Midjourney V8.2 Edit Model: ograniczenia API i edycja obrazów
Sprawdź dostępność Midjourney V8.2 Edit Model i wybierz obsługiwany sposób edycji. Poznaj rzeczywisty przykład z maską V6.1 oraz jego ograniczenia.
Czytaj jako MarkdownMidjourney V8.2 Edit Model nie jest obecnie udostępniony jako wykonywalna operacja w SeedRouter. Jeśli szukasz sposobu edycji obrazu przez to API, najpierw wybierz między nowym generowaniem z obrazami referencyjnymi a obsługiwaną operacją na obrazie nadrzędnym. Żadnej z tych metod nie należy przedstawiać jako zweryfikowanego działania V8.2 Edit Model. [1]
Ten poradnik odpowiada na praktyczne pytanie kryjące się za wyszukiwaniem: jakiego sposobu zmiany obrazu możesz użyć teraz i co rzeczywiście zachowuje? Zawiera płatny przykład V6.1 select → inpaint → modal z 18 października 2026. Sekwencja zakończyła się i zwróciła obrazy, ale żądana zmiana ubioru nie pojawiła się na pokazanym wyniku. Ukończone zadanie i udana edycja wizualna wymagają osobnych sprawdzeń.
Dostępność Midjourney V8.2 Edit Model w tym API
Pole żądania edit jest rozpoznawane, ale nie ma ustalonego odwzorowania na wykonanie. Wysłanie go nie włącza funkcji. Zwykłe image_urls, dref i operacja inpaint mają różne znaczenia; nazwanie któregokolwiek z nich Edit Model ukrywałoby istotną lukę funkcjonalną.
Skorzystaj z tej tabeli przed przygotowaniem obrazów:
| Czego potrzebujesz | Dostępny sposób | Granica do sprawdzenia |
|---|---|---|
| Nowy obraz V8.2 inspirowany zdjęciem | imagine z image_urls | Tworzy nową kompozycję; nie obiecuje niezmienionych obszarów |
| Zmiana wygenerowanego obrazu | Zgodna operacja wariacji lub remiksu | Wymaga oryginalnego publicznego ID zadania i dostępnej operacji |
| Edycja obszaru z maską | Obsługiwana sekwencja inpaint → modal V6.1 lub Niji 6 | V8.2 obecnie nie udostępnia tej sekwencji |
| V7 Omni Reference | Żądanie V7 z oref | Zmiana wersji nie czyni z niego żądania V8.2 Edit Model |
| Sam V8.2 Edit Model | Nieudostępniony tutaj | Nie wysyłaj edit, oczekując równoważnego działania |
Dokumentacja API wymienia ograniczenia właściwe dla modeli. Przestrzegaj ich zamiast kopiować parametr z innego interfejsu lub starego zapisanego promptu. Jeśli aplikacja wymaga konkretnie V8.2 Edit Model, poniższe sposoby nie zastępują tego wymagania.
Używaj obrazów referencyjnych, gdy dopuszczasz nową kompozycję
Zwykły prompt obrazowy przydaje się, gdy obraz źródłowy ma wpłynąć na nowe generowanie. Podaj publicznie dostępny adres URL obrazu w image_urls i opisz oczekiwany rezultat. Zachowaj obraz referencyjny, ID modelu i dokładny prompt razem z wynikiem.
Generowanie kierowane referencją nie pasuje do sytuacji, w której każdy nieoznaczony piksel ma pozostać bez zmian. Przed zaakceptowaniem wyniku porównaj temat, geometrię, ubiór i tło ze źródłem. Rozpoznawalny temat nie dowodzi dokładnego zachowania.
Pole dref jest osobnym wejściem referencji głębi. Nie jest aliasem Edit Model i ten artykuł nie przypisuje mu zweryfikowanego efektu edycji V8.2. Do kontroli stylu użyj porównania Raw; Raw również nie tworzy operacji edycji z maską.
Przejdź przetestowaną sekwencję edycji V6.1
Zacznij od ukończonego generowania midjourney-v6.1, należącego do Twojego konta. Każdy krok korzysta z publicznego ID zwróconego przez odpowiedni poprzedni krok, a nie z adresu URL obrazu ani identyfikatora skopiowanego z innej usługi.
Najpierw wybierz jeden obraz z generowania:
{
"model": "midjourney-v6.1",
"action": "upscale",
"mode": "select",
"parent_task_id": "task_COMPLETED_GENERATION",
"index": 1,
"speed": "fast"
}Odpytuj zwrócone zadanie do ukończenia. select pobiera istniejącą propozycję obrazu; nie wykonuje powiększenia poprawiającego rozdzielczość. W płatnym teście zwróciło jeden obraz 1024 × 1024 bez opłaty za generowanie.
Następnie otwórz etap wprowadzania danych edycji za pomocą ukończonego zadania wyboru:
{
"model": "midjourney-v6.1",
"action": "inpaint",
"parent_task_id": "task_COMPLETED_SELECTION",
"speed": "fast"
}Odczytaj wynik i wymagaj output.awaiting_input: true. Ten etap nie zwraca obrazów. Zapisz zwrócone publiczne ID do kontynuacji; w ostatnim kroku nie używaj ponownie ID pierwotnego generowania.
Na koniec wyślij prompt zastępczy i maskę:
{
"model": "midjourney-v6.1",
"action": "modal",
"parent_task_id": "task_AWAITING_INPUT",
"prompt": "Cinematic portrait of a young woman with freckles and wind-swept auburn hair, wearing a deep red wool coat, laughing on a coastal cliff at golden hour, 85mm film photograph",
"mask_url": "https://your-image-host.example/mask.png",
"speed": "fast"
}Adres URL maski jest przykładowy: zastąp go własnym dostępnym PNG. Końcowa operacja zwraca własne publiczne ID zadania do odpytywania. Udany krok modal jest rozliczany raz; otwarcie etapu danych nie dodaje kolejnej opłaty za generowanie. Zachowaj aktualne ceny operacji przy żądaniu zamiast szacować je według liczby miniatur.
Przygotuj maskę odpowiadającą planowanej zmianie
W tym procesie przezroczyste obszary maski są przerysowywane, a białe zachowywane. Użyj PNG z przezroczystością o wymiarach zgodnych z obrazem nadrzędnym. W tej konwencji biały prostokąt na koszuli nie wybiera jej do przemalowania. [1]
Przed wysłaniem sprawdź maskę na obrazie źródłowym. Upewnij się, że obszar edycji obejmuje obiekt, który chcesz zmienić, wraz z jego krawędzią. Pomyślne przesłanie lub przyjęty URL nie dowodzi, że maska wskazuje właściwy obszar.
Dla szerokiej zgodności zachowaj obrazy w udokumentowanym limicie 12 MiB dla tego procesu edycji z maską. Podaj adresy URL zwracające bezpośrednio bajty obrazu, bez strony logowania. API przyjmuje referencje URL zamiast osadzonych danych obrazu.
Oceniaj rzeczywisty wynik niezależnie od sukcesu zadania
Wybrany obraz nadrzędny: V6.1
Pierwszy ukończony wynik modal: V6.1
Prompt opisywał ciemnoczerwony wełniany płaszcz. Pierwszy ukończony wynik nadal pokazuje kremowy sweter, a twarz i jej wyraz różnią się od wybranego obrazu nadrzędnego. Dowodzi to zwrócenia obrazów przez sekwencję, a nie spełnienia instrukcji dotyczącej ubioru. Te dowody nie pozwalają wyodrębnić, czy przyczyną niezgodności była maska, zachowanie modelu czy ich współdziałanie.
Wynik 2, wynik 3 i wynik 4 również są dostępne do oceny. Zachowaj wejście, maskę i wszystkie wyniki podczas diagnozowania nieudanej zmiany. Przy kolejnym podejściu świadomie wybierz obraz źródłowy i obszar edycji zamiast po prostu powtarzać to samo wysłanie.
Zachowaj zależne operacje przy zadaniu nadrzędnym
Operacja zależna od zadania pozostaje przypisana do pierwotnego kontekstu wykonania. Nie może zmienić konta, aby kontynuować niedostępne zadanie. W testach z 18 października osobny remiks V8.2 nie powiódł się z powodu braku mocy w pierwotnym kontekście wykonania; nie zastąpiono go niezwiązanym generowaniem.
Zadanie wprowadzania danych do edycji można kontynuować tylko raz. Jeśli odpowiedź na kontynuację zaginie, sprawdź historię zadań i zapisany wynik przed ponownym wysłaniem. Płatne testy odrzuciły ponowne użycie już kontynuowanego wejścia bez nowej opłaty za generowanie.
Częste pytania
Czy mogę wywołać V8.2 Edit Model polem edit?
Obecnie nie ma udostępnionego odwzorowania na wykonanie. Żądanie jest odrzucane zamiast cichego przekształcenia w inną operację edycji.
Czy mogę kontynuować zadanie nadrzędne V6.1 jako V8.2?
Nie. Operacja zależna musi używać tego samego modelu co zadanie nadrzędne. Aby ocenić inną wersję, rozpocznij z nią osobne generowanie.
Czy ukończone zadanie modal dowodzi udanej edycji?
Nie. Dowodzi ukończenia operacji i zwrócenia wyniku. Sprawdź, czy pojawiła się żądana zmiana i czy zachowane szczegóły pozostały poprawne.
Czy mogę usunąć maskę i ponowić tę samą edycję lokalną?
Usunięcie mask_url zmienia udokumentowaną operację modal w rozszerzanie obrazu poza kadr. Nie jest to równoważna ponowna próba edycji z maską, dlatego przygotuj i wyceń ją jako inne żądanie.
Jeśli wymagasz Midjourney V8.2 Edit Model, sprawdź dostępność przed projektowaniem interfejsu wokół tej funkcji. Gdy obsługiwany proces V6.1 pasuje do potrzeb, zachowaj wszystkie ID zadań i oceń rzeczywiste obrazy przed przyjęciem edycji.
Źródła
Kontrakt i dowody wykonania sprawdzono 18 października 2026. Pokazane obrazy pochodzą z płatnych testów integracyjnych, a nie z ogólnego benchmarku modelu.