Midjourney 发布 v5.2：镜头级「Zoom Out」，一键把画面向外拉远

首次发布 2023年6月23日 UTC 20:18传播指数 42

周四，Midjourney 发布 v5.2 图像模型，新增类似相机镜头的「Zoom Out」外扩功能。它能保持中心主体不变，向外补全 1.5 倍或 2 倍的更大场景，还重构了美学系统并加入精简提示词的「/shorten」指令。不过该功能目前仅支持平台内生成的图像，无法导入外部图片。

以前在 AI 画图工具里抽卡，最怕的就是构图太挤：角色好看，但头顶贴着画框，周围想加点景深根本没地方放。

周四，Midjourney 正式推出了 v5.2 版本图像合成模型。这次更新最抓人眼球的，是一个类似单反镜头拉远的「Zoom Out」功能，能直接在保持中心主体不变的情况下，自动向外脑补并扩充更大的场景。

像转动变焦环一样扩图

这种技术本质上就是通常所说的画面向外延展（Outpainting），OpenAI 的 DALL-E 2 早在去年 8 月就做过类似尝试。

但 Midjourney 把操作做得极其傻瓜化。在 Discord 界面里生成并放大（Upscale）一张 v5.2 图片后，下方会直接多出一排缩放按钮。

用户可以直接选择 1.5 倍或 2 倍拉远，也可以在 1 到 2 之间输入自定义缩放数值。如果你原来画的是长方形构图，还有一个「Make Square」按钮，能自动把四周补齐成 1:1 的正方形。

不过目前它有一个明显限制：你只能扩充在 Midjourney 内部生成的画面，不能像 Photoshop 的 Generative Fill 或者 DALL-E 那样，随便上传一张外部照片让它接着画。

Midjourney 创始人 David Holz 在 Discord 社区宣布了这一系列更新。除了镜头缩放，v5.2 还换了一套全新的美学评价系统，整体画质更精细。

参数方面，`--stylize` 指令的效果被大幅加强，用户现在可以更明显地控制画面的非写实艺术感。

系统还默认开启了「高变化模式」（High Variation Mode），让同一组提示词生成的四张候选图在构图多样性上有更开阔的差距，不再千篇一律。

另外还有一个挺实用的新命令 `/shorten`。它可以帮用户诊断提示词，自动分析并剔除那些没用的废话，让核心关键词发挥更大的作用。

我们认为，这次更新最聪明的地方在于把复杂的扩散重绘降维成了最直观的相机操作。普通创作者不需要懂图层蒙版和修图逻辑，只要点一下 2x，就能让一张特写肖像变成全身街拍甚至远景全景，这直接拯救了大量构图局促的废片。

对提示词工程来说，`/shorten` 也是一个关键转变。过去用户习惯堆砌各种冗长的神仙咒语，Midjourney 现在主动下场教大家做减法，有助于降低新手的上手门槛。

不过隐患也同样明显。Midjourney 目前仍然高度依赖 Discord 聊天框这种极客形态，而且只能原地扩展内部图片。在 Adobe 已经把生成式填充直接塞进专业修图软件的当下，Midjourney 如果迟迟拿不出独立的网页工作流，它在专业工作流里的效率劣势就会越来越明显。