Midjourney V4

V4 是什么

Midjourney V4 是 Midjourney 的第四代图像生成模型。这家公司的服务把简短的文字提示词变成图片。V4 于 2022 年 11 月 5 日以 alpha 形式发布，也就是在仍处于早期测试阶段时就开放给用户使用^[1]。这类文生图模型从海量图像中学习统计规律，再根据用户输入的词句生成新图；版本号代表的是新一轮训练，而不是交互方式本身的改变。

训练与运行方式

从 V4 开始，Midjourney 的模型在 Google TPU 上训练^[1][2]。训练指的是在规模很大的图像集合上反复调整模型参数的过程；推理则指训练好的模型针对用户提示词真正生成图像的过程。据 Google Cloud 的说法，V4 在 Google Cloud 的 TPU 上训练，推理则运行在配备 NVIDIA GPU 的 Google Cloud GPU 虚拟机上^[2]。

2023 年 3 月 14 日，Google Cloud 表示 Midjourney 使用 JAX 在 Google v4 TPU 上训练其最新算法，公告中引用了创始人 David Holz 的话^[2]。Midjourney 还把可持续性列为选择 Google Cloud 的原因之一：它需要一个能帮助自己降低能耗与碳排放的合作伙伴^[2]。

相比 V3 的变化

The Decoder 认为，从 V3 到 V4 的跨度很大，图像更讨喜、细节更多，也更贴合输入的提示词^[3]。Midjourney 还为 V4 组织了一轮社区评分流程，让用户对生成结果进行比较和排序，公司称这进一步提升了最终版本的质量^[3]。

同期发布与后继版本

2022 年 12 月 20 日，Midjourney 发布了主打动漫风格的 Niji 模型^[1]。V4 的后继版本 V5 在 2023 年 3 月推出^[1]。在 2023 年 3 月 Google Cloud 发布上述消息时，Google Cloud 称 Midjourney 的艺术创作者社区已拥有超过 1100 万名成员^[2]。

在 Midjourney 发展中的位置

V4 是 Midjourney 把训练搬到 Google TPU 上的起点，也是外部观察者眼中与前代拉开明显差距的版本^[1][3]。关于它有三点有据可查：相对 V3 在「图像是否贴合提示词」上的大幅提升；训练与推理分别放在 Google Cloud 的 TPU 和 GPU 虚拟机上；以及到次年春天服务周边已聚集超过 1100 万名成员^[2][3]。公司还把基础设施的选择与能耗问题挂钩，把可持续性列为理由之一^[2]。V5 在 V4 的 alpha 发布四个月后就到来，因此 V4 更像是一串快速迭代版本中的一步，而不是终点^[1]。