大家好，我是小艺，欢迎来到今天的 MidJourney 第9节课。本节课我们将重点讲解两个关键参数：Seed（种子值）和 IW（图像权重），它们能显著提升图生图的可控性与精准度。
首先，Seed 是“种子”的意思。从字面理解，就像不同种子开出不同花朵一样，不同的 Seed 值会引导模型生成风格、构图、色彩、细节、光影等方面具有高度一致性的图像。在 MidJourney 中，Seed 参数通常以 --seed 形式出现，其取值范围为 0 到一个较大的整数（如 4294967295）。
需要注意的是，Seed 并不保证输出图像完全一致，它主要影响初始噪声网格的生成，从而间接控制图像的整体结构。只有当其他条件（如模型版本、提示词、宽高比、采样器等）完全相同时，相同 Seed 才可能产出高度相似甚至几乎一致的结果。例如，一张于 2023 年 8 月 24 日生成的图像，若在 9 月 4 日使用相同的 Seed 值及全部参数重新生成，可得到构图、姿态、发色等高度接近的图像。
获取 Seed 值的操作步骤如下：
- 在 Discord 中打开任意一张 MidJourney 生成的图片；
- 点击图片右下角的「添加反应」按钮；
- 输入字母 e，从候选表情中选择一个纯信封图标（无字母、无箭头）；
- 稍作等待，左上角将弹出一个私信窗口，其中包含该图像对应的 Seed 值；
- 复制该 Seed 值，在原频道中输入命令，格式为：
/imagine prompt [关键词] --seed [数值]，然后回车执行。
通过上述方法，我们可对同一张参考图多次复现其核心特征。例如，四张基于同一 Seed 生成的图像，在构图、人物站姿、发型、主色调（如蓝色卷发）等方面均表现出明显一致性。即便存在差异（如第三张将背景蓝块理解为海水而生成海景），整体风格与主体结构仍保持高度统一。
有同学可能会发现：仅靠 Seed 并不能实现像素级复刻。这是因为 Seed 主要约束底层结构，而非最终视觉细节。若需进一步提升相似度，可在保留 Seed 的前提下，配合使用图像垫图（Image Prompt）并调整 IW 参数。
IW（Image Weight）即图像权重参数，用于调节输入图像对生成结果的影响强度。其语法为 --iw [数值]，默认值为 1.0。数值越高，生成图像越贴近垫图的内容与结构；数值越低，则文本提示词的主导作用越强。
举例说明：若垫图是一朵花，提示词为 “birthday cake”，当 IW=0.5 时，输出仍以蛋糕为主形；IW=1.25 时，蛋糕形态开始融合花卉元素；当 IW=2.0 时，花卉特征已非常显著，整体更接近原始垫图的视觉语义。
实际应用中，我们可用清明上河图作为垫图进行测试：
- 复制原图链接与对应提示词（含长宽比）；
- 在提示词末尾添加空格后写入
--iw 1.2或--iw 2； - 确保图片链接与提示词之间有空格，并正确拖拽图片至输入框；
- 发送指令后观察输出效果。
结果显示：IW=2 时，生成图像与清明上河图在场景布局、人物密度、建筑风格等方面高度相似；而 IW=1.2 时虽具可识别关联性，但细节还原程度明显弱于前者。这说明 IW 是控制图像复现精度的关键杠杆，特别适用于海报设计、品牌视觉延展、IP 元素一致性生成等商业场景。
最后补充一点：不同模型版本（如 Niji v4 与 v5）对 Seed 的响应存在差异。相同 Seed 在 Niji v4 和 v5 下可能生成截然不同的图像，因此跨模型复现需谨慎。此外，Seed 与 IW 可组合使用——先用 Seed 锁定基础结构，再用 IW 强化图像语义，从而实现更高精度的可控生成。