AI 影像生成平台 Midjourney 於2025年6月19日正式宣布推出其首款 V1 Video Mode 模型，開啟「AI 視頻」新時代。以「Image‑to‑Video」為核心，使用者可將 Midjourney 生成的靜態影像加入動畫效果，一鍵「Animate」生成動態短片，每次輸出為四段 5 秒鏡頭，並支援延伸功能。這項創新不僅標誌平台從圖片進入視頻領域，更展現其關鍵未來願景：朝向「實時開放世界模擬」踏出重要一步。

Introducing our V1 Video Model. It's fun, easy, and beautiful. Available at 10$/month, it's the first video model for *everyone* and it's available now. pic.twitter.com/iBm0KAN8uy

— Midjourney (@midjourney) June 18, 2025

功能剖析：Image‑to‑Video 動畫流程與使用體驗

Midjourney 官方指出，V1 Video Mode 是從單一靜態影像生成動態視頻的「邁向未來的跳板」，核心流程如下：

• Image‑to‑Video：在 Discord 或 Web 中生成圖像後，按下「Animate」按鈕，即可直接為靜態畫面加入動態效果 。
• 動畫模式分為自動與手動：
  • 自動模式（Automatic）：由系統模擬出 motion prompt，適合快速生成「趣味動態」。
  • 手動模式（Manual）：用戶可輸入具體文字描述，精準控制畫面移動方向、速率與視覺展開 。
• 動作強度選擇：
  • Low Motion：適合環境靜態為主，主體緩慢移動的場景；適合背景變化與氛圍影片，但可能無明顯動作。
  • High Motion：適合主體與鏡頭都有動作的全動態場景，但因高運算可能導致畫面畸變 。
• 延伸長度：預設 5 秒，使用者可按需延長 4 秒一次，最多延展四次，總長最高可達 21 秒 。

此外，V1 還支持將 Discord 外部圖像上傳，設為起始幀，再加入 motion prompt，產生專屬動畫短片。

定價策略：“1 張圖＝1 秒影片”的高性價比體驗

Midjourney 創辦人 David Holz 表示，為了讓更多人享受 AI 視頻體驗，V1 初期價格設定與圖像生成相當：估算每秒 1 個圖像成本，整段影像成本約為一張 Midjourney 圖像 。目前尚限於 Web 平台操作，定價策略如下：

• 基礎方案：10 美元／月（Basic），可生成 V1 視頻。
• Pro（60 美元）與 Mega（120 美元）：提供 Relax 模式，支持不限次視頻生成（但速度較慢）。
• 視頻成本約為圖像的 8 倍，因為每次生成包含四段 5 秒影片。
• 定價將在 1 個月內依使用情形與伺服負載狀況做動態調整 。

此策略意在快速導入市場測試，同時兼顧平台營運成本與使用者使用體驗。

技術架構與品質聚焦：輸出風格延續靜圖特色

V1 延續 Midjourney 圖像一貫風格：畫面含蓄、有質感，非強求真實，而是追求「美感」和「風格一致性」。技術細節如下：

• 風格保留：系統擅長維持 Midjourney 的視覺美學，影像具有畫面細緻的色彩處理與畫風一致性。
• 動作有限：目前僅支援簡單飄移、推拉、旋轉等動作；高強度動畫可能出現不自然或變形瑕疵 。
• 平台轉換：不同於 Discord 的指令式操作，動畫功能僅提供 Web 版，方便整合進階控制工具及預覽系統。

未來路線圖：走向 3D ⋅ 即時開放世界

Midjourney 官方指出，V1 僅是通往最終願景的重要一環：「未來要達到即時互動的 3D 模擬」永遠是核心目標。接下來幾年將推出四大功能模組：

1. 靜態影像 → 已完成
2. 視頻模型（Video Mode） → V1 正式上線
3. 3D 模型 → 預計明年發布
4. 真正的即時運算系統 → 長期目標

透過模組化發展策略，Midjourney 希望先釐清單一技術，再逐步整合，最終形成可互動、創作、模擬的開放世界系統。

市場對抗態勢：與 OpenAI、Runway 等平台正面交鋒

目前市場已有多家 AI 視頻領軍者，Midjourney 正面迎戰：

• OpenAI Sora：主打可控性與品質
• Runway Gen‑4：搭載專業級工具（masking、motion track），適合內容製作專業使用者
• Adobe Firefly：偏重圖像-視頻整合於創作流程
• Google Veo 3：強調速度與AI短視頻生成功能

對比之下，Midjourney 強調「風格一致」與「創意導向」，產品定位為「藝術家與設計師的創作工具」，而非純商業影片製作。這凸顯出其差異優勢與定位清晰性 。

V1 不是終點，而是令人期待的起點

Midjourney 推出的 V1 Video Mode 無疑在 AI 影像圈掀起新話題：它結合平台核心風格與可操作動畫功能，以超高性價比進入 AI 視頻市場。雖非最專業的視頻製作平台，但作為一款快速又具有美學風格的創作工具，其對藝術家與設計師、內容創作者來說具有極高吸引力。

未來把靜態影像拼接到動態圖像、最終實現即時 3D 模擬、構建開放世界的願景仍需時間，但今天這一步已踏出。面對市場競爭與法律訴訟壓力，Midjourney 選擇「美感與創意優先」，試圖以獨特定位在 AI 視頻領域找到自己的位置。

對於有興趣探索 AI 創作的使用者，不妨以低門檻方式嘗試 V1 Video Mode，開啟影像進入動態未來的新旅程。

實際測試

(筆者註：目前影片只支援480p)

原始圖像

Auto Low-Motion

Auto High-Motion

手動控制提示詞

The woman lowered her arms and walked forward with a catwalk. She stepped out of the woods onto a flat highway and began to wriggle and dance. The lens is fixed, the lens is zoomed out, and the woman's whole body is presented in a panoramic view. Natural light shines on the woman's body. Movie scenes, 8K high resolution, showing a woman's charming and moving posture. 女子垂下雙臂，邁著貓步向前。她走出樹林，踏上平坦的公路，開始扭動舞動。鏡頭定格，鏡頭拉遠，女子全身全景呈現。自然光灑落在女子身上。電影場景，8K高清分辨率，展現女子嫵媚動人的姿態。

Manual Low-Motion

Manual High-Motion

延伸手動控制提示詞(增加4秒)

The woman backflips and starts hip-hop. A group of dancers appears on the left and right.女人後空翻，開始跳街舞，左右兩邊分別出現了一群舞者。

Manual Low-Motion-Extend

女主角不太能翻，看似不太能做出太大的動作。

Manual High-Motion-Extend

女主角稍微能翻了，動作幅度較大，可以呈現一些比較激烈的場景。