Midjourney 上线首个视频模型 V1：图生 5 秒短片，继承招牌画风

Midjourney 憋了这么久的视频功能，终于端上来了。

不过，这个叫 V1 的视频模型刚上线，赶上的节点多少有点微妙：就在前几天，迪士尼和环球影业刚因为版权侵权把 Midjourney 告上了法庭。但官司归官司，团队还是把网页端的新按钮推给了所有社区用户。

先动起来，而且一次给四条

和市面上很多文生视频模型不同，Midjourney 这次走的是纯图生视频（Image-to-Video）路线，而且暂时只在网页端提供。

玩法并不复杂。你在网页上点开一张图，就能看到「Animate」按钮。你可以让系统自动配一段运动提示词帮你盲盒式动起来，也可以手动输入提示词，指定镜头怎么走、主体怎么动。

系统给了两档动态选项：低动态适合环境静止、主体慢动作的微动镜头，不过有时可能画面根本不动；高动态则让镜头和主体一起动，不过容易出现画面变形或破绽。

除了动自家生成的图，你也可以把外部图片直接拖进输入框作为起始帧来做动效。

每次生成任务，V1 会直接生成 4 条 5 秒长的视频。如果你觉得某条感觉对了，可以按大约 4 秒一段往后延长，最多能延长 4 次，把片子拉长到 20 秒左右。

算力消耗方面，Midjourney 称一次视频任务大约消耗相当于 8 张图片的生成算力，相当于 1 秒视频折合 1 张图的成本。CEO David Holz 称这比市面上现有的视频模型便宜了 25 倍，并且后续会针对 Pro 及更高订阅档位测试 relax 慢速免额度模式。

它的终点其实不是做视频

如果你冲着 Sora 或者谷歌 Veo 3 那种带声音、懂物理规律的大片去试 V1，大概率会觉得它还差点意思。V1 目前完全不支持声音生成，也没有纯文本直接出视频的功能。

但 David Holz 在公告里把底牌亮得很明白：视频并不是终点，而是他们通往「实时开放世界模拟器」的一块垫脚石。

按他的构想，这个未来的世界模拟器需要四块积木拼图：图像负责视觉质感，视频负责让画面动起来，3D 负责在空间里移动，最后还要靠实时模型让这一切能互动。接下来的这一年，Midjourney 会分别把这些积木一块块搭出来，最终揉进同一个系统里。

为什么重要

对于创作者和设计师来说，V1 最大的价值不是技术有多颠覆，而是工作流终于顺手了。Midjourney 最大的壁垒一直是它的美术审美和质感，以往大家要先在它这里刷出惊艳的静帧，再导去 Runaway、Luma 或 Kling 里做动效，跨工具非常折腾。现在一键动起来，还保留了 MJ 标志性的质感，尽管只有 5 秒，但做社交媒体动态海报、分镜草稿已经完全够用。

从商业定价看，我们认为 Midjourney 这次把价格压到「1 秒视频约等于 1 张图的成本」，对行业是很有杀伤力的一招。视频生成以往最劝退人的就是高昂的算力费，直接生成 4 条还宣称比竞品便宜 25 倍，摆明了是想靠低门槛让海量用户放开手脚去刷。

但隐患同样明显。首先是功能单薄，既不能加音频，也没有文生视频能力，长镜头一致性依然依赖多次拼接。更麻烦的是法律风险，好莱坞巨头刚把侵权诉讼砸下来，Midjourney 就放出让静止角色彻底动起来的视频工具，一旦用户拿受版权保护的角色大做二创视频，版权战火只会烧得更旺。不过单就产品体验而言，如果你本来就是它的会员，现在去网页端点一下让老图动起来，绝对值回票价。