E72 - Midjouney: Uso en un caso real

Resumen

En este episodio, Mati cuenta su experiencia real usando Midjourney (plan básico de pago) para crear unas 30 cartas ilustradas de un juego de mesa chileno sobre gente que toma, con un estilo de dibujo consistente. Revisa precios (planes por horas de GPU, no por imágenes), el uso desde Discord, la propiedad y el uso comercial de las imágenes, las versiones del modelo (de la 1 a la 6) y comandos como /imagine, /describe, /shorten, --ar, --no, --style raw, remix, blend y seed. Muestra sus pruebas fallidas para lograr un personaje con los cachetes inflados manteniendo el estilo de una imagen base. Tras unas 30 horas de prueba y error logró solo dos imágenes aceptables. Concluye que se puede lograr, pero no es trivial: requiere iterar mucho y estudiar la herramienta, y que el "prompt engineering" sí parece una habilidad. Cris añade que le sirve para imágenes donde no importa la consistencia, y que hay que tener algo de conocimiento de arte, diseño o edición.

Capítulos

• 00:00
  IntroMati explica que usa Midjourney para un caso real (cartas de un juego de mesa) y que es más difícil de lo que esperaba, pese a las horas invertidas. Cris comenta que el problema es la consistencia y traducir lo que uno imagina a un prompt. Pagó el plan básico y discuten el copyright y los términos de uso. Dicen que la versión gratuita se descontinuó por spam, como las imágenes del papa, y por el costo de las GPU.
• 07:52
  Precios de MidjouneyCompara DALL·E (cobro por imagen vía API, precio poco visible) con Midjourney, que le resultó más barato y adecuado. El plan básico cuesta unos 10 USD al mes (menos si es anual) e incluye unas 3,3 horas de GPU al mes. Los planes superiores dan más horas, no más imágenes. Cris compara con Stable Diffusion local, que demora cerca de un minuto por imagen en su GPU NVIDIA. Midjourney salió en julio y llega a la versión 5.2 oficial, con la 6 en beta.
• 13:39
  Bot de discordSe usa solo desde Discord, lo que a Mati le resulta caótico (canales llenos de gente y mensajes que se pierden). Muestra el comando /imagine, que genera 4 variantes en unos 20–30 segundos con botones U1–U4 y V1–V4. Su primer prompt, "streamer with setup", dio puro escritorio sin persona. Comentan que se puede usar el bot en privado o en un servidor propio y que el modo privado cuesta más.
• 19:15
  Dueño de las imágenesLas imágenes generadas son del usuario y son públicas en la web (Explore, My Images) para suscriptores. Revisan los términos de servicio: el uso comercial exige pagar, y al escalar una imagen el dueño sigue siendo el creador original. Advierten que no son expertos legales. Cris menciona que registrar el copyright en EE. UU. facilita demandar, y que cobra por obra.
• 26:00
  PromptsMati usa --ar 5:8 para obtener imágenes no cuadradas, útil para cartas. Logra una persona sentada en el setup al agregar la palabra "guy". Dice que la guía oficial le pareció desordenada, que algunas palabras pesan más y otras se ignoran, y que hace falta estudiar.
• 29:47
  VersionesCon /settings compara el mismo prompt en la versión 2 y en la 6: la versión 2 es inusable para su caso. Cuenta que viene una versión web fuera de Discord, por ahora solo para usuarios intensivos.
• 37:22
  Comandos importantesMuestra /describe, que devuelve prompts a partir de una imagen y sirve como inspiración (probó con una carta de Catán, sin parecido). Prueba --style raw, que reduce el estilo por defecto de Midjourney, y --no para excluir elementos (por ejemplo, frutas). Dice que Vary Region no le aparece en la versión 6. Hablan de lo rápido que se agotan las horas del plan de 10 USD.
• 47:57
  Algunos experimentosPrueba remix mode con la imagen de un amigo tomando en una cantina, para mantener el estilo y pedir un personaje con los cachetes inflados. El resultado se parece solo en parte. Muestra /shorten, que analiza qué palabras del prompt pesan más. Menciona --seed, que sirve para repetir resultados, y --stylize y --weird.
• 55:00
  MemesSesión de memes sobre el prompt engineer de Midjourney. Comentan también la carta pública de OpenAI sobre el caso del New York Times y la "regurgitación" de contenido.
• 57:40
  Juego de mesaPresenta su juego, "Toma uno", de gente que toma, con cartas como el chancho inflado. Genera una imagen inicial en estilo caricatura que le gusta (unos abuelos tomando). No logra el personaje de cachetes inflados: salen monos deformes, aunque en Google la búsqueda funciona bien. Estuvo unas tres horas y sacó solo dos imágenes útiles.
• 01:06:15
  Mantener el estilo de los dibujosCon /blend las imágenes se mezclan y pierden el estilo. Con la imagen de referencia más la descripción conserva mejor el estilo, pero siempre salen dos personajes como en la original. Al final opta por un chancho en lugar de una persona y logra dos imágenes coherentes. Sugiere generar un set base con varias poses y probar inpainting, --no y remix. Estima más de 30 horas invertidas (cerca de 20 a 30) y duda de que valga la pena frente a pagarle a alguien. Cris y las personas del chat sugieren recortar la imagen, usar el área de Vary Region o un prompt negativo.
• 01:24:24
  CierreMati concluye que se puede hacer pero no es trivial, que los tutoriales muestran casos que salen bien y que él necesita más estudio. Cris dice que hay que tener conocimiento de arte o diseño y de herramientas como Photoshop, y que la herramienta evoluciona. Agradecen al chat y cierran.

Palabras clave