Midjourney今日正式发布其首个视频生成模型V1，新功能现已面向全体用户开放，通过“图像转视频（Image-to-Video）”的方式，可实现静态图像的动态演绎。

Midjourney创始人David Holz（大卫·霍尔茨）在公告中表示，虽然公司过去几年一直专注于图像生成，但其长期目标是构建可实时生成、可交互、可移动的三维视觉模拟系统。本次发布的视频模型V1正是这一蓝图的重要组成部分。“为了实现开放世界模拟系统，我们需要图像模型作为视觉基础，需要视频模型让图像动起来，需要三维模型支持空间移动，还需要实时性能确保系统响应足够快。”David表示。

此次发布的视频模型基于现有图像生成流程构建，用户可直接在Midjourney平台生成图像后点击“Animate”按钮，将其转化为动态影像。系统提供两种动画控制方式：自动动画模式和手动动画模式。自动模式由AI根据图像内容自动生成“动作提示（motion prompt）”，手动模式则允许用户自定义画面中的动态变化。

在动画强度设置方面，用户可根据需求选择“低动态”或“高动态”模式。其中，“低动态”适用于氛围感较强、镜头稳定的场景，但有时可能生成静止画面，而“高动态”则适合希望整体画面大幅移动的场景，不过也更容易出现效果瑕疵。

每段视频初始时长约5秒，用户可最多扩展四次，总时长达到20秒。此外，Midjourney还支持外部图像上传动画功能，用户可拖拽任意图片至平台作为起始帧，并通过文字描述指令实现动画控制。

据官方介绍，本次视频生成功能在成本控制方面取得突破性进展。每个视频任务费用约为图像任务的8倍，但一次任务可生成4段各5秒的视频，相当于每秒仅需一幅图像生成的价格，这已经比当前市场同类服务便宜至少25倍。

目前，该功能暂时仅在网页版提供，并开放“Relax”视频模式测试，适用于Pro及更高订阅用户。官方也提醒，初期由于服务器资源限制，可能会根据用户使用情况调整策略，以确保服务的可持续运行。

Midjourney表示，未来一年将逐步构建包括图像、视频、三维空间及实时计算在内的各项模块，并最终整合成统一的AI模拟系统。虽然这一过程初期成本可能较高，但团队相信，该技术终将普及，成为每个人都能使用的创造工具。“我们希望提供一个有趣、简单、美观且价格亲民的工具，让每一位用户都能参与探索。”David总结道，“这是我们走向未来的重要一步，感谢你们一路同行。”

参考资料：https://www.midjourney.com/updates/introducing-our-v1-video-model