מידג'רני / Midjourney

מה זה מידג'רני ולמה הוא נחשב ליפה ביותר?

מידג'רני הוא מעבדת מחקר עצמאית קטנה, לא חטיבה של ענקית טכנולוגיה. הוא יצא לגרסת בטא פתוחה בקיץ 2022 והפך במהירות לשם שמזוהה עם יצירת תמונות בבינה מלאכותית, בעיקר בזכות החלטה אחת: המודל לא מנסה לצייר בדיוק את מה שביקשתם, הוא מנסה לצייר את זה יפה. אם תבקשו סתם «כלב בפארק», מתחרה יחזיר לכם כלב בפארק, וכאן תקבלו תמונה עם תאורה, עם עומק שדה ועם קומפוזיציה שנראית מכוונת.

ההטיה האסתטית הזאת היא גם החוזק וגם החולשה. כשמחפשים תמונה שתיראה טוב בלי מאמץ, זו הדרך המהירה ביותר. כשצריך בדיוק אובייקט מסוים בזווית מסוימת, אותה הטיה נלחמת בכם. ההשוואה החדה ביותר היא מול מודל התמונה נאנו בננה, שמצטיין דווקא בציות מדויק להוראות ובעריכה נקודתית של תמונה קיימת. שני המודלים טובים, והם פותרים בעיות הפוכות.

הרכיב השני שמייחד את הכלי הוא שליטה בסגנון דרך הפניות. אפשר להצביע על תמונה קיימת ולבקש את הסגנון שלה, להצביע על דמות ולבקש שהיא תופיע שוב, או לבנות פרופיל אישי שמלמד את המודל מה אתם אוהבים. זו מערכת שלמה שנבנתה סביב עקביות ויזואלית, וזה בדיוק מה שחסר לרוב המתחרים כשמנסים לייצר סדרה של תמונות שנראות כמו משפחה אחת.

הנקודה השלישית היא מה שאין. אין ממשק תכנות רשמי, ולכן אי אפשר לחבר את הכלי לתהליך אוטומטי. כל תמונה נוצרת ידנית בממשק, מורדת ידנית, ומועלית ידנית לאן שהיא צריכה להגיע. עבור מי שמייצר תמונה בשבוע זה זניח, ועבור מי שמייצר מאה תמונות לקטלוג זו חסימה שמכריעה את ההחלטה עוד לפני שדיברו על איכות.

הפיצ'רים המרכזיים של מידג'רני

שש יכולות מגדירות את הכלי. שלוש מהן נוגעות לאיכות התמונה הבודדת, ושלוש נוגעות ליכולת לייצר סדרה שנראית אחידה.

שלוש נקודות קובעות את התוצאה יותר מכל יכולת ברשימה. הראשונה היא שהפניית סגנון חשובה יותר מניסוח מושלם. אפשר להשקיע חצי שעה בניסוח בקשה מדויקת, ואפשר להצביע על תמונה אחת שאוהבים ולקבל את אותה שפה ויזואלית בשלוש שניות. מי שמבין את זה מוקדם חוסך לעצמו את כל שלב הניסוי והטעייה שכולם עוברים בהתחלה.

השנייה היא שמצב הטיוטה משנה את הכלכלה. במקום לייצר עשר תמונות מלאות ולבחור אחת, מייצרים ארבעים טיוטות זולות, בוחרים שתיים, ומריצים רק אותן במלוא האיכות. ההפרש בצריכת שעות המחשוב הוא גדול, וההפרש באיכות ההחלטה גדול עוד יותר, כי בוחרים מתוך מבחר רחב במקום להתפשר על מה שיצא.

השלישית היא שטקסט בתוך התמונה עדיין נקודת חולשה. אפשר לקבל כיתוב באנגלית שנראה סביר, אבל הוא לא אמין, ובעברית זה פשוט לא עובד. מי שצריך כיתוב קריא בתוך התמונה צריך לייצר את הרקע כאן ולהוסיף את הטקסט בשלב נפרד בכלי עיצוב, וזה גם ממילא נותן תוצאה טובה יותר כי הטיפוגרפיה נשלטת.

מבחינת שימוש עסקי בפועל, שני התחומים שבהם זה מבריק הם תמונות רקע ותמונות אווירה. מי שמכין מיילים שיווקיים וסדרות מיילים יגלה שהבאנר העליון הוא בדיוק המקום שבו איכות אסתטית מתורגמת ישירות לתחושת מותג, ושהיא לא דורשת דיוק בפרטים כי אף אחד לא בוחן שם אצבעות. זו נקודת הכניסה הכי בטוחה לכלי הזה.

כמה זה עולה?

התמחור כאן שונה מהמקובל בקטגוריה: לא משלמים על מספר תמונות אלא על שעות מחשוב מהיר, וזה משנה לגמרי את הדרך שבה בוחרים חבילה.

שתי נקודות שחייבים להבין לפני שבוחרים. הראשונה היא שאין מסלול חינמי, גם לא מוגבל. מי שרוצה לנסות משלם חודש. זו החלטה עסקית מודעת של החברה, והיא אומרת שאי אפשר לבדוק את הכלי בלי להתחייב, בניגוד כמעט לכל מתחרה בקטגוריה.

השנייה היא שהייצור האיטי הבלתי מוגבל שווה יותר משנדמה. מהחבילה השנייה ומעלה אפשר לייצר כמה שרוצים במצב איטי, שבו ההמתנה היא דקות ולא שניות. למי שעובד בתהליך מסודר, כלומר מייצר אצווה ובוחר ממנה אחר כך, זה מספיק לחלוטין, וזו הסיבה שהחבילה השנייה מספיקה גם למי שמייצר הרבה. מי שקופץ ישר לחבילה יקרה בגלל נפח עבודה בדרך כלל שילם על מהירות שלא היה צריך.

משהו אחרון על התמחור שמפתיע עסקים: המצב הפרטי, כלומר האפשרות שהתמונות שאתם מייצרים לא ייחשפו בגלריה הציבורית, זמין רק מהחבילה השלישית ומעלה. מי שעובד על קמפיין של לקוח לפני השקה חייב את זה, ולכן ההחלטה שלו נסגרת על שישים דולר ולא על שלושים. זה לא שיקול של נפח אלא של סודיות, וכדאי לברר אותו מול הלקוח מראש.

מידג'רני מול המתחרים בשוק התמונות

שוק יצירת התמונות התפצל לשלוש גישות ברורות, ולכל אחת מהן יש סוג משימה שבו היא הבחירה הנכונה. ההשוואה הרלוונטית אינה מי מייצר תמונה יפה יותר, אלא מי מתאים לסוג העבודה שלכם.

גישת האסתטיקה היא מידג'רני. היא נותנת את המראה הטוב ביותר בפחות מאמץ, והיא הכי פחות צייתנית. מי שמחפש תמונת אווירה, רקע או ויזואל שמעביר תחושה, יסיים כאן מהר יותר מכל מקום אחר.

גישת הציות היא של המודלים שמייצרים בדיוק את מה שכתוב, כולל עריכה של תמונה קיימת ושמירה על מה שלא ביקשתם לשנות. זו הגישה שמתאימה לתמונות מוצר, לתיקונים נקודתיים ולכל מקרה שבו יש דרישה מוגדרת ולא רק כיוון.

גישת התשתית היא של מודלים שמגיעים עם ממשק תכנות מלא, ולכן אפשר לחבר אותם לתהליך אוטומטי. מודל התמונה Imagen הוא הדוגמה הבולטת, והוא הבחירה כשצריך לייצר מאות ויזואלים לפי כלל ולא אחד אחד ביד.

יש גם השוואה שכדאי לעשות מול צד הווידאו, כי הגבול מיטשטש. מי שרוצה להנפיש תמונה סטטית יקבל כאן קטע קצר וסביר, ומי שצריך שוט אמיתי עם תנועת מצלמה ועם המשכיות יעבור לכלי הווידאו Runway או למודל הווידאו Veo. השילוב הנפוץ שאני רואה הוא לייצר את הפריים כאן ולהנפיש אותו שם, כי אז יש שליטה מלאה על מה שרואים בפריים הפותח, וזה הפריים שקובע איך כל הקטע נתפס.

המסקנה שלי מהשטח: אלה לא מתחרים אלא ארגז כלים. תמונת אווירה כאן, תמונת מוצר במודל צייתן, ייצור בנפח במודל עם ממשק תכנות, והנפשה בכלי וידאו. עלות שלושת המנויים יחד נמוכה משעת עבודה של מעצב, וההפרש בתוצאה גדול בהרבה מהחיסכון שבלבחור אחד.

הפיצ'ר שעושה את ההבדל: סדרה שנראית כמו משפחה

יש יכולת אחת שבלעדיה קשה להצדיק את המנוי, והיא היכולת לייצר סדרה שלמה שנראית כאילו אותו אדם עיצב את כולה. תמונה בודדת יפה אפשר לקבל בכל מקום. עשרים תמונות לאתר, שכולן חולקות אותה פלטת צבעים, אותה תאורה ואותו טיפוס קומפוזיציה, זו בעיה קשה שרוב הכלים לא פותרים. הפתרון כאן אינו קסם אלא שיטה: בונים מפרט סגנון קבוע ומריצים אותו על כל נושא. הנה איך זה נראה בפועל.

# מפרט סגנון קבוע, שנשמר פעם אחת ומורץ על כל נושא בנפרד
# ---------------------------------------------------------------
# הבסיס: מה שמשותף לכל התמונות בסדרה
BASE = ("editorial photograph, deep navy background, warm gold rim light, "
        "soft cinematic depth of field, minimal composition, premium brand feel")

# הפרמטרים הקבועים. הסגנון הגולמי מבטל את ההטיה האמנותית האוטומטית
PARAMS = "--ar 16:9 --style raw --stylize 250 --no text, watermark, logo"

# הפניה לתמונת מקור שקובעת את השפה הוויזואלית של כל הסדרה
STYLE_REF = "--sref https://example.com/brand/reference.jpg --sw 120"

SUBJECTS = [
    "an empty modern meeting room seen from the doorway",
    "a single desk with a closed laptop and a cup, from above",
    "an abstract network of thin lines over a dark surface",
    "a quiet office corridor with light coming from one side",
]

def build_prompts(subjects, base=BASE, params=PARAMS, ref=STYLE_REF):
    prompts = []
    for subject in subjects:
        prompts.append(f"{subject}, {base} {ref} {params}")
    return prompts

# הרצה בשני שלבים, כדי לא לשרוף שעות מחשוב מהיר
# שלב 1: מריצים את כל הרשימה במצב טיוטה, מקבלים הרבה ובזול
#         להוסיף לכל שורה:  --draft
# שלב 2: רק מה שנבחר מורץ שוב באיכות מלאה, בלי הדגל של הטיוטה

def to_draft(prompts):
    return [p + " --draft" for p in prompts]

def report(prompts):
    for i, p in enumerate(prompts, start=1):
        print(f"{i:02d}. {p}")

if __name__ == "__main__":
    all_prompts = build_prompts(SUBJECTS)
    report(to_draft(all_prompts))

# בקרת איכות לפני שמעלים לאתר
# שלב 1: לבדוק שאין טקסט מומצא בתוך התמונה, כי הוא כמעט תמיד שגוי
# שלב 2: לוודא שהיחס והחיתוך מתאימים למקום שאליו התמונה נכנסת
# שלב 3: לכתוב תיאור חלופי בעברית לכל תמונה לפני ההעלאה, בלי יוצא מן הכלל

מה שהשיטה הזאת מדגימה הוא שהעבודה האמיתית אינה בניסוח הבקשה אלא בהפרדה בין מה שקבוע לבין מה שמשתנה. הרקע, התאורה והיחס נשארים זהים, והנושא בלבד מתחלף. ברגע שהמפרט קיים, הרחבת הסדרה מעשרים תמונות לחמישים היא עוד שורה ברשימה ולא עוד יום עבודה.

הצעד האחרון בבקרת האיכות הוא זה שהכי נוטים לדלג עליו, והוא חשוב בדיוק כמו התמונה עצמה. כל תמונה שנכנסת לאתר צריכה תיאור חלופי בעברית שמתאר מה רואים בה, גם כדי שמי שגולש עם קורא מסך יקבל את המידע וגם כדי שהיא תתפרש נכון בחיפוש. מי שמטפל בקידום אורגני של עמודים בעברית יודע שתמונה בלי תיאור היא שטח מבוזבז, ובאתר עם מאות תמונות זה מצטבר לפער אמיתי.

חסרונות שאתם צריכים לדעת

כאן חשוב לדייק, כי רוב הביקורת על הכלי אינה על איכות התמונות אלא על כל מה שסביבן. שישה חסרונות, וארבעה מהם תפעוליים.

הראשון ברשימה הוא היחיד שאי אפשר לעקוף אותו, ולכן הוא זה שמכריע. אין דרך לבנות תהליך אוטומטי שמייצר תמונות בכלי הזה, נקודה. כל פתרון שמסתובב מסביב הוא לא רשמי ועלול להפסיק לעבוד. המבחן שאני מיישם כאן פשוט: אם המשימה היא לייצר עשרות תמונות לפי כלל, זה לא הכלי, גם אם התמונות שלו יפות יותר. אם המשימה היא לייצר סדרה מוקפדת ביד, אין לו תחליף.

היתרונות שעושים את מידג'רני שווה

יש שש סיבות שמסבירות למה אנשי מקצוע ממשיכים לשלם עליו למרות כל האי נוחות.

היתרון שהכי מורגש בפועל הוא שינוי בסף ההצדקה. כשוויזואל איכותי עולה חצי שעה במקום יום עבודה של מעצב או יום צילום, מתחילים לשים תמונה טובה במקומות שקודם הסתפקו בתמונת מלאי גנרית: כותרת של פוסט, באנר במייל, רקע לשקופית. הכלי לא רק מייעל עבודה קיימת, הוא מרחיב את מה שנחשב שווה השקעה, ובמצטבר זה משנה איך המותג נראה.

נקודה שנייה שכדאי להדגיש נוגעת להשלמה מול כלי עיצוב. התמונה שיוצאת מכאן היא חומר גלם מצוין ולא תוצר סופי, ולכן זרימת העבודה הנכונה כמעט תמיד עוברת דרך שכבת עריכה: חיתוך למידה הנכונה, הוספת טקסט קריא בטיפוגרפיה שנשלטת, והתאמת צבעים לערכת המותג. מי שמדלג על השלב הזה מקבל תמונות יפות שלא מדברות בשפה של העסק שלו, ומי שכולל אותו בתהליך מקבל נכס שנראה כאילו הוזמן במיוחד. אותו היגיון חל גם כשעוברים לווידאו: מי שמייצר סרטון הסבר עם אווטאר מדבר בכלי כמו HeyGen יגלה שרקע שנוצר כאן מעלה את רמת ההפקה של הסרטון יותר מכל שיפור אחר, ובעלות אפסית. את הדוגמאות לתהליכים ויזואליים כאלה אפשר לראות בפורטפוליו הפרויקטים שלי.

מתי לבחור מידג'רני ומתי לבחור אחרת?

מה שקובע בפועל הוא שתי שאלות בלבד: כמה תמונות אתם צריכים, וכמה מדויקת הדרישה. הנה המסגרת המעשית.

# עץ החלטה לבחירת כלי ליצירת תמונות
שאלה 1: כמה תמונות בחודש?
    בודדות עד עשרות       -->  מידג'רני
    מאות לפי כלל          -->  מודל עם ממשק תכנות
    אחת ומדי פעם          -->  כלי חינמי, אין הצדקה למנוי

שאלה 2: כמה מדויקת הדרישה?
    כיוון ותחושה          -->  מידג'רני
    אובייקט וזווית מוגדרים -->  מודל צייתן
    עריכה של תמונה קיימת  -->  מודל צייתן, בוודאות

שאלה 3: צריך טקסט בתוך התמונה?
    לא                    -->  מידג'רני
    כן, באנגלית           -->  לייצר רקע כאן ולהוסיף טקסט בכלי עיצוב
    כן, בעברית            -->  חובה להוסיף טקסט בשלב נפרד

שאלה 4: העבודה חסויה עד ההשקה?
    לא                    -->  החבילה השנייה מספיקה
    כן                    -->  חובה החבילה השלישית עם מצב פרטי
    עבודה מול לקוח קבוע   -->  לתמחר את זה בהצעת המחיר

הדפוס שחוזר כמעט תמיד הוא לשפוט את הכלי לפי תמונה בודדת. תמונה אחת יפה אפשר להוציא מכל מודל, וההבדל האמיתי מתגלה בתמונה החמש עשרה, כשצריך שהיא תיראה כמו אחות של הראשונה. הבדיקה הנכונה היא לייצר סדרה של שמונה תמונות לנושאים שונים עם אותו מפרט סגנון, ולראות כמה מהן היו נכנסות לאתר בלי עריכה.

נקודה שנייה, ומעשית מאוד: להתחיל תמיד מהפניית סגנון ולא מניסוח ארוך. אנשים משקיעים שעות בכתיבת בקשות מפורטות, בזמן שהצבעה על תמונת מקור אחת מגיעה לתוצאה קרובה יותר בשבריר מהזמן. הניסוח קובע מה יש בתמונה, וההפניה קובעת איך היא נראית, ובכלי הזה השאלה השנייה חשובה יותר.

נקודה שלישית שמתגלה רק אחרי חודש עבודה: לשמור ספריית מקורות. כל תמונה שיצאה טוב במיוחד שווה לשמור בתיקייה נפרדת עם הבקשה שיצרה אותה, כי היא הופכת לנקודת מוצא לסדרה הבאה. אחרי כמה שבועות נוצרת ספרייה קטנה של חמש עד שמונה שפות ויזואליות מוכחות, וכל פרויקט חדש מתחיל מאחת מהן במקום מאפס. זה ההבדל בין להשתמש בכלי לבין לצבור בעזרתו נכס, וזה גם מה שהופך את התוצאה לעקבית לאורך זמן ולא רק בתוך סדרה בודדת. עבודה בלי הספרייה הזאת אומרת שכל פרויקט מתחיל בחצי יום של חיפוש כיוון, ובדיוק את חצי היום הזה הכלי היה אמור לחסוך.

השורה התחתונה: האם מידג'רני שווה?

התשובה היא כן, אם העין חשובה לכם יותר מהתהליך. מידג'רני מייצר את התמונות היפות בשוק, והוא גובה על זה מחיר תפעולי אמיתי: בלי ממשק תכנות, בלי מסלול חינמי, ועם מודל מנוי שמחייב הבנה. מי שמוכן לשלם את המחיר הזה מקבל משהו שאין לו תחליף, ומי שמחפש כלי שמשתלב בתהליך אוטומטי צריך להפסיק לקרוא כאן.

מי שירוויח ממנו ברור: מותגים שצריכים שפה ויזואלית אחידה, יוצרי תוכן, סוכנויות, וכל מי שמייצר עשרות תמונות אווירה ולא מאות תמונות מוצר. ומנגד, יש מי שישלם כאן על משהו שהוא לא צריך: ייצור בנפח גדול לפי כלל, תמונות מוצר עם דרישה מדויקת, וכל מקרה שבו צריך טקסט קריא בתוך התמונה עצמה.

בשטח, הכניסה נראית כך. ראשית, לבחור תמונת מקור אחת שמייצגת את השפה הוויזואלית שאתם רוצים. שנית, לבנות מפרט סגנון קבוע ולהריץ שמונה נושאים במצב טיוטה. שלישית, להעביר לאיכות מלאה רק את מה שנבחר, ולהוסיף טקסט ותיאור חלופי בשלב נפרד. ליצירת קשר ולקבלת ייעוץ בבניית שפה ויזואלית אחידה ובתהליך שמייצר אותה שוב ושוב.

הערה אחרונה לסיום. הכלי הזה מזכיר משהו שקל לשכוח בשוק שמדבר רק על יכולות: לפעמים המוצר המנצח אינו זה עם הכי הרבה פיצ'רים אלא זה עם הטעם הכי טוב. מידג'רני מפגר אחרי המתחרים כמעט בכל פרמטר טכני ועדיין שומר על מקומו, כי מה שהוא מוכר הוא לא יכולת אלא מראה. את שאר הסקירות בקטגוריה, ואת הדרך שבה אני בונה ערכת כלים ויזואלית שמשלימה בין כמה מודלים במקום לחפש אחד שיעשה הכול, אפשר לראות אצל דביר נעמן.