Midjourney 推出首个视频模型

背景

把静态图片变成视频，意味着模型要生成一连串随时间变化的画面，并让这些画面保持视觉上的连贯。Midjourney 的 V1 就是它用于这类任务的首个视频模型。^[1]

发生了什么

2025年6月18日，Midjourney 推出首个视频模型 V1。^[1] 发布时它只能在网页上使用。^[1] 模型把图片生成 5 秒短片，这些短片可以延长到约 21 秒。^[1] 一次视频任务的成本约为一次图片任务的 8 倍。^[1]

关键细节

每个视频任务会产出 4 段 5 秒视频。^[2] 每段视频可以每次延长约 4 秒，最多延长 4 次。^[2] 动画可以由系统自动完成，此时由系统编写运动提示词（motion prompt）；也可以手动控制，提供低运动和高运动两档设置。^[2]

影响

Midjourney 把实时开放世界模拟（real-time open-world simulation）描述为长期目标。^[1] 发布时，V1 是一个仅在网页端提供短片生成能力的工具，视频任务成本约为图片任务的 8 倍。^[1] 公司的长期目标与当时发布的能力并存：V1 先把图片变成短片，再让用户逐步延长这些短片。^[1][2]