在AI视频生成百花齐放的时代，从OpenAI的Sora到Google的Veo，再到Runway、Kling等平台都积极布局视频市场。就在这个时间点，Midjourney推出首款形象转动画功能——V1模型，不但引起产业关注，也为创作者社交媒体带来全新工具选择。

Midjourney向来以风格化图像生成见长，这次加入视频战场的V1，不再追求极致拟真或商业叙事能力，而是回归创作者视角，强调创意速度、风格一致性与简便操作，让图像叙事直接“动起来”。这项视频功能不仅是图像模型的自然延伸，更可能引领一波AI视觉故事创作潮流。

与其他视频生成网站最大的不同点在于，Midjourney V1并没有文本转视频的功能，只提供“图像转视频”（Image-to-Video）机制。用户可从既有或上传图像出发，产生每支约5秒的短片动画，并可选择延伸时间至最多21秒（总共4次延长，每次约4秒）。目前该功能仅通过Midjourney官方网页界面提供，需以Discord账号登录操作。

这项功能提供两种动画生成模式：

Auto（自动）模式：系统根据图像自动推测动态与镜头移动方式，适合初学者与快速预览。

Manual（手动）模式：用户可输入提示语自订动作内容与镜头语法，适合高端使用与特定叙事控制。

视频生成后，系统会提供四支版本供预览与挑选，并可针对单支视频选择延长时间，或重新生成动作方向。

1.上传图片

当你登录Midjourney后，点击上方的输入围，然后在这里要先拖拽一张图片到这里。可以使用先前生成的图，也可手动上传本机图像。

2.把图片放置到“Starting Frame”作为启始画格。

刚刚上传的图片在下方的区域，你可以理解为是一个“工作桌”或是缓冲区，用以暂存你工作需要用到的图片。而你要生成视频，就要把这个图片拖拽到上方的“Starting Frame”。

3.设置动画

在这里点击“1”之后，就会出现这个界面。

你可以在“2”这里输入要生成视频的提示词（手动模式），或是什么都不输入让系统自己决定（自动模式）。

另外，在“3”这里可以让你选择生成视频的动作强度：

Low motion：适合细腻变化（如光影、风、水波），画面稳定柔和。

High motion：适合激烈动作与镜头运动，但容易产生画面不稳或破图。

之后按下生成即可。

4.视频产出

点击左边的“Cretate”，可以看到你生成的内容。每次可产生四段约5秒视频

5.产生延伸视频

点击进入其中一个生成的视频，在右下角有产生延伸视频的选项，一样是可以自动或是手动，以及选择Low motion或是High motion。

延伸生成的视频时长为4秒，延伸功能最多支持4次，因此视频总时长最多达21秒。

Midjourney采用月订阅制，并没有特别分出产生视频或是产生图片的订阅，而是采用耗用的GPU算力时间为基本，依照方案不同提供不同程度的GPU算力生成时间（以新台币换算）：

根据官方说法，一分钟的算力时间可以给你生成一次图片（一次4张）。举例来说，3.3小时的算力可以生成198张图。

至于视频生成，计算资源需求官方说法是为图像的8倍，因此大约是24段视频。

Midjourney V1的Manual模式是视频创作的精华所在，通过简单英文叙述即可控制角色动作与镜头方向。提示语应具备以下三要素：

主体：谁在动？（如a fox, a dancer, a robot）

动作：做什么动作？（如jumps, spins, waves）

镜头语法：如何拍摄？（如camera pans right, zooms in slowly）

A cat stretches on a windowsill while the sun slowly rises in the background; camera slowly zooms in.

A cherry blossom tree sways gently in the breeze; camera pans left through the branches.

可加入气氛描述（如golden light, foggy morning）或时间感（in timelapse）强化视觉表现。

Midjourney V1的“图像转视频”功能相较于其他竞争平台（如Runway、Kling、Sora、Veo）具备以下几个特色：

图像风格一致性强：Midjourney自家生成的图像搭配动画功能可无缝延伸，画面风格不易断裂。

操作门槛低：只需点击图片“Animate”按钮，即可快速上手；Manual模式也仅需自然语句撰写。

高性价比：月费低、视频生成耗费相对资源少，对创作者较友善。

创意自由度高：动作幅度可自选（Low/High motion）、支持延伸视频长度、提示语自由度高。

相较之下：

Runway：支持多段时间轴编辑与高分辨率视频输出，专业度较高但操作复杂。

Kling（字节跳动）：生成速度快、强调AI计算流畅度，但多用于中文市场。

Sora/Veo：支持文本生成视频与声音，适合完整叙事视频，但目前不支持图像作为起点。

若你已有Midjourney图像素材，V1的动画工具可说是目前最具集成性与效率的延伸工具。

虽然功能强大，但Midjourney V1视频目前仍有以下限制需注意：

仅支持图像生成视频，不支持纯文本生成（text-to-video）。

输出视频分辨率仅为480p，较不适合用于商业用途。

在high motion模式下，部分画面可能会出现不自然变形或逻辑破绽。

生成结果为预览性质，可能有画质压缩或动作不稳的情形。