Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Midjourney v8.1 (2026.03 Alpha) 전용 이미지 프롬프트 빌더. 사용자 자연어 한 줄 + AskUserQuestion 프리셋·미세조정으로 컨텍스트를 수집해 Midjourney 공식 Parameter List 기반 키워드+`--파라미터` 형식으로 변환합니다. Discord `/imagine` 또는 alpha.midjourney.com에 그대로 복붙 가능. `--sref`/`--oref`/`--cw`/`--p`/`--hd`/`--q 4`/`--style raw`/`--no`/`--c`/`--s` 모두 지원. 보너스로 GPT-image-2(6-Block) · Gemini 3 Pro Image(5-component) 프롬프트도 동시 출력합니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "미드저니 프롬프트 만들어줘", "MJ 프롬프트" - "Midjourney 프롬프트", "/imagine 프롬프트 작성" - "Midjourney v8 프롬프트", "미드
.claude/skills/modu-ai-media-midjourney-v8-prompt/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-08 | ✗→✓ | ▲ Improved | 154% | 0% |
| case-01 | ✗→✓ | ▲ Improved | 97% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 41% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 259% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 144% | 0% |
> moai-coworker | 이미지 프롬프트 빌더 (텍스트 산출 전용)
Midjourney v8 Alpha (2026.03.17 출시) 및 v8.1 (2026.03.21 announce)은 5배 빠른 생성, native 2K (--hd), extra coherence (--q 4), 개선된 텍스트 렌더링, --stylize 1000까지 권장, 새로운 --sv 7 Style Reference·Moodboards 모델을 도입했습니다. 본 스킬은 사용자 한 줄 요청을 Midjourney 공식 Parameter List 기반 구조로 변환합니다:
[subject], [scene keywords], [composition], [lighting], [style]
--ar W:H --style raw --hd --q 4 --s 0~1000
[--sref CODE|URL --sw N] [--oref URL --cw 0~100]
[--p PROFILE] [--no NEGATIVE] [--c 0~100]특히 본 스킬은:
--cw 100 기본값 함정, --hd + --q 4 + --sref = 4x cost, --cref deprecated--p PROFILE_ID 또는 --profile PROFILE_ID 안내--sref CODE 자주 쓰이는 코드 참조미드저니 프롬프트 MJ 프롬프트 Midjourney 프롬프트 imagine 프롬프트 Midjourney v8 미드저니 8.1 sref 프롬프트 oref 프롬프트 스타일 코드 프롬프트 personalization 프로파일
사용자 자연어 한 줄
↓
[Round 1] AskUserQuestion — 프리셋 선택
↓
[Round 2] AskUserQuestion — 프리셋별 미세조정 (3~4 슬롯)
↓
[Round 3] AskUserQuestion — 화면비 + 텍스트 + 고급 옵션(--sref·--oref·--p·--no)
↓
[내부] 슬롯 → 키워드 콤마 + --파라미터 매핑
↓
[내부] 같은 슬롯 → GPT 6-Block + Gemini 5-component 변환
↓
[내부] 함정 검사 (--cw 100·4x cost·v8 비호환 옵션)
↓
출력: 3개 모델 프롬프트 + 비용 경고 + 한국어 해설4개 프리셋 (제품샷·인물·일러스트·풍경) 중 선택. 프리셋 슬롯 정의는 3개 이미지 프롬프트 빌더(gpt-image-2·gemini·midjourney)가 공유하는 단일 원본을 사용하며, 원본은 media-gpt-image-2-prompt 스킬에 있습니다:
${CLAUDE_PLUGIN_ROOT}/skills/media-gpt-image-2-prompt/presets/product-shot.md${CLAUDE_PLUGIN_ROOT}/skills/media-gpt-image-2-prompt/presets/portrait.md${CLAUDE_PLUGIN_ROOT}/skills/media-gpt-image-2-prompt/presets/illustration.md${CLAUDE_PLUGIN_ROOT}/skills/media-gpt-image-2-prompt/presets/landscape.md위 공유 슬롯 원본(${CLAUDE_PLUGIN_ROOT}/skills/media-gpt-image-2-prompt/presets/<name>.md)의 슬롯 정의를 따릅니다. 각 프리셋 파일에는 GPT·Gemini·Midjourney 세 모델의 어조 변환 가이드가 모두 들어 있으며, 본 스킬은 Midjourney 키워드+파라미터 어조 섹션을 적용합니다.
--ar)| 화면비 | --ar | 용도 | |---|---|---| | 1:1 (권장) | --ar 1:1 | SNS 정사각 | | 16:9 | --ar 16:9 | 와이드, 유튜브 | | 9:16 | --ar 9:16 | 릴스·쇼츠 | | 4:5 | --ar 4:5 | 인스타 피드 | | 3:2 | --ar 3:2 | 사진 표준 | | 2:3 | --ar 2:3 | 책 표지 |
--hd, --q, --style, --s)| 옵션 | 동작 | 비용 | |---|---|---| | 기본 | 표준 화질·자동 스타일 | 1x | | --style raw | 자연색·photographic, 모델 개입 최소 | 1x | | --hd | native 2K | 4x | | --q 4 | extra coherence | 4x | | --hd --q 4 | 둘 다 | 16x ⚠️ | | --s 0~1000 | stylize (default 100) | 동일 |
비용 주의: --hd + --q 4 + --sref/moodboard 조합은 각각 4x 비용 (곱연산). 자세한 함정은 references/cost-traps.md.
Midjourney v8은 텍스트 렌더링이 V6/V7보다 개선됐지만 GPT/Gemini만큼 정확하지 않음. 권장:
"MONDAY"AskUserQuestion으로 추가 옵션 선택:
| 옵션 | 사용 | 메모 | |---|---|---| | Style Reference (--sref) | 특정 스타일 코드 또는 reference URL | 4x cost, --sw 0~1000 함께 | | Omni Reference (--oref) | 캐릭터·객체 일관성 | 2x cost, --cw 0~100 함정 (default 100) | | Personalization (--p) | 사용자 학습 프로파일 | 사전 setup 필요 (40 ratings 시작, 200 stable, 2000 max) | | Negative (--no) | 제외할 요소 | 예: --no people, --no text | | Chaos (--c 0~100) | 결과 다양성 | 시안용 |
상세 사용법은 references/style-references.md.
[subject], [scene keywords], [composition keywords],
[lighting keywords], [style/medium keywords] --ar W:H
--style raw --hd --q 4 --s 250references/prompt-blocks.md의 키워드 분류 가이드를 참조.
본 스킬은 출력 전에 다음을 자동 검사하고 경고를 한국어 해설에 포함:
--cw 미지정 시 → "Default 100. 얼굴만 가져오려면 --cw 20~40" 안내--hd --q 4 --sref 조합 → "각 4x cost, 총 64x GPU 시간" 경고--cref, V6 specific 등) → 자동 제거 또는 deprecated 메모--sref random → 결과 재현 불가, 코드 확인 안내markdown## 🎨 생성된 프롬프트 (3개 모델) ### 1) Midjourney v8.1 (메인)
<subject>, <scene>, <composition>, <lighting>, <style> --ar 1:1 --style raw --hd --q 4 --s 300
**비용 추정**: `--hd` 4x × `--q 4` 4x = 16x GPU 시간 (relax 모드 권장)
**Personalization 활용**: `--p YOUR_PROFILE_ID` 추가 시 일관된 스타일
### 2) GPT-image-2 — OpenAI ChatGPT / API<6-Block 자연어 단락>
**권장 파라미터**: `quality=medium`, `size=1024x1024`
### 3) Gemini 3 Pro Image — Nano Banana Pro<5-component 영문 문장>
**권장 파라미터**: `aspect_ratio=1:1`, `resolution=2K`, `mode=Thinking`
### 📝 한국어 해설
- Midjourney v8은 키워드 콤마 + `--파라미터` 어조에 최적화
- 텍스트 정확도: GPT/Gemini > MJ. 긴 글자는 GPT 권장
- `--cw 100` 함정: reference 이미지의 조명·스타일까지 상속됨
### 🔗 페어 스킬
- `media-gpt-image-2-prompt` — GPT 어조 (sibling)
- `media-gemini-3-image-prompt` — Gemini 어조 (sibling)
- Midjourney 실행은 Discord `/imagine` 또는 alpha.midjourney.com에서 직접예시 1: 제품샷 > "Midjourney 프롬프트, 매트 블랙 머그 'MONDAY' 글자 제품샷, 1:1, --hd"
→ Round 1: 제품샷 → Round 2: 머그/슬레이트/창문/3-4분 → Round 3: 1:1 + "MONDAY" + --hd 활성화 → 3개 모델 출력 + 4x cost 경고.
예시 2: 캐릭터 일관성 (--oref) > "미드저니 프롬프트로 같은 캐릭터 다른 장면, --oref URL] --cw 50"
→ 인물·캐릭터 프리셋 → Round 2 → Round 3에서 --oref URL + --cw 50 입력 → 출력에 --oref 워크플로우 한국어 해설 + --cw 가이드.
예시 3: Style Reference > "MJ 프롬프트 --sref 1234567890 --sw 200"
→ Round 1·2 → Round 3에서 sref 코드 + sw 입력 → 출력에 4x cost 경고 + --sv 7 default 메모.
| 산출물 | 형식 | 설명 | |---|---|---| | Midjourney v8.1 프롬프트 | 키워드 콤마 + --파라미터 한 줄 | Discord /imagine 또는 alpha.midjourney.com 입력 | | GPT-image-2 프롬프트 | 영문 6-Block 자연어 단락 | ChatGPT / API 복붙 | | Gemini 3 Pro Image 프롬프트 | 영문 5-component 단락 | Google AI Studio / Vertex AI 복붙 | | 비용 추정 | 멀티플라이어 (예: 16x) | --hd·--q·--sref·--oref 조합 | | 한국어 해설 | 마크다운 | 함정·--cw·--sv·-personalization |
--cref (V6 캐릭터 일관성)는 V7·V8에서 deprecated. --oref로 자동 교체됩니다.--cw 100(기본값) 함정: reference 이미지의 조명·스타일까지 상속되어 새 프롬프트와 충돌. 얼굴만 가져오려면 --cw 20~40.--hd·--q 4·--sref/moodboard 각각 4x cost. 조합 시 곱연산.--oref는 Fast Mode·Draft Mode·Conversational Mode·--q 4와 비호환.--sref random은 결과 재현 불가. 마음에 드는 결과가 나오면 실제 코드 확인·저장.--p)은 40 ratings부터 시작, 200 ratings에서 stable, 2000 ratings까지 개선.| 스킬 | 관계 | 설명 | |---|---|---| | media-gpt-image-2-prompt | sibling | 동일 입력으로 GPT 6-Block 어조 프롬프트 | | media-gemini-3-image-prompt | sibling | 동일 입력으로 Gemini 5-component 어조 프롬프트 | | Higgsfield MCP (Soul) | alternative | API 자동 생성 (시네마틱 이미지·캐릭터 단일 통합, MJ는 미포함) |
1차 권장 출처 (공식):
--sref)--oref)--cref)업계 참고:
위 출처를 기반으로 V8.1 파라미터, --sref/--oref 동작, --cw 함정, 4x cost 매트릭스, Personalization rating 단계, V8 비호환 옵션을 도출했습니다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-08 | fail→pass | 15,510 | 16,644 | +7% | 1 | 1 | 0% | 2,515 | 6,387 | +154% | 0 | 0 | — |
case-01 | fail→pass | 19,308 | 18,874 | -2% | 1 | 1 | 0% | 3,186 | 6,290 | +97% | 0 | 0 | — |
case-02 | fail→fail | 29,610 | 6,625 | -78% | 1 | 1 | 0% | 3,604 | 4,836 | +34% | 0 | 0 | — |
case-03 | fail→pass | 26,462 | 14,248 | -46% | 1 | 1 | 0% | 3,701 | 5,210 | +41% | 0 | 0 | — |
case-04 | fail→pass | 13,821 | 17,931 | +30% | 1 | 1 | 0% | 1,675 | 6,015 | +259% | 0 | 0 | — |
case-05 | fail→fail | 18,642 | 18,997 | +2% | 1 | 1 | 0% | 2,204 | 6,196 | +181% | 0 | 0 | — |
case-06 | fail→pass | 18,247 | 29,431 | +61% | 1 | 1 | 0% | 2,407 | 5,878 | +144% | 0 | 0 | — |
case-07 | fail→pass | 6,019 | 10,584 | +76% | 1 | 1 | 0% | 999 | 4,747 | +375% | 0 | 0 | — |
case-09 | pass→pass | 7,001 | 15,588 | +123% | 1 | 1 | 0% | 1,238 | 5,562 | +349% | 0 | 0 | — |
case-10 | fail→fail | 15,761 | 18,744 | +19% | 1 | 1 | 0% | 2,072 | 6,038 | +191% | 0 | 0 | — |
case-11 | fail→pass | 17,071 | 12,849 | -25% | 1 | 1 | 0% | 1,961 | 4,991 | +155% | 0 | 0 | — |
case-12 | fail→pass | 6,681 | 10,354 | +55% | 1 | 1 | 0% | 1,235 | 4,525 | +266% | 0 | 0 | — |
case-13 | pass→pass | 5,576 | 5,501 | -1% | 1 | 1 | 0% | 1,008 | 4,528 | +349% | 0 | 0 | — |
case-14 | pass→pass | 8,610 | 12,099 | +41% | 1 | 1 | 0% | 1,459 | 4,802 | +229% | 0 | 0 | — |
case-15 | pass→pass | 16,518 | 18,664 | +13% | 1 | 1 | 0% | 2,602 | 5,910 | +127% | 0 | 0 | — |
case-16 | pass→pass | 4,215 | 7,895 | +87% | 1 | 1 | 0% | 680 | 4,079 | +500% | 0 | 0 | — |
case-17 | pass→pass | 14,827 | 15,115 | +2% | 1 | 1 | 0% | 2,275 | 5,975 | +163% | 0 | 0 | — |
case-18 | pass→pass | 11,564 | 12,660 | +9% | 1 | 1 | 0% | 1,753 | 5,808 | +231% | 0 | 0 | — |
case-19 | fail→pass | 7,068 | 5,513 | -22% | 1 | 1 | 0% | 1,225 | 4,519 | +269% | 0 | 0 | — |
case-20 | pass→pass | 7,873 | 8,876 | +13% | 1 | 1 | 0% | 1,314 | 5,159 | +293% | 0 | 0 | — |
case-21 | pass→pass | 13,761 | 11,453 | -17% | 1 | 1 | 0% | 2,418 | 5,470 | +126% | 0 | 0 | — |
case-22 | fail→fail | 14,056 | 13,620 | -3% | 1 | 1 | 0% | 2,778 | 6,369 | +129% | 0 | 0 | — |
case-23 | fail→pass | 15,249 | 10,880 | -29% | 1 | 1 | 0% | 2,873 | 5,645 | +96% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 23 cases were attempted. The headline lift of +43 percentage points is the difference between those two pass rates over the 23 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.