MidJourney-Styles-and-Keywords-Reference
MidJourney 风格词与关键词百科，系统整理数千个 Prompt 风格词对照
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
MidJourney 风格词与关键词百科，系统整理数千个 Prompt 风格词对照
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你是否有过这样的经历：对着 MidJourney 喊了半天「画一幅赛博朋克城市夜景」，结果出来的图不是太暗就是风格不对，色调、光影、艺术家风格全都失控？问题的根源往往不在你的创意不够——而是你还没找到那把精准的钥匙：Style（风格词）和 Keyword（关键词）。
今天要介绍的这个开源项目，堪称 MidJourney 领域的「新华字典」——由独立创作者 willwulfken 维护的 MidJourney Styles and Keywords Reference，用超过 12000 颗 Star 证明了自己的价值：它将 MidJourney 支持的所有风格词、关键词、参数用法全部整理成可查阅的 Markdown 百科，让任何人都能快速找到「我想要的那种感觉」对应的精确 Prompt 表达方式。
这个项目的诞生背景本身就是一个有趣的社区故事。MidJourney 作为一个付费 AI 图像生成平台，其官方文档相对简洁，缺少系统化的风格词对照参考。用户往往需要大量试错才能发现某个风格词的实际效果。willwulfken 作为 MidJourney 的深度用户，从 V1 版本开始就持续记录自己的使用心得，逐步演变成一个社区级的协作百科全书。
项目不隶属于 MidJourney 官方，作者在首页明确声明了这一点。但正因如此，它反而更加贴近用户的真实需求——每一个词条都来自真实使用反馈，而非官方营销话语。更难得的是，项目长期开放 Pull Request，鼓励全球用户补充自己在不同风格上的尝试结果，使得词库随 MidJourney 版本迭代持续更新。
项目将 MidJourney 的关键词汇按多维度分类组织：
项目按 MidJourney 版本分类（V1/V2/V3/V4/V5/Niji），每个版本的功能差异和关键词变化都有记录。对于想了解版本演进历史的用户，或者是需要针对特定版本写 Prompt 的专业用户，这个设计非常实用。此外，项目还专门收录了 Midjourney Beta Features（测试版功能），确保前沿特性不被遗漏。
除了风格词之外，项目还包含了 MidJourney 各版本的分辨率对比、不同参数对生成效果的影响（如 --ar 宽高比、--iw 图像权重等），以及 Control Image（图生图）的用法说明。这些内容对中级以上用户尤其有价值——当你已经掌握了基础操作，开始追求更精细的控制时，这部分内容就是进阶钥匙。
这个项目本质上是一个静态 Markdown 网站，无需任何编程基础即可使用。最简单的使用方式是直接在 GitHub 上打开 README.md 页面，通过页面内的目录导航到感兴趣的章节。每个风格词或主题都配有对应的示例图像（来自真实 MidJourney 生成结果），用户可以直观地看到「输入这个词会得到什么样的图」。
对于更系统的学习，项目 Wiki 中还提供了 How-To Guide，指导新手从零开始理解 MidJourney 的 Prompt 语法体系。整个项目的页面结构清晰，层级分明——从总览到专题，从 V1 到 V5，从颜色到艺术家风格，学习曲线设计得相当友好。
诚实地看，这个项目也有其局限性。首先是信息更新的时效性问题：MidJourney 版本更新较快，某些新增的风格词或被废弃的旧关键词可能未能第一时间收录，需要用户自行在 Discord 官方社区核实。其次是示例图的质量参差：由于示例图由全球不同用户贡献，生成质量、提示词完整度、图片分辨率存在较大差异，部分词条的参考价值因此打了折扣。
此外，由于是纯静态 Markdown 项目，项目本身的维护完全依赖志愿者贡献，版本更新可能存在数天到数周的延迟。对于时间敏感的专业用户（如商业设计团队），建议将此项目作为辅助工具，而非唯一参考来源。
从更宏观的视角看，这个项目的意义超越了 MidJourney 本身。它代表了一种新兴的 AI 工具使用范式：当某个工具的功能足够复杂时，社区自发的知识整理会成为事实上的人机交互标准参考。这种「民间百科」模式在 Stable Diffusion、ControlNet 等领域同样存在，并逐步形成了一套「AI 工具 + 社区词典」的标准生态。
目前项目 Star 数量突破 12000，持续有新的贡献者加入维护。随着 MidJourney V6 以及更多 AI 图像模型的涌现，这类参考项目的价值还将持续放大。对于任何想要系统掌握 AI 图像生成技术的人而言，这个项目都是值得收藏的工具级资源——不是因为它告诉你「AI 能做什么」，而是因为它告诉你「你想要的」该如何精确表达。
项目速览