Midjourney V8.1 是什麼？為何 2026 年 4 月這次更新如此重要？
Midjourney V8.1 是於 2026 年 4 月 30 日推出的圖像生成模型，預設輸出 HD 高清圖像、速度比 V7 快 4 至 5 倍，並終於讓風格參考（sref）與情緒板（moodboard）能穩定運作。對 AI 實戰者來說，這代表更少重抽、更低消耗、以及真正可以在整個專案中鎖定的參考風格。
如果你只是隨意地用 Midjourney，你的提示寫法大概從 V6 或 V7 之後就沒改過。問題正在這裡。V8.1 解讀提示的方式不同，會更積極保留細節，並且偏好具體描述而非堆砌關鍵字。同一條半年前能產出好圖的提示，在 V8.1 上會變得平淡而通用。
本文整理 V8.1 中對日常輸出品質影響最大的 7 個功能，並在文末附上一條可直接複製貼上的提示模板，你今天就能在 Midjourney 網頁版測試。
HD 模式怎樣運作？何時應該使用？
V8.1 的 HD 模式會直接產出原生 2K 解像度的圖像（約 2048×2048 像素），不需要額外的 Upscale 步驟。根據 Midjourney V8.1 官方更新說明，HD 已是預設值，所以每一張標準生成圖都已用更高解像度輸出。視覺差異最明顯之處是皮膚紋理、布料織紋，以及 V7 在 Upscale 階段只能勉強模擬的微小環境細節。
代價是 credit 消耗。HD 任務的成本大致等於 V7「標準 + Upscale」的合計，因此和 V7 的工作流程相比，你並非省錢。你省下的是時間，並且不再需要在 Upscale (Subtle) 與 Upscale (Creative) 之間糾結。
建議將 HD 設為預設使用情境：客戶簡報、Landing Page Hero 圖、印刷物料。在純探索階段，當你只想跑 20 至 30 個版本來比較構圖，可以暫時關掉 HD，用 1K 縮圖比較就足夠。
Moodboard 與 sref 是什麼？如何替你省時？
Moodboard 與 style reference（sref）是 V8.1 中兩種「不用文字描述就能告訴 Midjourney 你想要的美學」的方式。Moodboard 是一組你上傳一次、可在多個提示中重用的 6 至 20 張參考圖。sref 則是一張你以 --sref 參數附加到單一提示的圖片 URL 或數字代碼。
在 V7 中，sref 與 moodboard 經常飄移。你在一張圖上鎖定的風格，下一張同一專案的圖就可能換掉色彩或燈光氛圍。V8.1 修好了這件事。Midjourney V8.1 官方更新中，moodboard 與 sref 的穩定度被列為頭條改進。
實戰用法：為每個客戶品牌建立一個 moodboard，之後每條跑這個品牌的提示都附上這個 moodboard。你不再需要每次都重新描述品牌美學，整批 50 至 100 張圖也能維持一致的品牌調性。
什麼時候應該開啟 Raw 模式？
Raw 模式會剝離 Midjourney 預設的美學濾鏡，讓模型更直接地照你的提示產出。只要在提示尾加上 --raw，或在網頁介面的設定中切換 Raw，就能啟用。沒開 Raw 時，Midjourney 永遠會把輸出推向略帶電影感的風格化方向，即使你要求的是一張純粹的產品平拍。
建議開啟 Raw 的場景：產品攝影、技術插圖、UI 介面樣稿、電商 Hero 圖，任何 brief 寫明「不要藝術詮釋」的工作。
建議關閉 Raw 的場景：編輯類插畫、品牌形象 campaign、氛圍視覺、任何受益於 Midjourney 自家美感的內容。Raw 關閉加上明確的 sref，通常是編輯類工作的最佳組合，因為 sref 提供風格，而 Raw 關閉保留了 Midjourney 自然的光感觸覺。
如何用 Omni Reference 鎖定角色一致性？
Omni Reference 是讓你在多張圖中重複使用同一個人、動物或物件的功能。你以 --oref [圖片URL] 附上參考圖，並用 --ow [0-1000] 設定強度。預設 omni-weight 約為 100。想要強力鎖定角色，可推到 400 至 600；只想要參考影響氛圍但不限制臉型，可降到 25 至 75。
2026 年實戰者最常遇到的使用場景：替內容系列建立一致的虛構角色、UGC 風格的廣告 campaign、解說型短片。在 Omni Reference 之前，你需要在 Stable Diffusion 上做 LoRA 訓練，或用 Sora 上傳自訂角色。V8.1 把角色一致性變成一行參數的事。
測試方法：取一張你擁有使用權的人像照，上傳到 Midjourney，然後跑 "professional headshot of [subject] at a tech conference, soft lighting --oref [你的圖片URL] --ow 500 --ar 3:4"。多次重抽後臉型應該保持一致。
新版 Describe 功能如何改變反向工程提示？
Describe 是 Midjourney 的功能，你上傳一張圖，它回傳四條能產出類似圖的提示建議。V8.1 更新後的 Describe，會以 V8.1 偏好的自然語言句式來寫提示，而不是舊版那種「關鍵字, 關鍵字, 關鍵字」的標籤堆疊格式。
這件事的重點在於 V8.1 的提示解析器偏愛描述性句子而非標籤組合。舊版 Describe 給你的是 "woman, reading, cafe, sunlight, warm, cozy"，V8.1 會把它讀成扁平清單。新版 Describe 給你的是 "a woman reading in a sun-lit cafe corner, late afternoon light angling through tall windows"，V8.1 會解析其中的空間關係與光線方向。
建議：找三張你覺得「真希望是我做的」的競品圖，分別跑 Describe，研究輸出中的自然語言結構。你自己的提示應該模仿這個句式。輸出品質的改善會立刻見到。
V8.1 在 2026 年真正有效的提示結構是什麼？
V8.1 可穩定產出可用結果的提示公式遵循五段順序：主體、動作、環境、光線、參數。每一段是短描述句，不是單一關鍵字。模型把順序視為重要性，所以最關鍵的視覺元素要放在最前面。
下次打開 Midjourney 時試試這條模板：
立即試試這條提示：
A confident Hong Kong businesswoman in a tailored navy suit, presenting a slide deck to a focused team, modern glass-walled conference room overlooking Victoria Harbour at golden hour, warm directional sunlight from camera-left casting long shadows, shallow depth of field, photorealistic --ar 16:9 --s 250 --sref [你的moodboard代碼] --raw
留意結構：主體（女性主管 + 服裝細節）、動作（簡報）、環境（玻璃牆會議室、維港景）、光線（黃金時段、左側直射光、陰影）、參數（aspect ratio、stylize、sref、raw）。把細節換成你的 brief，公式依然成立。
V8.1 中實戰者仍常犯的錯誤有哪些？
最大的錯誤是把 V8.1 當成 V7 來用。三個必須改掉的習慣：把提示塞滿逗號分隔的關鍵字（V8.1 對自然語言解讀更好）、所有圖都跑 Upscale（HD 已是預設，再 Upscale 等於浪費 credit）、忽視 sref（V8.1 最大的品質飛躍正是 sref 穩定度，不用 sref 等於放棄主要紅利）。
第二大錯誤是忘了 V8.1 在渲染文字上仍然弱。如果圖中需要可讀的文字、logo 或海報標題，根據社群測試 Midjourney 的拼字錯誤率仍有 60% 至 80%。任何含內嵌文字的圖，建議用 Nano Banana Pro、GPT Image 或 Flux 生成文字層，再把 Midjourney 圖當作背景合成。
第三個錯誤是過度依賴 Stylize 數值。很多 V7 提示用 --s 750 或更高來強推油畫感。V8.1 預設美學本身已足夠強，Stylize 很少需要超過 250。再推高反而會引入雜訊而非風格。
本週應該如何重建你的 V8.1 工作流程？
花 30 分鐘設置兩件事，你的輸出品質會即時提升。第一，為每個你經手的品牌或內容系列建立一個 moodboard，每個 board 放 8 至 12 張參考圖，把 sref 代碼存好。第二，把你那條五段提示模板（主體、動作、環境、光線、參數）寫下來並重複使用。
完成這兩步後，跑一次同 brief 的 A/B 測試：同一條提示 Raw 開 vs Raw 關、Stylize 100 vs Stylize 500、有 sref vs 沒 sref。10 次生成內你就能準確判斷哪一組組合最能產出你的品牌調性。那個決定就成為你接下來 100 張圖的預設提示結構。
Midjourney V8.1 並不是小升級。HD 預設、sref 穩定、Omni Reference 真正可用、自然語言解析四件事加起來，改變了一個熟練操作者在一天內能產出的內容量。本月就重建提示習慣的實戰者，每一週都會把這個優勢複利下去。懂AI，更懂你 UD相伴，AI不冷。
🚀 準備好建立可量產的 AI 視覺工作流程？
認識功能是一回事，把 Midjourney V8.1 接入一條每週能穩定產出 50 至 100 張 on-brand 圖像的工作流程，是另一回事。UD 同行 28 年，幫助香港團隊在不破壞既有流程的前提下導入新工具。我們手把手帶你完成每一步，從 moodboard 設計到提示模板再到團隊交接。
