【Midjourney徹底比較】V7とV8で何が起きているのか？ GPUを溶かして絶望する前に読むべきV8完全攻略。

こんにちは、クロクマです。

前回はMidjourneyについてこんなnoteを書きました。

で、今回は、

ここにフォーカスしていきます。

Midjourney V8 (Alpha) が出てから、半月くらい経ちましたかね。

私の画像生成のメインツールはMidjourneyなので、出た初日から使いまくってたんですが・・

光の速さでFast GPU（生成時間）が溶けて無くなりました 笑

V8に切り替えた瞬間、“Warning！”的な表示があってもいいかと思う。クレジット消費やべ〜ぞって。まぁ出てたのかもしれませんけど。

で、気を取り直して使ってみるものの、V7のときと同じプロンプトを入れてるのに、なんか出てくる画像が地味なんですよね。

なんなら「田舎くさっ。（言い過ぎか）」みたいな。
今までみたいに、一発でオシャレな画が出ないんですよ。

なんでV7みたいなキレイな画が出ないんだ？ そもそも何が変わったの？

私、性格的に気になったことは徹底的に調べるタイプなんです。
自分のメインツールということもあって、公式の発表から何から何まで調べまくりました。その結果をまとめたのがこの記事です。

「まだAlpha版なんだからそこまでしなくてもいんじゃね？」って思う方はけっこう多そうですけど。

でも、正式版までのアップデートで何かしらの調整は入るにしても、

ここはけっこう核心ついてると思います。

今回は、なんでV8だとV7みたいな画が出ないのか。私が調べた公式情報と、毎日生成して感じてる「体感」の両方から解説していきます。

これ知っとけばうまくV8を乗りこなせるようになると思います。

それでは前置きがだいぶ長くなってしまいましたが、いってみましょう。

公式の発表と私たちが感じる「リアルなズレ」

まず、公式がV8についてなんと言っているか。

一番の目玉として、

こんなことを言ってます。
複雑な構図や、光の当たり方、空間のレイアウトなんかを、より正確に理解して反映できるようになった、と。

これ、確かにその通りなんです。間違いなく頭は良くなってるし、性能は上がってる。

でも、私が毎日画像を生成していて感じる “体感” は、少しニュアンスが違うんですよね。

公式は「より忠実になった」と言ってますけど、逆にいえば「言っていないことはやらなくなった」ということ。

V7のときは、短いプロンプトや適当な単語を投げても、AIが勝手に空気を読んで「おしゃれなネオン」や「映画みたいな光」「被写界深度（背景のボケ味）」なんかをドカンと盛ってくれていました。

言わなくてもシャレた感じにしてくれる。これが初心者にはめちゃくちゃ優しい仕様だったわけです。

でもV8は違います。

忠実になったがゆえに、「あなたが指定したのは『歩いている女性』だけですよね？ じゃあ余計な光や演出は足しませんからね」と、良くも悪くもド直球、言われた通りのものだけを出力してきます。

だから、V7のときのクセでプロンプトを投げると “パンチが弱い” と感じてしまう。

これが出力結果の「ズレ」の正体。

特にプロンプトにそこまでこだわらず、--stylizeで “盛り” を調整していた人には超厄介な仕様になったと思います。

【比較実験】同じプロンプトを入れてみた

では実際に比較してみましょう。

今回は、「短い曖昧なプロンプト」と「複雑で詳細なプロンプト」の2パターンを、V7とV8それぞれに投げて比較してみます。

比較実験①：短い曖昧なプロンプトを入れた場合

まずは、今までよく使われていた「短い指示」を入れた結果です。

▼テストしたプロンプト（短い曖昧な指示）

まずはV7の出力結果から。

どうでしょうか、このファッション誌のストリートスナップのようなオシャレな仕上がり。ヘッドホンにサングラス、メタリックでクールなファッション。さらに背景のグラフィティや車、そして一眼レフカメラで撮ったような背景のボケ味（被写界深度）。

プロンプトでは「昼間のダウンタウン」とも「ストリートスナップ風」とも「高画質」とも一言も書いてません。

でもV7は、
「サイボーグの女性って言ったらこんな感じで、こういうオシャレな雰囲気が好きでしょ？どや？」
みたいな感じで “勝手に空気を読んで盛ってくれた” わけです。

では次に全く同じプロンプト、パラメーターでV8に出力してもらいます。

どうですか？ これ、V7と同じように --stylize 300（AIに表現を盛らせる設定）を入れているんですよ。

もちろん画質はキレイなんですが、V7と比べると圧倒的に “普通” ですよね。

上半身はゴツいアーマー（近未来の服）を着てますけど、下半身は完全に普通のジーパン。 ヘッドホンや細かいサイバー小物もありません。背景の街並みも、ただぼやけているだけで主張がないです。

「あなたに言われた通り『近未来の服を着たサイボーグの女性が、通りを歩いている』という事実だけを描きましたよ。下半身や背景は指定されてないので普通にしておきました。どや？」という、融通の効かないAIの生真面目な仕事ぶりが伝わってきます（いや、褒めてはないのよ）

でもこれって、AIが悪いわけではないんです。

みたいな話なんです。

比較実験②：複雑で詳細なプロンプトを「AIの盛りなし」で入れた場合

じゃあ次に、「しっかり詳細まで書き込んだ複雑なプロンプト」を入れたらどうなるのか。

短いプロンプトのときとは変えて、今回はAIの勝手な盛りが出ないように、パラメーターをデフォルトの --stylize 100（数値を消すのと同じ）に設定して、純粋な「AIの指示に対する理解度」を比較してみます。

▼テストしたプロンプト（詳細に構造化した指示）

まずは再度V7の結果から。

今回は --stylize を下げたんで、さっきよりは “過剰なギラギラ感” は落ち着きましたね。
背中や腕のサイボーグ感もしっかり出てるし、雨の表現なんかはすごく綺麗です。

ただ、やっぱりここでも微妙な “指示無視” が起きてます。

「青く光るメタリックジャケット」って指定したのに、なぜか「光るラインの入った黒いパーカーっぽい服」にされて、代わりにズボンのほうがメタリックになっちゃってます 笑

おまけに後ろ向き。顔が見えません。
人物の後ろ向きってよくありますよね。後ろからのほうがオシャレでしょ？って感じなんですかね。

AIが無難に「サイバーパンクならこういう構図でこういう配色のほうがカッコいいっしょ！」って勝手に素材を入れ替えて、全体の雰囲気でごまかしてくる。

これがV7の仕様なんですよね。人間がこだわって書いた指示も、AIの解釈で勝手に変えられちゃうわけです。

V7仕様のプロンプトの作り方はこちらをご覧ください。

では次に全く同じプロンプト、パラメーターでV8の結果です。

どうでしょうか。V7の時とは全然違って、一つ一つの指定が超正確に反映されてます。

V7だと黒塗りにされた「メタリックジャケット」も、ちゃんとシルバーの質感で着てますよね。（首元とか手先から少しだけサイボーグ要素も見えます）

「タクティカルカーゴパンツ」の形から、「雨に濡れたアスファルトの反射」まで、こっちが指定しためんどくさい条件を、勝手な解釈でごまかさずに全部正面から受け止めて画にしてくれてます。

短いプロンプトの時は「ただのジーパン」でしたけど、こっちがしっかり細かく指定してやれば、その通りにちゃんと着こなして映画のワンシーンみたいに仕上げてくれるんです。

これがV8の本当の凄さ。

リアルさも、思い通りのコントロール感も、V7とは別次元に感じます。

ちなみにちょっと余談かもですけど、私の体感として、

こんな感じがしてます。

V7は数値を上げると、もう指示関係なしにAIが暴走して「とりあえずド派手なサイバーパンク！」みたいな画を勝手に作っちゃう。コントロールは難しくなりやすい。

でもV8は数値を上げても、あくまで「指示した枠組みの中」でアーティスティックに仕上げようとするんですよね。だから、プロンプトをしっかり構造化してコントロールする威力がよりハッキリ出るんです。

じゃあ、プロンプトの書き方はどう変わるの？

V8は “文章理解力” がかなり上がっています。

前回のnoteで「プロンプトはカンマ（,）で区切って構造化しろ」と偉そうに語りました。

V8になっても、その「構造化」の考え方は絶対に捨てないでください。

いくらV8が賢くなって長い文章を理解できるようになったとしても、私たちが後から「ここだけ直したい！」と思ったときに、長文のままだと修正が効かなくて沼ってしまうから。（詳しくは前回のnoteで）

V8の強みは、「自然な文章の文脈」や「空間的な位置関係」を正確に拾ってくれるところ。

だから、カンマで区切ったブロックの中で、少しだけ具体的に、人間が話すような自然な言葉で状況を説明してあげるのがコツになります。

単語の羅列だけでなく、「誰が、どこで、何に対して、どうしているか」という繋がりを意識して書いてあげるということです。

V8で思い通りの出力を出すための3つのコツ

今までV7で「短い単語をつなげて画を出していた人」ほど、V8では思い通りにいかず、貴重なGPU時間（Fast時間）をひたすら溶かす羽目になっていると思います。

私の体感としては、以下の3つのコツを意識すれば、無駄撃ち（ムダなクレジット消費）を避けつつ、V8の圧倒的な描画力を使いこなせるようになるんじゃないかなと思います。

「盛る」ための指示を人間がサボらない

これが一番大きいです。

V7が勝手にやってくれていた「カメラのアングル」「光の当たり方（cinematic lightingなど）」「質感」などを、しっかり自分のプロンプトで明言してあげる。

V8は真っ白なキャンバス。光はどこから当たっているのか、色味はどうなのか。細かく指定すればするほど、V8はそれに完璧に応えてくれます。

「どこに・何があるか」を具体的に書く

V8の理解力が上がった恩恵を最大限に受けるため、「AとBがどういう状況にあるか」をしっかり書く。

単純に「ネズミがいる, フクロウがいる」と並べるのではなく、「フクロウの左隣の机に座っている小さなネズミ」と関係性を示したほうが、V8は正確な配置をしてくれます。公式が「空間レイアウトの理解が上がった」と言っているのはこういうことです。

パラメーター（Stylizeなど）で味付けをする

「プロンプトにいちいち光のことまで書くのめんどくさい！」という本業社畜のあなたは、Midjourneyのパラメーター --stylize（画像の芸術性・表現力を調整する数値）を頼るのもひとつ。

V8は基本の「味付け（演出）」が薄いので、例えば V7で --stylize 300 を使っていた画であれば、V8は--stylize 500 のようにいつもより高い値を入れることで、AI側が少し「アーティスティックな表現」をプラスしてくれて、リッチな仕上がりになります。

 
さあ、ここまで読んでくれた副業勢の9割はこう思っていることでしょう。

ええ、私もムリです。
プロンプト考えるだけで明日になっちゃうって。

そう。ここでもやっぱりChatGPTの出番です。

前回のnoteでお話しした「AIにプロンプトを型抜きさせる」方法の中に、

という指示を１文足して、ChatGPTに型抜きさせるだけ。
その際の構成ルールに使うプロンプトは、V8用に作成されたプロンプトを使うのがポイントです。

V8は文章の文脈を理解するのが得意なので、ChatGPTが作ってくれる「自然な描写ルール」とものすごく相性が良いです。

自分では思いつかないような高度なライティングの英語表現も、ChatGPTが代わりに整理して出してくれます。

結局、私たちがやることは「AIへの指示出し（プロンプトの出し方）」を整えることだけなんです。

【超重要】 V7で作ったお気に入りの画像を「V8」で再現する方法

そしておそらく、今V8を触っている人が一番気になっているのがこれだと思います。

「昔V7で作ったこの画像、すごく気に入ってるんだけど、V8の高画質で同じものを出せないの？」

モデル（言語の解釈の根幹）が全く違うので、「プロンプトをそのままコピペ」しても全く同じ画像にはなりません。

でも、限りなくV7の雰囲気に寄せる一番手っ取り早い裏技があります。

それが、

です。

やり方は超簡単。
というかMidjourney使ってたら言うまでもないでしょうけど、

Midjourneyで作った画像ならドラッグ＆ドロップ。
自前の画像を使いたければ赤丸のとこを押せば、アップロードできます。

V7が勝手に盛ってくれていた、あの空気感や「おしゃれな画風、光の演出なんかを、V8の素直なキャンバスに強制的に転写（コピー）してしまうんです。

さらに --sw（スタイルの反映強度）などと組み合わせれば、V8の圧倒的な理解力と画質を持ちながら、V7の「あのエモい空気感」をまとわせることができます。

ここでV8のスタイルリファレンス（--sref）に関して注意点です。

ですが --sv 6 このパラメーターを入れることで、V7使用時のような強力なスタイルリファレンスを反映できます。

どう言うことかといえば、スタイルリファレンスにもバージョンがあるということ。sv はスタイルバージョンという意味です。

最新（V8）のスタイルバージョンは7、ひとつ前のスタイルバージョンは6、このようになってます。ややこしい 笑

V8の描写力と--sv 6 での強力なスタイルリファレンス。こんなことも可能ということです。

個人的には画像が細かくなればなるほど、良いところを潰し合っている感じがしますけどね。

リファレンスに頼り過ぎるのではなく、V8のプロンプト力を高めていったほうが長い目で見ると使えるスキルになっていくと思ってます。

まぁそうは言っても、プロンプトだけでV7を再現しようとすると言葉遊びの限界が来ますが、スタイルリファレンス（--sref）を使えばある程度は解決します。今のところオススメです 笑

公式発表と現場のリアルから見る未来

Midjourney公式は、「V8はまだAlpha版だから、これから仕様も頻繁に変わるし、商用利用など急ぎのプロジェクトには安定したV7を使ってね」とアナウンスしています。

これも真理です。おそらく今の極端な「味気なさ（生っぽさ）」は、完全版リリースまでにユーザーのフィードバックを受けて、ある程度V7のようなリッチさが出るように調整されていくはずです。

でも、私の体感としては、

と思っています。

V7のほうがキレイじゃん。V7のほうが作りやすい。と見切りをつけるよりも、めげずに「どうプロンプトを書けば、あの光を表現できるのか？」「ChatGPTにどう指示させよう？」と試行錯誤した人だけが、V8が本格稼働したときに、周りよりも素早く「自分の世界観」を作れるようになるんだと思います。

焦らず、AIの進化を楽しんでいきましょう！

ここまで読んでいただきありがとうございました！
今回はこれで以上になります。

ではまた、次回のnoteで。

私と同じように“忙しくても副業を始めたい方”に向けて書いていますので、よかったら “スキ” や “フォロー” もらえるとうれしいです。

お願いします🙇‍♂️