bliżej prompta.
--chaos X (0-100) - jak bardzo różne są 4 warianty od siebie. Wyższe = bardziej zróżnicowane.
--weird X (0-3000) - jak "dziwne" mogą być wyniki. Dla eksperymentów.
--no X - co ma NIE być na obrazie. --no people usunie ludzi.

Po dwóch tygodniach używania tych parametrów masz w palcu. Bez tego - losowe wyniki.

Pięć funkcji, które warto znać od początku

Midjourney ma dużo funkcji. Te pięć realnie zmienia pracę.

Style References (--sref)

Piszesz prompt + dodajesz --sref [URL obrazu]. Midjourney analizuje styl z obrazu referencyjnego i aplikuje go do Twojego obrazu.

Przykład: masz obrazek w stylu Studio Ghibli. Chcesz wygenerować swój pejzaż w tym stylu. Wrzucasz URL jako sref, dodajesz swój opis. Dostajesz pejzaż w estetyce Ghibli.

Dla grafików, ilustratorów, twórców treści - to jest fundament. Pozwala utrzymać spójność estetyczną przez całą kampanię, książkę, projekt.

Plus - możesz zapisać --sref random i dostawać losowe style z bazy Midjourney. Czasem trafisz na perełki.

Character References (--cref)

Podobne do sref, ale dla postaci. Wrzucasz obrazek postaci + --cref [URL] i Midjourney utrzyma twarz/postać między generacjami.

Realne zastosowanie: książka ilustrowana, gdzie główna postać musi wyglądać tak samo na 30 ilustracjach. Komiks. Storyboard. Brand mascot.

Dokładność - zależna od jakości referencji. Czyste zdjęcie twarzy z przodu - świetnie. Profil, dziwny kąt, kilka osób - gorzej.

Personalization

Midjourney analizuje, które obrazy lubisz (klikasz serduszko) i które nie. Po kilku tygodniach uczy się Twojego gustu. Kiedy włączasz --p (personalization), dostajesz wyniki dostrojone pod Ciebie.

Dla kogoś, kto używa regularnie - to jest różnica między generycznym obrazem a obrazem, który realnie pasuje do Twojego portfolio.

Personalization buduje się w czasie. Pierwsze 2-3 tygodnie - brak efektu. Po miesiącu - zauważalny. Po trzech - realnie zmienia jakość wyników.

Vary Regions i edycja

Wygenerowałeś obraz, ale chcesz zmienić jeden element (np. koszulkę postaci). Wybierasz region, modyfikujesz opis, Midjourney regeneruje tylko ten fragment.

Plus - można zaznaczyć fragment i dodać/usunąć. Jak Content-Aware Fill w Photoshopie, ale przez rozmowę.

Dla poprawek detalu bez regenerowania całego obrazu - zbawienie.

Zoom out i pan

Midjourney potrafi "wyjść" z obrazka - rozszerzyć kadr dookoła, zachowując spójność. Albo przesunąć w bok (pan left/right/up/down).

Realne zastosowanie: wygenerowałeś portret, ale potrzebujesz szerszego kadru do covera. Zoom out - Midjourney dobuduje otoczenie. Albo masz obraz w pionie, potrzebujesz w poziomie - pan.

To eliminuje 80% przypadków, kiedy trzeba by regenerować od zera.

Jak zacząć - 7 kroków

Najprostsza ścieżka dla początkującego:

Załóż konto na midjourney.com. Wymaga subskrypcji - najtańszy plan od 10$/miesiąc. Nie ma darmowego już (był na początku).
Wybierz interfejs: web albo Discord. Dla początkującego - web. Discord zostaw na później, jak będziesz chciał inspirować się cudzą pracą.
Napisz pierwszy prompt. Coś prostego: golden retriever running on the beach at sunset, photorealistic --ar 16:9. Zobacz, co dostajesz.
Eksperymentuj z 4 wariantami. Wybierz jeden, kliknij V1/V2/V3/V4 (variations). Zobacz, jak małe zmiany w prompcie wpływają na wynik.
Naucz się jednego parametru dziennie. Dzień 1: --ar. Dzień 2: --style raw. Dzień 3: --sref. Po tygodniu będziesz swobodnie operować podstawami.
Zbuduj bibliotekę stylów. Zapisuj prompty, które działają. Zbieraj obrazy referencyjne dla --sref. Po miesiącu masz 20-30 sprawdzonych stylów pod różne potrzeby.
Włącz personalization i klikaj serduszka. Im więcej dasz feedbacku, tym lepsze wyniki za miesiąc.

Pierwsze tygodnie to nauka. Po miesiącu - realna praca. Po trzech - Midjourney staje się narzędziem, którego używasz jak Photoshopa.

Sześć zastosowań, w których Midjourney błyszczy

Po roku pracy z Midjourney wyłonił mi się zestaw zastosowań, w których to narzędzie realnie sprawdza się w biznesie.

Concept art i ilustracje. Klasyka. Książki, gry, filmy, kampanie reklamowe. Midjourney wygrywa tu estetyką nad konkurencją.

Marketing i social media. Grafiki do postów LinkedIn, cover photo na Facebook, banery reklamowe. Zamiast szukać stocka godzinami - generujesz dokładnie to, czego potrzebujesz, w minutę.

Mood boards i prezentacje. Klient pyta "jak widzisz tę kampanię"? Zamiast tłumaczyć słowami - generujesz 6 obrazów, które pokazują klimat. Klient widzi, decyduje, idziemy dalej.

Storyboarding. Reżyserzy, agencje reklamowe - generują klatki storyboardu przed produkcją. Oszczędność czasu i pieniędzy nad zatrudnianiem ilustratora.

Product mockups. Potrzebujesz pokazać produkt w kontekście? Midjourney wygeneruje scenę, w której produkt wygląda realistycznie. Bez sesji foto.

Architektura i wnętrza. Architekci, designerzy wnętrz - wizualizacje koncepcyjne przed renderingiem 3D. Klient widzi kierunek, zanim zapłacisz za render.

Dla zastosowań, gdzie liczy się precyzja (technical illustrations, schematy, dokładne logo) - Midjourney słabszy. Dla estetyki i koncepcji - najlepszy na rynku.

Midjourney vs DALL-E vs Stable Diffusion vs Firefly - porównanie

Cztery największe opcje na rynku. Krótkie porównanie.

Midjourney. Najlepsza estetyka, świetna artystyczność, spójność stylów. Plusy: jakość, --sref i --cref, personalizacja. Minusy: cena, brak lokalnej wersji, prompt engineering specyficzny.

DALL-E 3 (OpenAI). Zintegrowany z ChatGPT, najprostszy w obsłudze. Plusy: rozumie długie opisy, dobry do "opisz obrazek" w stylu conversation, text in images lepszy niż kiedyś. Minusy: słabsza estetyka niż Midjourney, watermark na wszystkich obrazach, lock-in na OpenAI.

Stable Diffusion. Open-source, lokalny, darmowy. Plusy: kontrola (ControlNet, LoRA, inpainting), prywatność, brak kosztów po sprzęcie. Minusy: wymaga wiedzy technicznej, własny sprzęt GPU albo chmura, trudniejszy setup.

Adobe Firefly. Zintegrowany z Photoshopem/Illustratorem, komercyjnie bezpieczny. Plusy: trenowany na licencjonowanych danych (legalność), integracja z narzędziami Adobe. Minusy: słabsza estetyka niż Midjourney, cena (subskrypcja Adobe).

Inne opcje: Ideogram (świetny do tekstu na obrazach), Flux (nowy open-source z świetną fotorealistyką), Leonardo.ai (UI-friendly dla grafików), Recraft (wektory + branding).

Kiedy Midjourney:

Zależy Ci na estetyce
Robisz concept art, ilustracje, mood boardy
Chcesz spójności stylistycznej (--sref)
Akceptujesz cenę 10-60$/miesiąc
Pracujesz z obrazami jako gotowymi artefaktami

Kiedy coś innego:

Potrzebujesz pełnej kontroli i prywatności → Stable Diffusion
Chcesz "rozumiejącego" generator → DALL-E 3 w ChatGPT
Wymagasz komercyjnej pewności → Adobe Firefly
Tekst na obrazach → Ideogram

Mini case study: grafiki do kampanii marketingowej

Agencja marketingowa, kampania dla marki modowej. Potrzeba: 15 grafik w spójnym stylu (kobieca postać w miejskim otoczeniu, mood melancholijny, jesień).

Klasyczne podejście:

Sesja foto: 5000-10000$, 2-3 tygodnie
Postprodukc: 1000-2000$
Razem: ~10000$, 3-4 tygodnie

Podejście z Midjourney:

Pierwszego dnia - research stylu. Generujemy 50 obrazów, szukamy odpowiedniego klimatu.
Drugiego dnia - wybieramy 3 style referencyjne (--sref), generujemy po 20 wariantów na każdy.
Trzeciego dnia - selekcja z klientem, wybór kierunku.
Czwartego dnia - generujemy 15 finalnych grafik z wybranym sref.
Postprodukc w Photoshopie (poprawki detalu, dodanie logo produktu).

Wynik:

15 spójnych grafik
4 dni zamiast 3-4 tygodni
Koszt: ~100$ (subskrypcja Midjourney przez miesiąc + czas pracy)
Akceptacja klienta na 3. dniu (widział kierunek wcześniej)

Dla agencji - to zmienia ekonomię projektów. Małe budżety mogą mieć grafiki, na które wcześniej nie było ich stać. Duże budżety - realokują na inne rzeczy (strategia, kampania, content).

Uwaga: ten model działa dla kampanii "atmosferycznych". Dla kampanii z konkretnym produktem (musisz pokazać dokładnie ten sweter tej marki) - nadal potrzebujesz sesji foto. Midjourney świetny do moodu, słabszy do konkretnego produktu.

Ile to kosztuje - cennik

Midjourney ma cztery plany cenowe:

Basic - 10$/miesiąc. ~200 generacji miesięcznie (4 obrazy na generację). Dobre na start, ale szybko się kończy.

Standard - 30$/miesiąc. ~15 godzin Fast Mode + unlimited Relax Mode. Dla kogoś, kto używa regularnie.

Pro - 60$/miesiąc. ~30 godzin Fast + unlimited Relax + Stealth Mode (prywatne generacje) + 12 równoległych generacji.

Mega - 120$/miesiąc. ~60 godzin Fast + unlimited Relax + Stealth + 12 równoległych generacji.

Różnica między Fast a Relax: Fast - priorytet w kolejce, wynik w sekundach. Relax - czekasz w kolejce (1-10 minut), ale nie liczy się do limitu.

Dla kogo:

Sporadyczne użytkowanie - Basic (10$)
Regularna praca - Standard (30$)
Profesjonalne projekty, dużo generacji - Pro (60$)
Agencja, duży wolumen - Mega (120$)

Personalnie - dla kogoś, kto realnie pracuje z grafikami AI, Pro plan (60$) to sweet spot. Stealth Mode (prywatność) jest istotny dla komercyjnych projektów.

Wady i ograniczenia

Żeby nie brzmieć jak ulotka marketingowa, lista rzeczy, które frustrują:

Cena. Brak darmowego planu. 10$/miesiąc minimum. Dla kogoś, kto chce tylko spróbować - bariera.

Brak lokalnej wersji. Tylko chmura. Dla kogoś z wolnym internetem albo restrykcyjnym firewallem - problem.

Prompt engineering specyficzny. Inny niż DALL-E. Trzeba się uczyć od nowa. Co działało w ChatGPT + DALL-E - w Midjourney może nie działać.

Tekst na obrazach. Poprawił się z v7, ale nadal słabszy niż Ideogram czy DALL-E 3. Logotypy, napisy - często przekręcone.

Precyzja kompozycji. Chcesz "osoba po lewej, pies po prawej, samochód w tle"? Midjourney może to zignorować. Lepszy w "klimat" niż w dokładne kompozycje. ControlNet w Stable Diffusion lepszy.

Spójność postaci. --cref działa, ale nie idealnie. Dla komiksów z tą samą postacią przez 50 kadrów - czasem różnice w twarzy.

Copyright wrażliwości. Możesz wygenerować obraz "w stylu [żyjący artysta]" - co rodzi kwestie etyczne. Midjourney stara się to ograniczać, ale nadal możliwe.

Lock-in. Twoje stare generacje zostają na serwerach Midjourney. Możesz je pobrać, ale metadata i historia - u nich.

Mimo tych wad - dla kogoś, kto chce wysokiej jakości estetyki AI, Midjourney jest dziś najlepszą opcją na rynku.

Dobry prompt - jak pisać

Po roku eksperymentów wyłoniłem zasady, które działają.

Bądź zwięzły. Midjourney nie potrzebuje gramatyki. "Woman red dress Paris cafe" lepszy niż "A beautiful woman wearing a red dress is standing in a charming Paris cafe".

Wskazuj styl wizualny. "Photography", "oil painting", "anime", "3D render", "vintage poster". Bez tego - Midjourney zgaduje, często trafia w generyczny styl.

Podawaj oświetlenie. "Golden hour", "studio lighting", "neon", "soft window light". Oświetlenie zmienia atmosferę dramatycznie.

Używaj nazwisk/epok (ostrożnie). "In style of Wes Anderson" działa, ale budzi kwestie copyright. Bezpieczniej używać epok/ruchów artystycznych ("art deco", "bauhaus", "cyberpunk").

Dodawaj format techniczny. "35mm film", "Polaroid", "medium format". Realnie zmienia teksturę i feeling obrazu.

Testuj parametry. --style raw, --stylize 250, --chaos 30. Każdy zmienia wynik. Poeksperymentuj.

Iteruj. Pierwszy prompt rzadko daje idealny wynik. Wybierz najlepszy z 4, zrób variations, modyfikuj prompt, powtarzaj. 3-5 iteracji do dobrego obrazu.

Zapisuj, co działa. Każdy "winning prompt" zapisuj w Notion/Obsidian/Excelu. Po miesiącu masz bibliotekę 20 sprawdzonych schematów.

Copyright i kwestie prawne

Ważna sekcja, bo generowanie obrazów AI rodzi pytania.

Czy mogę używać komercyjnie? Tak, w płatnych planach Midjourney komercyjne użycie jest dozwolone. Umowa podpisana z Midjourney zezwala.

Czy mam copyright do wygenerowanego obrazu? Nie do końca. Według US Copyright Office, obrazy wygenerowane w całości przez AI nie mają copyrightu (bo brak "human authorship"). Midjourney daje Ci licencję komercyjną, ale nie pełny copyright.

Co z trenowaniem na cudzych dziełach? Midjourney (jak inni) trenował na miliardach obrazów z internetu, część bez zgody twórców. Trwa proces sądowy. Wynik może wpłynąć na przyszłość narzędzia.

Jak się chronić?

Nie generuj "w stylu [żyjący artysta]" dla komercyjnych projektów
Modyfikuj obraz w Photoshopie (human touch = silniejsza pozycja prawna)
Dla klientów enterprise - konsultuj z działem prawnym

Adobe Firefly jako alternatywa. Jeśli komercyjna pewność jest krytyczna - Adobe Firefly jest trenowany na licencjonowanych danych (Adobe Stock). Mniej kreatywny niż Midjourney, ale bardziej "bezpieczny" prawnie.

Dla większości zastosowań (marketing, content, social media) - Midjourney OK. Dla zastosowań high-stakes (główna kampania marki, packaging, product design) - konsultacja z prawnikiem zalecana.

Kiedy Midjourney ma sens, a kiedy nie

Bierz Midjourney, jeśli:

Zależy Ci na estetyce (najlepsza na rynku)
Robisz concept art, ilustracje, mood boardy, grafiki marketingowe
Akceptujesz prompt engineering specyficzny dla Midjourney
Masz budżet 10-60$/miesiąc
Pracujesz na obrazach jako gotowych artefaktach
Chcesz spójności stylistycznej (--sref)

Lepiej szukać czegoś innego, jeśli:

Potrzebujesz pełnej kontroli i prywatności → Stable Diffusion
Chcesz prostego "opisz obrazek" w conversation → DALL-E 3 w ChatGPT
Wymagasz legalnej pewności → Adobe Firefly
Tekst na obrazach jest kluczowy → Ideogram
Masz konkretne logo/produkt do pokazania → sesja foto
Kompozycja musi być precyzyjna → Stable Diffusion + ControlNet

Midjourney to nie jest generator do wszystkiego. Ale do swojego zastosowania (estetyka, concept, klimat) - jest dziś najlepszy na rynku.

Chcesz więcej treści o AI - zapisz się na newsletter

Jeśli czytasz ten artykuł i chcesz więcej podobnych treści - mam newsletter, gdzie regularnie piszę o narzędziach AI, automatyzacjach, optymalizacji pracy. Konkretnie, bez marketingowego lania wody.

Wpisz swój email na mwozniczka.net - dostajesz powiadomienie o nowych artykułach, plus okazjonalnie materiały bonusowe (prompt library, workflow templates, porównania narzędzi).

Zero spamu. Wypisujesz się jednym kliknięciem. Do zobaczenia w skrzynce.