Midjourney एक जनरेटिव AI प्रोग्राम और सेवा है, जिसे Midjourney, Inc. द्वारा बनाया गया है, जो सैन फ्रांसिस्को, कैलिफोर्निया में स्थित एक स्वतंत्र शोध प्रयोगशाला है। यह प्लेटफ़ॉर्म प्राकृतिक भाषा विवरणों, जिन्हें प्रॉम्प्ट कहा जाता है, से छवियाँ उत्पन्न करता है, जो अन्य कृत्रिम बुद्धिमत्ता छवि जनरेटर के समान है। यह हाल के AI उछाल की प्रमुख तकनीकों में से एक बन गया। यह उपकरण 12 जुलाई 2022 को ओपन बीटा में प्रवेश किया, और यह Discord बॉट या आधिकारिक वेबसाइट के माध्यम से सुलभ है, जहाँ उपयोगकर्ता विशेष हार्डवेयर या मशीन-लर्निंग विशेषज्ञता की आवश्यकता के बिना छवियाँ उत्पन्न कर सकते हैं।
इस परियोजना का नेतृत्व डेविड होल्ज़ कर रहे हैं, जो Leap Motion के सह-संस्थापक हैं, जो हाथ-ट्रैकिंग सेंसर के लिए जानी जाने वाली कंपनी है। अगस्त 2022 में The Register के साथ एक साक्षात्कार में, होल्ज़ ने कहा कि Midjourney पहले से ही लाभदायक था, जो कई शुरुआती AI उद्यमों के बीच एक विशिष्टता है। उपयोगकर्ता Discord के माध्यम से कमांड भेजकर या वेब इंटरफ़ेस का उपयोग करके सेवा के साथ बातचीत करते हैं, और प्लेटफ़ॉर्म प्रत्येक प्रॉम्प्ट के लिए चार छवियों के सेट लौटाता है, जिन्हें बाद में बढ़ाया या परिष्कृत किया जा सकता है।
इतिहास और विकास
Midjourney, Inc. की स्थापना सैन फ्रांसिस्को में डेविड होल्ज़ द्वारा की गई थी, जिन्होंने पहले Leap Motion की सह-स्थापना की थी। Midjourney Discord सर्वर 14 मार्च 2022 को लॉन्च किया गया था, जिसमें टीम ने प्रशिक्षण उद्देश्यों के लिए उच्च-गुणवत्ता वाली तस्वीरें Twitter और Reddit पर पोस्ट करने का अनुरोध किया था। कंपनी ने हर कुछ महीनों में नए मॉडल संस्करण जारी करना शुरू किया, जिसकी शुरुआत अप्रैल 2022 में संस्करण 2 और 25 जुलाई 2022 को संस्करण 3 से हुई। संस्करण 4 का अल्फा पुनरावृत्ति 5 नवंबर 2022 को जारी किया गया था, और उस संस्करण से आगे, मॉडलों को मानक GPU क्लस्टर के बजाय Google TPU पर प्रशिक्षित किया गया था।
संस्करण 5 ने 15 मार्च 2023 को अल्फा में प्रवेश किया, उसके बाद 5.1 मॉडल आया, जिसने छवियों पर अधिक स्टाइलाइज़ेशन लागू किया और अधिक शाब्दिक प्रॉम्प्ट के साथ काम किया। संस्करण 5.2 ने एक सौंदर्यशास्त्र प्रणाली और एक "ज़ूम आउट" सुविधा पेश की जो मौजूदा छवियों के लिए आसपास की सामग्री उत्पन्न करती थी। संस्करण 6 ने 21 दिसंबर 2023 को अल्फा तक पहुँचा, जिसे नौ महीनों में खरोंच से प्रशिक्षित किया गया, जिसमें पाठ प्रस्तुति में सुधार और प्रॉम्प्ट की अधिक शाब्दिक व्याख्या शामिल थी। वेब इंटरफ़ेस अगस्त 2024 में संस्करण 6.1 के साथ लॉन्च किया गया था, जिसमें संपादन, पैनिंग, ज़ूमिंग, क्षेत्र भिन्नता और इनपेंटिंग को एक ही उपकरण में समेकित किया गया था।
विशेषताएँ और कार्यक्षमता
Midjourney मुख्य रूप से एक Discord बॉट के माध्यम से एक्सेस किया जाता है, या तो आधिकारिक सर्वर में, सीधे बॉट को संदेश भेजकर, या इसे तीसरे पक्ष के सर्वर पर आमंत्रित करके। उपयोगकर्ता "/imagine" कमांड टाइप करते हैं और उसके बाद एक प्रॉम्प्ट देते हैं, और बॉट चार छवियों का एक ग्रिड लौटाता है जिसमें अपस्केल करने के विकल्प होते हैं। वेबसाइट ने शुरू में उपयोगकर्ताओं को वेब संपादक का उपयोग करने से पहले Discord के माध्यम से कम से कम 1,000 छवियाँ उत्पन्न करने की आवश्यकता थी, लेकिन वह सीमा हटा दी गई थी। प्लेटफ़ॉर्म कई शोधन उपकरण प्रदान करता है, जिसमें Vary (Region) और रीमिक्स शामिल हैं, जो 5 सितंबर 2023 को जारी किया गया था, जिससे उपयोगकर्ता छवि के एक विशिष्ट क्षेत्र का चयन कर सकते हैं और केवल उस क्षेत्र में परिवर्तन लागू कर सकते हैं।
इमेज वेट सुविधा अंतिम आउटपुट पर अपलोड की गई छवि के प्रभाव को नियंत्रित करती है, जिससे उपयोगकर्ता प्रॉम्प्ट टेक्स्ट या छवि विशेषताओं को प्राथमिकता दे सकते हैं। स्टाइल रेफरेंस उपकरण एक संदर्भ छवि से रंग, बनावट या वातावरण निकालता है और उन्हें नई रचनाओं पर लागू करता है। कैरेक्टर रेफरेंस सुविधा उस चरित्र की कई उत्पन्न छवियों में दृश्य स्थिरता बनाए रखने के लिए अपलोड की गई चरित्र छवि का उपयोग करती है।
उपयोग के मामले और अपनाना
डेविड होल्ज़ ने वर्णन किया है कि कलाकार अंतिम रेंडर शुरू करने से पहले ग्राहकों को दिखाने के लिए कलात्मक अवधारणाओं के तेज़ प्रोटोटाइपिंग के लिए Midjourney का उपयोग कैसे करते हैं। विज्ञापन उद्योग ने इस उपकरण को DALL-E और Stable Diffusion के साथ अपनाया, विचार-मंथन और मूल सामग्री बनाने के लिए। आर्किटेक्ट्स ने परियोजनाओं के शुरुआती चरणों के लिए मूड बोर्ड उत्पन्न करने के लिए सॉफ़्टवेयर का उपयोग करने की सूचना दी है, जो छवि खोज परिणामों को ब्राउज़ करने के विकल्प के रूप में है। प्लेटफ़ॉर्म का उपयोग मीडिया उत्पादन में भी किया गया है, जिसमें पत्रिका कवर और कॉमिक्स शामिल हैं।
उल्लेखनीय विवाद
BBC ने 2023 में नोट किया कि AI-आधारित टेक्स्ट-टू-इमेज जनरेटर, जिसमें Midjourney शामिल है, की यथार्थवादिता उच्च स्तर पर पहुँच गई थी, जिसने सांस्कृतिक बहस को जन्म दिया। एक प्रमुख मामला अगस्त 2022 में हुआ जब "Théâtre D'opéra Spatial" शीर्षक वाली एक Midjourney छवि ने कोलोराडो राज्य मेले में डिजिटल कला प्रतियोगिता जीती। जेसन एलन, जिन्होंने प्रॉम्प्ट लिखा था, ने छवि को कैनवास पर मुद्रित किया और इसे अपने नाम के तहत दर्ज किया, एक कदम जिसने अन्य डिजिटल कलाकारों को नाराज़ किया। एलन ने कोई पछतावा नहीं दिखाया, यह कहते हुए कि उन्होंने प्रतियोगिता के नियमों का पालन किया, और न्यायाधीशों ने बाद में कहा कि वे पुरस्कार देते भी अगर उन्हें AI उपकरण के बारे में पता होता।
दिसंबर 2022 में, AI-जनरेटेड बच्चों की किताब "Alice and Sparkle" एक ही सप्ताहांत में बनाई गई थी। इसके निर्माता, अम्मार रीशी, ने पुस्तक के लिए लगभग 13 छवियाँ उत्पन्न करने के लिए Midjourney का उपयोग किया, जिसने कलाकारों से आलोचना की, जिन्होंने आरोप लगाया कि मॉडल को उनके कार्यों पर बिना अनुमति के प्रशिक्षित किया गया था। The Atlantic के लेखक चार्ली वारज़ेल ने एक न्यूज़लेटर के लिए एलेक्स जोन्स की छवियाँ उत्पन्न करने के लिए Midjourney का उपयोग किया, बाद में घटना के बारे में एक लेख में इस निर्णय को गलती बताया। कार्यक्रम का उपयोग The Economist द्वारा 2022 के फ्रंट कवर के लिए और इतालवी समाचार पत्र Corriere della Sera द्वारा वानी सैंटोनी द्वारा लिखित एक कॉमिक के लिए भी किया गया था। Last Week Tonight with John Oliver के एक एपिसोड में Midjourney पर एक 10 मिनट का खंड प्रसारित किया गया था।
स्वागत और आलोचना
कलाकारों ने सहमति और श्रेय के बारे में चिंताएँ उठाई हैं, क्योंकि Midjourney के प्रशिक्षण डेटा में कई कॉपीराइट कार्य शामिल हैं। जबकि कुछ इसकी पहुँच और गति की प्रशंसा करते हैं, अन्य कानूनी और नैतिक निहितार्थों की आलोचना करते हैं। कंपनी ने प्रशिक्षण डेटा से बाहर निकलने के विकल्प जैसी सुविधाएँ जोड़कर जवाब दिया है, हालाँकि आलोचकों द्वारा ऐसे उपायों को अपर्याप्त माना गया है। बहस के बावजूद, Midjourney पेशेवरों द्वारा व्यापक रूप से उपयोग किया जाता है।