首次用AI應用在接案，好好用？

哇，好有視覺衝擊的插圖，是AI算出來的？
上圖是用Midjourney算出來的武打動作，完全沒有經過修改。
第一眼你會感覺到很驚豔，但仔細一看會發現非常多怪東西摻在裏頭。

打給賀，好久不見，最近在忙這個啦！
承羅賓哥之福，近期有幸首次以AI進行案件，由於案件需要保密，就先用過程中一張用不到的圖來說一下。

如果要以這張圖來描述一場動作戲，Midjourney算出來的圖可不能興奮地直接拿去交差，因為客戶一看會覺得缺乏誠意。

Midjourney在手指繪製已經有很大的進步，但還是失誤機率還是很高。仔細一看左側西裝男的外套開口在很奇怪的地方，右側西裝男的左手不見了，左大腿的比例也少了一截，且他的嘴不見了。如果是商用這些細節都會被放大檢視，背景貼著奇怪文字的畫，不連貫的紙窗和屋頂多餘的構造，還有背景人物的怪異臉部。

也就是說，Midjourney現在可以幫你完成「主要的構圖」和「光線」，但細節就要靠使用者的經驗去修復了。沒有錯，「構圖」和「光線」依然是AI最強項，在這兩方面可以替用戶省下大量時間。

AI的極大弱點：缺乏方向（鏡位）概念

AI幾乎沒有方向概念，因為它＂看＂不到，AI只能靠大量的數據拼湊、猜測你的指示詞。

就例如這張動作圖我要的是「女角分腿踢中兩個西裝男」的構圖，即便我輸入了：
The woman split-kicks two men on black suits in the head, the woman kicks two men in black suits on the left and right side with her feet
這種＂教它怎麼踢＂、＂踢人是長怎樣＂的鉅細靡遺敘述，它，還是會給你這種駭客任務的動作。

因為AI沒有感官，所以他不知道用什麼踢、怎麼踢，就在大量嘗試中我發現，AI要的是精準的關鍵字和參考圖。直到我給它精確的參考圖．．．

這是跆拳道中的分腿踢，Taekwondo Split Kick。
給AI這張參考圖後，終於得到了更接近的繪製：

兩邊的西裝男真的很有型，我喜歡，很有韓漫風格，女角的腿也終於踢出來了，
但是．．

你倒是給我踢中啊，你怎麼還躲了呢！
AI就是要這樣跟你唱反調。

也就是說，你必須告訴AI你要哪一種踢，然後給它＂讀＂得懂的圖跟它說：「照著這樣踢」。然後不斷地抽卡，堪比手遊的抽獎機率（大概幾十張會中一張，一張要數分鐘不等），然後抽中你要的那張。

但是，並不是給了參考圖它就會如你所願，有高機率它會直接吃參考圖的概念，給你生一堆差不多的圖。

當我想要女角一次飛踢多人怎麼辦？我給它找跆拳道的圖片。
但是，當AI意會到那是跆拳道時，它就給你一堆穿跆拳道服的圖片。
西裝男全都不穿西裝了，女角不僅換了道服，還踢飛了一隻鞋子，然後完全沒有在打鬥的感覺，就是紮紮實實的跆拳道擺踢。

AI也嚴重缺乏方向概念，你要女角上半身往後仰，仰多少度它不知道，還有鏡位你要怎麼下，也依舊是個未解問題。目前已知的鏡頭指令，就是非常基礎的high angle（俯視）、long shot（遠景）這些，但你希望鏡頭俯視多少角度、斜多少度，還＂值得期待＂。

AI下的腳色難以連貫，即便使用--cref

雖然這一版Midjourney推出了眾所期待的Character Reference功能，可以讓用戶插入腳色圖片讓AI參考，藉此達成故事連貫性，但目前依舊＂進步空間很大＂。

YT上有許多影片示範用自己的肖像做出動漫風格大頭照，效果確實相當驚豔。
但正如剛才說的，AI沒有方向感，所以腳色頭部的方向變了，例如正臉換成側臉，腳色的臉型就會跑掉，因為AI會讀取其他資料來＂猜測＂你要的臉型，導致腳色看起來不連貫。

還有一個非常令人頭痛的問題，就是--cref指令不只讀取了腳色的臉部和服裝，連動作都照吃，而且會固定動作。

例如，我想要女角維持上圖這種韓漫美型，我在算圖後面加上--cref，讓它吃該圖的人物造型，再搭配武打動作的參考底圖。

就得到了以下結果：

你會發現，腳色造型確實吃到了，肢體、構圖卻也固定住了，我希望是個遠景人物至少膝上的構圖，但因為加了character reference，AI模仿了腳色參考圖膝上的肢體，且雙手只會擺那樣的角度，無論你算再多張都如出一轍。而且，這種固定是吃得死死的，即使我改變了底圖，只要還是有加--cref，動作就會大機率相似。

像是這張，我捨棄了niji v6改用Midjourney Alpha v6，肢體有較靈活了些，但還是擺著相似的架拳姿勢，腿完全踢不起來，腳色臉型也跑掉了。而且它還給我加了個簽名．．．我搜過了，沒有這個人．．．

那麼，嘗試自己把腳色臉型轉正，再讓AI參考呢？

效果還是十分有限，從上圖可以知道腳色風格依舊不一致，且AI對風格關鍵字的反應只能拼湊。

我希望AI能給我90年代日漫帶有美式肌肉感的效果，像是井上雄彥、北条司的城市獵人，我給了1980 retro anime style關鍵字。
於是它給了左邊水汪汪大眼幸運女神風格，中間那位既不像井上雄彥的灌籃高手，又給我穿了短褲要去打籃球了，右邊感覺很好但嘴唇厚了些，給AI吃右邊風格就會產出一堆接近美漫厚唇的人物。

14天AI密集操作心得

以目前經驗來說，單獨使用Midjourney不夠，還要搭配其他工具，像是骨架訓練以及人物模型訓練，和Stable Defusion交互應用可能會好很多。

最重要的是，還要需要有判斷能力的老手，從參考圖、關鍵字開始到AI生圖的揀選、後製修復合成做完整的監修，沒辦法一鍵完成。

一張較為精細的場景概念圖或分鏡圖，原本繪師可能要花三、五天（或更久）才能完成，且還要花很多時間蒐集、消化參考圖，經過14天親自操作，可以大幅縮減至一到兩天。業界設計師、遊戲美術師運用起來就更強了。

我們可以反覆改變文字提示權重--iw，或是圖片參考權重--sref來得到不同的生成，還能用Ｍidjourney目前我覺得最強的功能：區域修改Vary Region，終於得到女角同時腳踢兩個西裝男且都有揍到的打擊感。

當然這不是最後成果，女角的左腿依舊太長、背景和臉部都要修改，完成圖需要保密就先放上這張。

也就是說，密集操作14天約生成2,700張圖之後，能知道美術AI目前都還在實驗性階段。而且Midjourney還有個缺點，上圖中可以看到有個Fast Time，是指快速生成時間，每次用fast mode生成圖片都會消耗點數，而標準方案的Fast mode是15小時限制。

我在訂閱Midjourney標準方案第三天就把15小時快速時間用完了，接下來都只能用relax mode普通速度。使用relax mode會有明顯的差異，你不能一次生成多張圖片再挑選、按重複製作時會跳出對話框、生成速度明顯降速（可以到1/4或1/5）。

系統會提示你要不要加購fast mode，而加購是天價。
標準方案是單月30美金，訂閱當天匯率是32.53也就是976台幣，而加購快速時間可以到將近50美金，且加購的快速時間不是持續一整個月，是只有可能30或幾十個小時。

這就有點＂手遊遊戲內付費＂的概念，你有基本的可以用，還要用你要買，而且這手遊還不是免費，然後你還是要抽卡。