Login镜头的变幻就是故事｜Midjourney V5.2 Zoomout 测试
最近一直都非常忙，所以连续 20 来天都没有碰过 Midjourney 了。前两天在社交媒体上看到，新推出的 V5.2 中有一个向外扩写的功能，因为此前已经在 PS+SD 的组合中见过这类拓展画面的应用思路，所以很想看看 MJ 的 Zoomout 能做出什么样的东西来。趁着端午假期这个空档，我集中跑了几波测试，有一些小小的心得，在此记录一下。
总体结论有三个：
1、Zoomout 可以无限次数地向外扩展，但随着镜头的拉远，Midjourney 自身的联想能力并不足以做出任何有意思的画面，不刻意控制地放大出来的画面，到了第 3～5 步之后，就会明显变得乏味和缺乏美感。
2、通过刻意地控制画幅比例、扩张倍数，以及针对性地调整 prompt 的描述，可以利用这个功能讲出有意思的故事。关键在于，使用者对于「镜头语言」的理解，以及对运镜和故事之间联系的掌控程度。
3、对工业设计的辅助甚微，做点「花活儿」可以，一旦涉及到逻辑，依旧不行。
测试内容目录：
1、通过默认的 Zoomout X2 按钮连续放大 3 次
2、通过默认的 Zoomout X2 按钮连续放大 15 次
3、通过自定义 Zoomout 微调构图
4、通过自定义 Zoomout 构建人物画像
5、通过自定义 Zoomout 构建人物性格
6、通过自定义 Zoomout 完善场景氛围
7、在 niji 中应用自定义 Zoomout 构建人物和场景
8、自定义 Zoomout 构建情绪与故事
9、通过焦点变化构建故事的场景
10、通过镜头变化，构建故事的起承转合
以下为部分测试过程记录：
test case no.1：通过默认的 Zoomout X2 按钮连续放大 3 次
点击以全屏查看图片 Click to view the image in full screen操作方式：连续 3 次放大图像两倍，不对 prompt 进行修改，也不对画幅做设置。
输出成果：在奔跑的场景中增加了后方的人，有一点点故事性，但继续放大后会明显失焦，花面焦点始终在最开始的小女孩身上，继续放大生成的场景和人物都是模糊的。
test case no.2：通过默认的 Zoomout X2 按钮连续放大 15 次
点击以全屏查看图片 Click to view the image in full screen
操作方式：连续 15 次放大图像两倍，不对 prompt 进行修改，也不对画幅做设置。
输出成果：外围拓展的场景越宏大，有效信息和故事性就越低，除了在阴影中无意间冒出的人影，没有任何惊喜和意料之外，拓展的画面也很单调乏味。
test case no.3：通过自定义 Zoomout 微调构图
点击以全屏查看图片 Click to view the image in full screen
操作方式：不对 prompt 进行修改，按 1.1 和 1.2 的拓展比例小幅度调整画幅。
输出成果： 初始图像是近景特写，根据图像本身的特点，对画幅进行小幅度地微调来获得完整的全景镜头，以及合适的构图比例。
test case no.4：通过自定义 Zoomout 构建人物画像
点击以全屏查看图片 Click to view the image in full screen
操作方式：先生成一个黄色漩涡图案，然后拓展时改写 prompt 为一只眼睛，进而生成一个带特征的面部局部画面，再次拓展时修改描述词为一个洞穴中的原始部落男性。
输出成果： 成功构建了一个有目标特征「黄色漩涡瞳孔」的男性角色，通过控制拓展比例以达到最终效果—-人物整体和局部特征均得以完整呈现的画面。
test case no.5：通过自定义 Zoomout 构建人物性格
点击以全屏查看图片 Click to view the image in full screen
操作方式：先生成一个红色皮夹克的女性胸像，再改写 prompt 获得其坐在摩托车上的局部画面，再改写画幅比例获得完整的人物与车辆的全景照。
输出成果： 成功构建了一个有目标特征「红色皮衣+摩托车」的女性角色，通过控制拓展比例以达到最终效果—-人物细节和整体氛均衡的画面。
test case no.6：通过自定义 Zoomout 完善场景氛围
点击以全屏查看图片 Click to view the image in full screen
操作方式：在初次生成的几批图像中，选择合适的画风和画面主体，再根据已有画面特征修改画幅比例。
输出成果： 在选定风格和主体后，将竖幅主体拓展为气势更足的全景影像。关键是拓展比例并非默认的 2 倍或 1.5 倍，而是根据实际需求来控制比例，同时也需要关注怎样的画幅比例可以传达对应的氛围。最终图像画幅比例是 3:1，适合展现有足够细节的宽幅场景。
test case no.7：在 niji 中应用自定义 Zoomout 构建人物和场景
点击以全屏查看图片 Click to view the image in full screen
操作方式：
step 1、使用 niji 5 的 style original 生成一个细节丰富的初始人物；
step 2、以 1.2 的 Zoomout 比例纵向拓展出人物的半身画像，画幅比例是 1:2；
step 3、以 1.1 的 Zoomout 比例和 2:1 的画幅比例重构画面，得到外围场景；
step 4、以 1.2 的 Zoomout 比例和 3:4 的画幅比例重构画面，生成人物全身像；
step 5、改写 prompt 添加「宫殿」关键词，以 1.65 的 Zoomout 比例和 3:2 的画幅比例重构画面，生成人物在场景中的全景画面。
输出成果： 虽然人物细节和场景氛围的融合程度还不错，但因为漫画角色的细节较多，在多次 Zoomout 的过程中，场景的丰富会逐渐抢掉中心人物的视觉焦点。因此在每一次修改画幅比例与关键词的时候，需要多加注意对视觉元素的控制。
test case no.8：自定义 Zoomout 构建情绪与故事
点击以全屏查看图片 Click to view the image in full screen
操作方式：
step 1、生成一个情绪和神情符合目标的初始人物；
step 2、改写 prompt 同时添加「马」关键词，以 2 的 Zoomout 比例和 3:4 的画幅比例重构画面，生成后续画面的基础，此时需要注意人物与马的位置关系，否则后续生成的画面会非常扭曲怪异；
step 3、以 1.05 的 Zoomout 比例和 2:1 的画幅比例重构画面，生成完整的马匹造型与部份环境信息；
step 4、对比改写 prompt 产生的变化，黑发组不改描述词，以 1.1 的 Zoomout 比例和 3:4 的画幅比例重构画面；白发组添加「巨大镜子」关键词，以 1.6 的 Zoomout 比例和 3:4 的画幅比例重构画面。
输出成果：通过控制 Zoomout 的幅度、画幅比例和 prompt 的调整，可以生成指定场景的画面，且人物的神态到位、情绪饱满，整体画面焦点清晰。但美中不足是，构图不够自由。
test case no.9：通过焦点变化构建故事的场景
点击以全屏查看图片 Click to view the image in full screen
操作方式：
step 1、生成一个在河岸上的粽子；
step 2、修改 prompt 为「熊宝宝正准备吃粽子」，以 2 的 Zoomout 比例和 3:4 的画幅比例重构画面；
step 3、修改 prompt 为「小熊一家在野餐」，以 1.2 的 Zoomout 比例和 4:3 的画幅比例重构画面。
输出成果：通过对 prompt 的修改，控制 Zoomout 的幅度、画幅比例，可以改变画面中的焦点和表达主题，适合不同文化元素之间的混搭。
test case no.10：通过镜头变化，构建故事的起承转合
点击以全屏查看图片 Click to view the image in full screen
操作方式：
step 1、生成一幅鲜花山谷的画面，人物要明显；
step 2、修改 prompt 为「一面巨大的镜子在草地上」，以 2 的 Zoomout 比例和 3:4 的画幅比例重构画面，此处竖构图是为了生成较高的全身落地镜；
step 3、修改 prompt 为「少女站在镜子前」，以 1.5 的 Zoomout 比例和 3:2 的画幅比例重构画面，改为横构图是为了囊括少女全身以及环境信息。
输出成果：通过改变画面中的焦点和增加元素，在镜头逐渐拉远的过程中，故事缓缓托出。
我的整体感受是：
通过 Midjourney V5.2 的 Zoomout 无限拓展，一次次修改画幅比例、提示词内容，可以用镜头语言的变化来讲故事了，也可以基于一些初始的「点子」延展成有意思的融合作品。但越是这样，越发显得对话式、指令式的交互界面（ SD 那种也不算图形交互 ）的局限太大了，我很希望今年之内能发展出图形交互界面。
没错，今年 AI 的爆发指向了一个新的趋势：对话式交互界面。但人类之所以发明绘画，开始通过设计图来制作各式各样的新工具，恰恰就是因为语言本身的效率太低。这个逻辑其实也可以从媒体形态上找到端倪：文字–> 图像–> 视频。仅仅依靠对话，我们无法构建出一个一把剪刀；仅仅通过语言表达的播客，也无法传达任何需要视觉才可以精准理解的信息。对话指令的交互界面与图形交互界面之间的关系，并非只是 dos 和 windows 之间的差异，更重要的点在于，后者可以更直观地完成交互，以及精准地进行创作行为。AIGC 的重点不仅仅只是 AI，而是我们如何使用 AI 进行「Generative Content」。
我说一句话，AI 给我一个东西，这不是创作。
创作是一个生命在主观意志的驱使下，刻意的、有目的地表达其心中所想。
因为 GPT 的爆发而说对话式交互是未来，这样的断言是过于冲动的。只要是一个严肃的创作者，就会立刻意识到，真正的创作一定需要多纬度的交互界面。这其中不仅仅包含对话指令，同样更需要图形界面以及在数字虚拟空间中的三维交互。AIGC 工具与 PS、表格、PPT、思维导图等已有工具的结合，就是这类多维交互的雏形。
那一刻，我们不会等太久。
