调色精准、构图考究、情绪饱满，风格依旧在线。
不卷分辨率、不卷长镜头、Midjourney 卷的，是一一股独有的氛围感和审美辨识度。Midjourney 是有野心的，目标剑指「世界模型」，但目前略显「粗糙」的功能设计，能否让其走得更远，恐怕还是一个未知数。
上传或生成图像后点击「Animate」即可，单次任务默认输出 4 段 5 秒视频，最长可扩展至 21 秒。
支持手动和自动两种模式，用户可通过提示词设定画面生成效果；提供低运动和高运动选项，分别适合静态氛围或强动态场景
视频功能包含在现有订阅中（10 美元 / 月），GPU 资源消耗为图像任务的 8 倍
不支持添加音效、时间轴编辑、片段过渡或 API 接入，分辨率仅为 480p，长宽比自动适配图像，仍属早期版本
视频模型是阶段成果，未来将继续推出 3D 模型与实时系统，最终剑指世界模型
开卷氛围感，Midjourney 视频模型正式上线
你卷你的分辨率，我走我的超现实。
Midjourney 一直以奇幻、超现实的视觉风格见长，而从目前用户实测的效果来看，其视频模型也延续了这一美学方向，风格稳定，辨识度高。
在 @EccentrismArt 博主分享的视频中，一个少年少年从高空垂直坠落。人物造型简洁，动态感强，像是跳跃、坠落或在梦境中自由落体，运动路径流畅，人物重心相对自然。
城市街区密集、灯光密布，建筑仿佛在空间中倾斜、旋转，形成一种空间扭曲的视觉错觉，但整体建筑动态无明显抖动或 AI 生成拼接断层；
一位身穿衬衫、手抱文件或书本的女性剪影，在她背后，是一幅巨大的人类头部侧影，可以看到，多重曝光 / 层叠构图处理得非常干净，光晕勾边自然，没有过曝。也难怪 Perplexity AI 设计师 Phi Hoang 直呼超出预期。
身穿经典的太空服，航天员身后延伸出大量彩色的光线轨迹，呈现出一种「穿越」或「高速运动」的错觉，视觉节奏感强。
高光、材质、液体运动等要素都是检测 AI 模型对静物表现力的窗口，而这则视频中，冰块、奶油、焦糖动态自然，杯体旋转过程中标签未发生明显扭曲。
透视深度感清晰，远近分层得当，写实风格表现也比较强。
在末日感纽约街头，火烧车、残垣断壁等细节充足；根据提示词的要求，生成的视频需要有 35mm 胶片质感，整体来看也略带颗粒感。
水晶球悬停缓旋，考验场景稳定性佳，摄像机运动也相当平稳。
值得注意的是，以上展示的案例生成结果可能经过多轮「抽卡」，但就最终效果来看，视觉完成度已经相当可观。
有野心的 Midjourney，正在搭建「世界模型」的第二块积木
从今天起，Midjourney 用户可以在官网（Midjourney.com）上传图像，或直接使用平台生成的图像，点击「Animate」按钮，即可将图像转为视频。
每次任务会生成 4 段 5 秒的视频，用户可对任意一段进行最多 4 次扩展，每次增加 4 秒，总时长最多 21 秒。当然，万步开头难，官方表示未来将在时长和功能方面进一步扩展。
操作逻辑门槛其实并不高，你可以像往常一样在 Midjourney 创建图像，只是现在多了一个画面动起来的步骤，此外，你还可以上传外部图片作为「起始帧」，再通过提示词描述希望呈现的动态效果。
V1 提供了一些可调节的自定义设置，便于用户对画面内容做出更细致的控制。
在「手动模式」（Manual）下，你可以输入具体提示词，自动设定视频中元素的移动方式和场景的发展过程，但如果你暂时对提示词没有头绪，可以选择一个「自动模式」（Auto）设置，它会为你自动生成运动提示词，并让图像动起来。
低运动模式（Low motion）：适合气氛场景，镜头大多保持静止，主体移动缓慢或有节奏。缺点是，有时可能完全不会动（如人物眨眼、微风吹动景物等）；
高运动模式（High motion）：适合需要镜头和主体都大量移动的场景。缺点是，强烈的运动有时可能会导致画面错误或不稳定。
价格方面，视频功能被直接纳入 Midjourney 的订阅体系，起价依旧是每月 10 美元。
根据官方博客的说法，Midjourney 每段视频的 GPU 耗时约为图像任务的 8 倍，但在可生成最长 20 秒视频的前提下，平均每秒的成本几乎与图像生成持平。相较竞品，性价比可以排进第一梯队。
我们也用 AI 搜索引擎简单梳理了一些主流视频模型的订阅费用，供大家参考
目前来看，Midjourney 视频模型存在不少值得吐槽的点，最典型的特征就是缺乏一些面向专业创作的关键能力。
首先，与 Google 的 Veo 3 或 Luma 的 Dream Machine 不同，Midjourney 视频模型暂不支持自动添加背景音乐或环境音效。若需音频，仍需使用其他第三方工具手动添加。
其次，Midjourney 视频模型不支持编辑时间轴、生成的视频片段之间是「跳切」的，无法做到故事连续、画面自然衔接，也就很难控制剧情节奏或情绪铺垫。
再者，Midjourney 视频模型暂时也不提供 API 的接入。
更重要的是，Midjourney 生成的视频默认分辨率为 480p（标清），视频长宽比则基于图像原尺寸自动适配，上传至其他平台时也会标注为 480p。
Midjourney 官方也坦言，当前版本仍属早期探索阶段，重在可访问、易上手、可扩展。
视频模型只是切口，Midjourney 想要的，是更完整的内容生产体系。
根据其官方规划，最终目标是构建一个「世界模型」，也就是将图像生成、动画控制、三维空间导航和实时渲染整合为一体。
你可以理解为，在一个能够实时生成画面的 AI 系统中，输入一句话，可以命令 AI 主角在 3D 空间中移动，环境场景也会随之变化，而且你可以与一切进行互动。
如同搭积木，要实现这个目标，就需要图像模型（生成静态画面）→视频模型（让画面动起来）→ 3D 模型（实现空间导航与镜头运动）→ 实时模型（保证每一帧都能同步响应）。
按照 Midjourney 的产品规划，这四块技术「积木」将在接下来的 12 个月陆续交付，最终整合成一个统一的系统。而作为阶段性成果的 V1 视频模型，是这个终极目标的第二步。
