Midjourney提示词生成器
从任何图像生成完美的 Midjourney v6 提示词。我们的 AI 自动提取风格、参数和细节。
三步将参考图转换为 Midjourney 提示词
无需再费心猜测如何把一张视觉参考图转写成 Midjourney 那套紧凑的语法。这款 Midjourney 提示词生成器在任意浏览器中即可运行，无需安装：上传一张图片，AI 就会返回一条可直接粘贴使用的提示词，参数标记也已一并附上。
上传你的参考图
把任何你想让 Midjourney 模仿的照片、渲染图或艺术作品拖进来。工具可在任意浏览器中运行，无需安装，也不用登录 Discord。
AI 将其解码为 Midjourney 语法
引擎会识别主体、场景、光线和艺术风格，然后将它们重构为 Midjourney 格式的提示词，并附上建议的参数标记，例如控制画面比例的 --ar 和控制美学强度的 --stylize。
粘贴到 Discord 或网页编辑器
复制生成好的提示词字符串，把它放进 Discord 的 /imagine 或 Midjourney 网页编辑器中。运行前可以调整 --v 6、--v 7 或 --niji。
为 Midjourney 的语法而生，而非泛泛的图片描述
Midjourney 解析提示词的方式与其他扩散模型不同。它偏爱开头简短而生动的措辞，以及结尾精确的参数标记：控制画面比例的 --ar、控制美学强度的 --stylize、用于可控随机性的 --chaos 和 --weird，以及用来锁定模型版本的 --v 6 或 --v 7。我们的 Midjourney 提示词生成器会读取你上传的图片，并严格按照这套语法来书写——先写主体和场景，再写风格描述，最后附上一段参数尾部，你可以直接粘贴到 Discord 或 Midjourney 网页编辑器中，无需重新排版。
如果你用过 /describe 命令，就会知道它的局限。它只能在 Discord 或 Midjourney 应用内运行，需要有效的订阅，而且只会返回四条简短的、图注式的猜测，几乎不含任何参数。这款工具则反其道而行。它可在任意浏览器中运行，无需 Discord 账号，并且和我们的图片转提示词转换器基于同一套视觉引擎，因此每次提取都会先覆盖主体、环境、光线和镜头语言，再附上 Midjourney 专属的参数标记。你得到的是一条深入且可编辑的提示词，而不是四条浮于表面的。
提取出的提示词也是进入 Midjourney 参考系统的跳板。保留文本输出，再加上带有你图片 URL 的 --sref 即可锁定风格，或用 --cref 让角色在不同场景中保持一致。以动漫或漫画作为参考？把版本标记换成 --niji，同一段描述就能驱动 Midjourney 的动漫模型。而由于底层引擎能够感知模型，当某个项目需要开源渲染时，你可以把同一张上传图重新跑一遍我们的 Stable Diffusion 提示词生成器。一张参考图，为每条工作流提供原生语法。
- 输出 --ar、--stylize 及版本标记
- 无需 Discord 账号，也无需下载
- 支持 --v 6、--v 7 和 --niji 工作流
- 可直接粘贴到 Discord 或网页编辑器
逆向拆解 Midjourney 提示词在哪些场景中最见成效
任何从参考图起步的项目，都能让 Midjourney 提示词生成器派上用场。以下是最依赖它的创作者和团队。
分镜与影视美术师
把外景剧照和影片画面转换成电影感十足的 Midjourney 提示词，配上宽幅 --ar 标记，用于提案演示和预演分镜板。
动漫与 Niji 创作者
上传漫画分格或动漫画面，再用 --niji 重定向提取出的描述，以匹配的风格探索全新角色。
品牌与社媒设计师
只需提取一次某个营销活动的提示词，就能复现其标志性视觉，然后在每一件素材上复用相同的风格化和光线措辞。
独立游戏开发者
把概念美术转成可复用的提示词模板，替换主体的同时，提取出的风格尾部让环境和道具在视觉上保持一致。
提示词工程学习者
把任意图片与其生成的提示词对照，学习 Midjourney 如何将词语和参数映射到构图、光线和氛围上。
数字插画师
把你欣赏的参考作品拆解成可编辑的提示词，再重新组合主体和场景，发展出属于你自己的原创系列。
本工具与 /describe 及提示词市场的对比
/describe 命令和提示词市场各自解决了这个问题的一部分。下面逐项说明专用的 Midjourney 提示词生成器的定位所在，并如实列出各自的取舍。
| 功能 | ImaginPrompt | /describe 命令 | 提示词市场 |
|---|---|---|---|
| 无需 Discord 账号即可使用 | ✅ 在任意浏览器中运行 | ❌ 需要 Discord 或 Midjourney 应用 | 基于浏览器的商店 |
| 分析你自己的参考图 | ✅ 可上传任意图片 | 可以，但仅限 Midjourney 内 | ❌ 仅提供预先写好的提示词 |
| 参数标记（--ar、--stylize、--v） | ✅ 自动附加 | ⚠️ 参数输出极少 | ⚠️ 因商品而异 |
| 每张图的提示词深度 | ✅ 主体、光线、风格与参数标记俱全 | ⚠️ 四条简短的图注式选项 | 固定文本，无法定制 |
| 起步成本 | ✅ 每日免费额度 | ⚠️ 需要 Midjourney 订阅 | ⚠️ 按提示词或套装付费 |
| 重定向到其他模型 | ✅ Midjourney、Stable Diffusion、DALL-E | ❌ 仅限 Midjourney 措辞 | ⚠️ 每个模型需单独购买 |
当你已经在 Discord 里，只需要一个粗略的起点时，用 /describe。当你想要经过验证的一次性提示词时，用市场。而当你的目标是基于自己的图片、生成一条深入且参数完备的提示词时，就用这款工具。
越用越见效的 Midjourney 参数技巧
💡 让 --ar 匹配你的原图裁切比例
生成前，先确认画面比例标记与你的参考图一致——电影感画面用 --ar 16:9，竖版肖像用 --ar 2:3。比例不匹配会迫使 Midjourney 凭空编造出参考图里根本没有的构图。
💡 为了还原度，把 --stylize 调低
Midjourney 默认使用 --stylize 100。当你希望输出忠实于提取出的描述时，把它降到 --stylize 50 左右；当你希望让 Midjourney 自身的美学主导时，则推向 750。
💡 为提示词搭配 --sref 或 --cref
若想获得最紧密的匹配，把你的参考图托管到网上，并在提取出的提示词后附上带其 URL 的 --sref，这样 Midjourney 会复制风格，而你的文本负责引导内容。若要保持角色一致，则改用 --cref。
💡 用 --chaos 或 --weird 拓展探索
一旦提取出的提示词能稳定复现你的参考图，就可以追加 --chaos 20 以获得更多样的九宫格，或加上一个适中的 --weird 值来得到别具一格的效果。在经过验证的基线上引入可控的随机性，胜过从头重写。
常见问题
这与 Midjourney 的 /describe 命令有何不同？+
/describe 只能在 Discord 或 Midjourney 应用内运行，需要订阅，并且只会返回四条简短的图注式建议。而这款工具可在任意浏览器中运行，无需 Discord 账号，生成的是一条详尽的提示词，涵盖主体、光线、风格措辞和参数标记，且在生成前全部可编辑。
输出能用于 Midjourney v6 和 v7 吗？+
可以。核心提示词结构在各版本间通用，而版本标记由你自行设定：想要成熟稳定的表现就用 --v 6，想要最新模型就用 --v 7。两个版本都接受本工具所使用的 --ar、--stylize 和 --chaos 参数。
生成的提示词包含哪些 Midjourney 参数？+
提取会针对那些对还原最关键的标记：用 --ar 匹配参考图的画面比例，用 --stylize 控制 Midjourney 施加自身美学的强度，以及一个版本标记。运行前，你还可以在此基础上叠加 --chaos、--weird、--sref 或 --cref。
这款工具也会生成图片吗？+
不会。它是一个提示词引擎，而非图像渲染器。上传一张图片，得到描述它的 Midjourney 语法提示词，然后把该提示词粘贴到 Discord 的 /imagine 或 Midjourney 网页编辑器中来渲染。这种分离让你在消耗 Midjourney 生成次数之前，先打磨好文本。
它能处理用于 Niji 的动漫图片吗？+
可以。上传动漫或漫画作品，提取会在描述中捕捉线条粗细、阴影风格和配色。生成前把版本标记换成 --niji，Midjourney 专为动漫调校的模型便会接管。这也是快速研究某种心仪美学如何转化为提示词语言的好办法。
Midjourney 提示词生成器免费使用吗？+
免费。每个账号都自带每日赠送的额度，足以为个人项目提取提示词，无需绑定银行卡。一切都在网页浏览器中完成，无需安装任何软件。工作量更大的用户可以升级以获得额外容量。
生成的提示词会完全复现我的图片吗？+
可以期待在风格上的忠实再现，但不会是像素级的复制。Midjourney 本就设计为会引入变化，而一条文本提示词无法编码原图的每一个细节。若想更接近，保留提取出的提示词，并加上指向你原图的 --sref：文本引导内容，参考图锁定风格。
同一张上传图能用于其他 AI 模型吗？+
可以。本页面运行在一个能感知模型的引擎上。提取出 Midjourney 提示词后，把目标切换到 Stable Diffusion 或 DALL-E 3，同一张上传图就会以该模型的原生语法重写：前者是带权重的词元措辞，后者则是自然语言。
