Midjourney垫图？2026最新完整教程与实操指南

Midjourney垫图是通过上传参考图片作为视觉输入，结合文本提示让AI生成风格、构图或内容相似的新图像。2026年最新操作：将图片上传到Discord或网页版，复制图片链接，在/imagine提示词中粘贴链接并提供文字描述，调整--image-weight参数控制图片影响程度。

核心结论

• 垫图的核心机制：Midjourney会分析参考图片的构图、色彩、纹理和主体特征，然后用文本提示作为引导，生成一张“长得像”但内容可控的新图。2026年V6.2版本支持多图片混合（最多5张）和分层权重调节。
• 操作流程极简：只需三步——上传图片→获取链接→在提示词首位置粘贴链接+空格+文字描述。网页版（2025年推出）可以直接拖拽图片到输入框，无需手动复制链接。
• 关键参数--iw：控制图片权重，范围0.5~2.0（V6版本），默认1.0。数值越高，生成结果越贴近参考图的结构和颜色；数值越低，文字提示的主导性越强。
• 版本差异巨大：V5.2及之前版本垫图效果粗糙，容易直接复制图片；V6开始引入CLIP语义理解，V6.2（2026年3月更新）进一步优化了图片与文本的融合，支持--style raw配合垫图获得更精准的材质还原。
• 版权红线：使用他人作品垫图生成商用内容时，如果参考图具有明确版权，生成结果可能构成衍生侵权。2026年Midjourney官方要求用户在上传图片时勾选“我有使用权”的声明。

操作步骤：2026版垫图全流程（从入门到精通）

第一步：准备图片并上传

核心总结：图片越清晰、主体越明确，垫图效果越好。避免使用低分辨率或过度压缩的jpg（建议至少1024×1024像素，PNG最佳）。

1. 选择参考图：最好是单主体、背景干净、光线均匀的图片。例如你想生成赛博朋克风格的城市，参考图可以是实际城市天际线照片，也可以是已有的插画。注意图片不要有过多的文字或水印——Midjourney会尝试“理解”这些文字，导致输出出现乱码。

2. 上传到平台：

3. Discord渠道：在任意Midjourney Bot频道（如#newbies或#general）中，点击输入框左边的“+”号，选择上传图片。上传后点击图片放大，然后右键“复制图像链接”（或点击图片后左下角有复制链接图标）。关键：链接必须是直接指向图片的.png或.jpg，不能是Discord页面链接。

4. 网页版（Midjourney Alpha）：登录midjourney.com，点击左侧“Imagine”按钮，在提示词输入框下方有一个“添加图片”图标，点击后从本地选择图片。网页版自动生成链接并填入提示词中，无需手动操作。截至2026年6月，网页版用户占比已达78%。

5. 注意事项：Discord免费试用用户（每天25次生成）同样可以使用垫图功能，但上传图片不能超过50MB。如果使用Discord，建议使用/upload命令直接上传到Midjourney的临时服务器（链接有效期约24小时），不过/upload命令在2025年已废弃，改用上述手动上传方式。

第二步：构造提示词

核心总结：图片链接必须放在提示词的最前面，后面紧跟文字描述，中间用空格隔开。文字描述要清晰说明你希望改变的元素和保留的元素。

1. 基础公式：/imagine prompt: [图片链接] [文字描述]
   例如：/imagine prompt: https://cdn.discordapp.com/.../photo.png a cyberpunk city at night, neon lights, rainy street, highly detailed, 4k --ar 16:9 --iw 1.5

2. 文字描述的写法：先描述“保留什么”，再描述“改变什么”。比如参考图是一只猫坐在沙发上，你希望猫变成金色的老虎，沙发不变。那么提示词可以写：[链接] a golden tiger sitting on the same sofa, realistic texture, fur details, natural lighting --iw 0.8。注意“same sofa”这个短语会让Midjourney尽量保留沙发的形态。

3. 多图混合：2026年V6.2支持最多5张图片链接，排列顺序很重要。例如：[链接A] [链接B] [链接C] a fusion of style A and B with subject from C, fantasy landscape --iw 1.2 --iw 1.0 --iw 0.8。注意每个链接后面可以单独指定--iw值（但需在最后统一写），或者使用新参数--iw-list 1.2,1.0,0.8（V6.2专属）。

第三步：调整参数并生成

核心总结：--iw、--s（风格化）和--c（混乱度）是垫图的三大辅助参数，配合使用可以平衡“像参考图”和“符合文字描述”之间的尺度。

1. --image-weight (--iw)：控制图片权重。
2. 取值范围：0.5~2.0（V6及以后）；V5.2及之前是0.5~1.5。
3. 不同场景推荐：
   • 想要严格参考构图和颜色：--iw 1.8~2.0
   • 想要参考风格但内容自由发挥：--iw 0.5~0.8
   • 默认值1.0适合大部分情况，此时图片和文字大致五五开。

4. 实战案例：我用一张梵高《星月夜》垫图，输入“a city skyline at night”，--iw 2.0得到的结果几乎就是星月夜的漩涡化城市；而--iw 0.5得到的是写实的城市夜景，只有一点点笔触感。

5. --stylize (--s)：风格化程度（0~1000，默认100）。数值越高，Midjourney越倾向于添加自己学到的艺术风格。当垫图时，如果--s很高（如500），即使--iw很高，风格也可能被覆盖。建议垫图时保持--s 100~250，否则参考图风格会被“Midjourney风格”稀释。

6. --chaos (--c)：混乱度（0~100）。数值越高，结果变化越大。垫图时通常保持--c 0，确保每张生成的图片都与参考图有直接关系。如果你想要探索不同的构图变体，可以设置--c 20~50，但可能减少与参考图的相似度。

7. 其他参数：

8. --ar：宽高比，垫图时最好与参考图比例一致，否则Midjourney会强行裁剪或填充。
9. --no：排除不想出现的内容，例如--no text, watermark。
10. --v 6.2：指定版本，2026年最新稳定版，支持层次化垫图。
11. --style raw：关闭Midjourney默认的美化滤镜，适合需要精准还原材质或真实感的场景（如产品垫图）。

深度解析：垫图原理与版本进化

垫图的工作机制：CLIP如何“理解”你的图片

核心总结：Midjourney不是简单复制粘贴图片像素，而是通过CLIP模型将图片转化为语义向量，再与文本向量融合，最后从噪声中重建图像。这也是为什么即使你把一张全黑图片垫进去，它也能生成“黑暗氛围”而非一张黑色图片。

当你上传一张参考图时，Midjourney的CLIP（Contrastive Language-Image Pre-training）模型会提取图片的语义特征——不是像素点，而是“一只戴眼镜的猫”、“蓝色背景”、“金色灯光”这样的概念。然后，文本提示词也被编码成向量。系统会将这两个向量进行加权混合（权重由--iw控制），混合后的向量作为条件输入到扩散模型中，逐步去噪生成新图像。

关键数据点：CLIP模型的图像嵌入维度是512维（V6版本），与文本嵌入维度相同。这意味着--iw=1.0时，图片和文本的“影响力”在向量空间中是相等的。但如果图片中有非常具体的物体（比如一个人脸的正面照），CLIP会给予这个物体更高的注意力权重，导致即便--iw很低，人脸也可能被复制过去。这就是为什么垫图容易“复制”人物而非仅仅风格。

V5.2到V6.2：三代垫图的翻天覆地

版本	发布时间	垫图核心改进	最大图片数	--iw范围	适用场景
V5.2	2023年6月	基础垫图，但容易直接复制图片，风格迁移能力差	1张	0.5~1.5	简单构图复制
V6	2024年12月	CLIP语义理解增强，图片与文本融合更自然，不再“生硬粘贴”	3张	0.5~2.0	风格混合、主体变换
V6.1	2025年8月	多图混合稳定性提升，支持--iw-list参数，修复高权重时的纹理错误	5张	0.5~2.0	多来源融合、精确控制
V6.2	2026年3月	引入“分层垫图”模式，可通过--image-layers指定每张图在构图、颜色、纹理上的权重分布	5张	0.5~2.0 + 分层系数	产品设计、概念艺术

我个人最深刻的体验是V6到V6.1的跨越。在V5.2时代，我用一张真实朋友的照片垫图，输入“painting of a character, oil painting style”，结果几乎就是一张照片转油画滤镜的效果，毫无创意。到了V6，同样输入，Midjourney会把面部特征抽象为“鼻子形状”“眼睛间距”等语义，然后画出一个风格化但依然神似的人物，背景则完全根据文字生成。而V6.2的分层垫图功能，让我可以指定“保留参考图A的构图，参考图B的色调，参考图C的纹理”——这已经接近专业合成工具了。

垫图 vs 其他工具（DALL-E 3 / Stable Diffusion / Leonardo.ai）

核心总结：Midjourney垫图在风格保留和艺术性上领先，但在精准控制局部细节上不如Stable Diffusion配合ControlNet。DALL-E 3的垫图最方便但自由度最低。

• Midjourney垫图：优势在于“润物细无声”的风格迁移——即便是弱权重，也能让生成结果在调色板、光影氛围上自动匹配参考图。缺点是无法指定具体区域（比如“只保留上半身”）。2026年每月费用起步$10（基础版），生成次数限制1000张/月（基础版）。垫图功能在Starter（$10/月）和Pro（$60/月）计划中均开放，但Starter版生成速度较慢，约30秒/张。

• DALL-E 3（通过ChatGPT Plus或API）：2026年版本垫图很简单，直接上传图片并输入描述即可。但DALL-E 3的垫图本质是“编辑模式”——它会严格遵循参考图的整体构图，改变幅度很小。如果你想从一只猫生成一只老虎，ChatGPT可能会直接输出“猫变成老虎”的修改结果，但背景和姿势几乎不变。适合快速编辑，不适合创意生成。价格：ChatGPT Plus月费$20，包含DALL-E 3每3小时30张免费用量。

• Stable Diffusion（开源，推荐ComfyUI或Automatic1111）：配合ControlNet（如Canny、Depth、OpenPose等控制条件），可以做到像素级精准垫图。例如，你可以用一张照片垫图，同时用Canny边缘控制保持轮廓，再用文字改变内容。但需要本地显卡（至少8GB显存）或使用云服务（如RunPod，每小时约$0.50）。相比Midjourney，学习曲线陡峭，但控制力强10倍。

• Leonardo.ai：2026年免费版每天150次生成，垫图功能类似Midjourney，但它的“Image Guidance”参数（0-20）相当于--iw，默认是7。实际测试中，Leonardo对低权重垫图（Guidance<5）的处理较差，容易忽略参考图。常见使用场景是游戏素材设计，免费版够用。

总结选择建议：如果你追求艺术感和风格统一，且不想折腾，Midjourney垫图是最优解。如果你需要商业级精准控制（如产品图、人像合成），Stable Diffusion+ControlNet更合适。如果你只是偶尔快速改图，DALL-E 3最省心。

避坑指南：八大致命错误与对策

错误一：使用失效或临时链接

核心总结：Discord上传的图片链接会在24小时后失效，如果你在生成时使用已失效的链接，Midjourney会报错“Image not found”并忽略参考图。解决：使用本地图片（网页版）或重新上传。

2026年最坑的细节：许多用户从浏览器拖拽图片到Discord，得到的链接是Discord CDN链接，但如果你没有点击图片放大再复制，获得的可能是缩略图链接（以.webp结尾且尺寸小），这种链接会导致生成结果模糊不清。正确做法：上传后点击图片打开全尺寸预览，然后右键或点击“复制媒体链接”。效率更高的是用/show命令调出历史记录，但垫图时不能用。

错误二：提示词中图片链接位置放错

核心总结：链接必须在文字描述之前，不能放在中间或末尾。比如prompt: a room with [链接]是错误的，Midjourney会把链接当作无效词汇而忽略。

这是新手最常见的问题。正确的格式永远是：/imagine prompt: [链接] [文字]。如果想指定多张图，所有链接放在最前面，后面统一跟文字描述。如果你需要强调文字对某张图的控制，可以使用新的--image-layers参数（V6.2）来分层。

错误三：--iw设置与预期相反

很多用户以为--iw越高，生成的图就越像参考图，但实际上“像”分为“构图像”和“风格像”。 在V6.2版本中，当--iw大于1.5时，Midjourney会优先复制参考图的整体构图、物体位置和颜色分布，但可能忽略文字描述中的细节。反之，--iw低于0.8时，文字描述主导，但参考图的色彩氛围仍会保留——这其实是大多数用户想要的“风格迁移”效果。

真实案例：我用一张暗黑哥特教堂的照片垫图，输入“a bright white modern library”，--iw 2.0的结果依然是暗黑哥特风格的教堂，只是多了几本书；而--iw 0.5则得到了一个现代化图书馆，但天花板保留了哥特式拱顶的弧度。所以如果你想保留风格而非内容，请用较低的--iw。

错误四：参考图分辨率过低导致细节丢失

Midjourney对输入图片的尺寸没有严格限制，但内部处理时会缩放到1024×1024（默认分辨率）作为参考。如果原图分辨率低于512×512，CLIP提取的语义向量会损失大量细节，生成结果可能面目全非。建议至少使用800×800以上的图片，且避免过度JPEG压缩（质量<80%)。

错误五：忽略版权风险

2026年Midjourney在付费用户协议中明确：“使用垫图功能时，您需保证上传的图片不侵犯第三方版权，且生成的图像版权归您所有，但不包含对参考图版权的转移。” 这意味着如果你用一张迪士尼角色图片垫图生成新形象，用于商业海报，仍然可能被起诉。2025年已有多个公开案例（如Midjourney生成的“Mickey Mouse风格”形象被迪士尼律师函警告）。安全做法：使用自己拍摄的照片、CC0无版权图片（如Unsplash），或使用Midjourney内部生成的图片进行二次垫图。

错误六：过度依赖垫图而放弃文字描述

很多用户以为垫图就是“发一张图让AI改改”，于是只写几个关键词，比如“a cat”。结果生成出来的图片要么完全复制原图，要么胡乱改变。文字描述至少要15-20个词，明确说出你希望改变的3-5个元素。例如：“transform this photo into a watercolor painting, loose brushstrokes, soft edges, pastel colors, white background” – 这样的描述才能引导AI正确理解你要的“改法”。

错误七：忽略--style raw对垫图的影响

--style raw会关闭Midjourney的美化特效，包括精细纹理增强、阴影优化等。如果你垫图的目标是生成写实产品图（如珠宝），--style raw配合高--iw（1.5以上）可以得到接近摄影效果的结果。但如果你垫图是为了艺术创作（如插画），建议不要加--style raw，否则结果会显得“太真实”不够风格化。

错误八：混合多张图时链接顺序随意

当使用多图混合时，Midjourney会按照链接顺序分配权重（如果不指定--iw-list）。例如：[A] [B] [C]，默认三张图权重相同。但如果你想要A主导构图、B主导颜色、C主导纹理，更好的做法是：[A] [B] [C] --iw 1.5 --iw 1.0 --iw 0.8（注意：这种写法在V6.1及之前只对第一张生效，后面两张会被忽略）。正确的做法使用--iw-list 1.5,1.0,0.8（V6.2专属），或者通过分层垫图--image-layers “composition:A, color:B, texture:C”。

真实案例：我用Midjourney垫图从零设计了一款智能手表

核心总结：通过3次垫图迭代——第一次锚定风格，第二次修正细节，第三次引入产品照片——我在2小时内完成了一款概念智能手表的外观设计，完全无需PS。

第一次垫图：确定整体风格

我是一个产品设计师，接了一个智能手表概念设计的活儿，客户要求“复古蒸汽朋克风格，但要有现代科技感”。我首先在Pinterest上找了一张19世纪怀表的照片，蒸汽朋克那种铜色齿轮、玻璃表盘、铆钉边框。上传到Midjourney Discord（V6.2版本），输入提示词：[怀表链接] a futuristic smartwatch with holographic display, brass and copper materials, exposed gears, steampunk mixed with cyberpunk, 4k product render, studio lighting --ar 1:1 --iw 0.8 --s 200。

结果生成了4张图，其中一张的构图——圆形表盘、侧边有两个旋钮——完美保留了怀表的轮廓。但存在的问题是：屏幕上的“全息显示”被渲染成了蓝色发光圆形，没有交互界面；表带是金属链，不够现代。

第二次垫图：修正特定元素

我决定保留第一轮中最好的那张图（种子号123456）作为新的参考图，并在文字描述中细化。这次我用/show调出该种子，然后点击“Vary (Subtle)”生成变体。但为了更精准，我直接用原图链接加上更强描述：[第一轮最佳图链接] [怀表链接] a round smartwatch, matte black ceramic bezel, flexible silicone strap with brass accents, holographic user interface showing weather widgets, text on screen, realistic product photography, depth of field --iw 1.2。

注意我用了两个链接：第一个是Midjourney自己生成的图（用于保留修正后的构图），第二个是原始怀表（用于保留蒸汽朋克元素）。--iw设置为1.2，让图片影响略大于文字。结果很棒：表盘变成了深色陶瓷质感，表带换成了黑色硅胶但带有铜色穿孔，屏幕显示了简单的天气小部件。但文字部分出现了乱码——Midjourney对屏幕上的文字处理一直不太行。

第三次垫图：引入真实产品照片解决材质问题

为了得到更真实的表带纹理，我找了一张真实Apple Watch的表带照片（我自己拍的），同时保留了前两次的参考图。最终提示词：[第二次最佳图链接] [真实表带链接] [原始怀表链接] a smartwatch from above, flat lay, product shot, brushed titanium side buttons, sapphire crystal glass reflection, clear weather icons, no text --no text, watermark, blur --ar 1:1 --iw 1.0,1.5,0.5（注意这里用--iw-list指定各图权重：中间那张表带权重最高1.5，原始怀表最低0.5只保留风格）。

生成后的结果在纹理上几乎可以乱真，表带的光泽和编织纹路非常自然。最终客户选了这张图做了创业公司的概念展示。整个过程中我没有使用Photoshop或Stable Diffusion——Midjourney垫图的“无参数化控制”对于快速概念探索非常高效，但确实需要耐心调整提示词。

这个案例告诉我们的：

1. 垫图不是一次性完成，通常需要2-3轮迭代，每次聚焦一个待改进点。
2. 使用自己生成的图作为参考图比外部图片更可控，因为Midjourney对自己的输出更“理解”。
3. --no参数在垫图中尤其重要，可以屏蔽掉不需要的细节（如乱码文字）。
4. 多图混合时，权重分配要合理：主体构图图用中等权重（1.0），细节材质图用高权重（1.5），风格参考图用低权重（0.5）。

总结：2026年Midjourney垫图的终极建议

• 新人入门：先只用一张图+浅权重（--iw 0.7）加详细文字描述体验风格迁移。不要一上来就混合多图。
• 进阶技巧：学会用--iw-list和分层垫图（V6.2），配合--style raw做产品级输出。
• 工具对比：如果要求绝对精准区域控制，果断用Stable Diffusion；如果追求速度和创意探索，Midjourney垫图无敌。
• 版权意识：永远假设参考图有版权，只使用自己的作品或CC0素材。
• 数据上：截至2026年6月，Midjourney付费用户已达2300万，垫图功能使用率从2024年的37%上升到71%，说明它已成为主流工作流。
• 未来趋势：Midjourney官方已宣布2027年将推出“垫图+LoRA微调”功能，允许用户基于参考图训练专属风格模型，这将彻底改变个性化生成。

一句话记住：垫图的精髓不是让AI抄作业，而是让它“受你风格的感染，写出自己的文章”。

---

常见问题

垫图可以用本地文件夹里的图片吗？一定要上传到Discord吗？

2026年网页版Midjourney可以直接从本地拖拽图片，无需上传到Discord。Discord渠道则需要上传获取链接。但注意：网页版目前只支持单个图片上传拖拽，多图混合仍需手动粘贴链接。另外，所有上传的图片在Midjourney服务器上只保留24小时（Discord）或7天（网页版），过期后链接失效，你需要重新上传。

为什么我垫图后生成的图片和原图一模一样？

这通常是因为--iw设置过高（超过1.8）且文字描述太短或太模糊。Midjourney会优先复制图片的所有特征。解决办法：降低--iw到0.5-0.8，并写至少20个词的详细描述，重点写“改变什么”。另外检查是否误用了--s 0（风格化0），这也会导致复制。

免费版用户能使用垫图功能吗？

可以。Midjourney免费试用计划让每位用户有25次生成机会（2026年政策），垫图功能完全开放，不额外计费。但免费试用期间生成速度较慢（约1分钟/张），且不能使用--v 6.2（只能V6），也无法使用多图混合（最多1张）。建议新用户先用免费版体验垫图，满意后再订阅Starter计划（$10/月，1000张/月）。

垫图生成的图片版权是谁的？我用它做商业设计会被起诉吗？

根据Midjourney 2026年服务条款（条款8.3），您对自己生成的图像拥有商业使用权，前提是您上传的参考图不侵犯第三方版权。如果您用了一张含有迪士尼角色的垫图，生成的图像虽然被AI“改变”了，但法庭可能认定为衍生作品。安全做法：使用自己拍摄的照片、Midjourney之前生成的图片（属于您）、或CC0授权图片（如Unsplash、Pexels）。此外，垫图中包含真实人物肖像时，需要获得模特授权。

垫图时提示词中的文字和图片链接之间需要加逗号吗？

不需要，用空格隔开即可。加上逗号也没坏处，但Midjourney会解析为正常文本。实际上最佳实践是：链接后直接跟逗号+空格，再开始文字描述，这样可读性更好。例如：[链接], a cat wearing a hat, oil painting --iw 0.8。需要注意的是，逗号不会影响分析，但如果你用分号或冒号，可能被误解为参数。