汗青：实测Midjourney V1视频模型：万众期待下，亮点并不多。

汗青：实测Midjourney V1视频模型：万众期待下，亮点并不多。 汗青：实测Midjourney V1视频模型：万众期待下，亮点并不多。 Modified June 19, 2025 No access 1 00:00 No access 2 00:00 No access 3 00:00 但遇到复杂的就会卡住，下面这个例子中，前序5秒的表现力很到位，审美是真的好，但我反复写“拿出画笔在镜头上乱写”，无论如何都做不到，只能用手指乱画几下。 No access 10 00:00 价格 最后官方说法是“ 每月仅需 10 美元，这是 首个 为 所有人 打造的视频模型 ”（大概的意思是很便宜？）。 如果你是 60 美元/月的套餐，可以测试使用无限放松模式（Relax Mode）。 我倒是觉得目前这个阶段，MJ的视频模型还没到关注价格的程度，主要还是功能够不够靠谱。 愿景 最后和大家一起看一下Midjourney发布V1时的一段官方长推。 MJ在描述中传达的逻辑和愿景还是十分吸引人的，从单纯的“图像生成”到“开放世界模拟模型”，野心足够大。 问题是，这种描述并非第一次听到，而从图像迈向影像领域显然不是容易的事。我们还记得Runway在发布Frames的时候画了个多大的饼。如今却不温不火。 MJ直言，目前的功能还是“垫脚石 ”，离具备优势还有距离。说到底，再大的格局也得有脚踏实地的产品能支撑。Midjouney在图像领域已经证明过自己的产品能力和独特性。 但在视频领域，它还需要更多的说服力。 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/hdeyh3fe... 原创 汗青 AI Talk 汗青 AITalk2025年06月19日 13:31 日本 https://mp.weixin.qq.com/s/hdeyh3fe... No access 1 00:00 No access 1 00:00 No access 2 00:00 No access 2 00:00 No access 3 00:00 No access 3 00:00 但遇到复杂的就会卡住，下面这个例子中，前序5秒的表现力很到位，审美是真的好，但我反复写“拿出画笔在镜头上乱写”，无论如何都做不到，只能用手指乱画几下。 No access 10 00:00 No access 10 00:00 价格 最后官方说法是“ 每月仅需 10 美元，这是 首个 为 所有人 打造的视频模型 ”（大概的意思是很便宜？）。 如果你是 60 美元/月的套餐，可以测试使用无限放松模式（Relax Mode）。 我倒是觉得目前这个阶段，MJ的视频模型还没到关注价格的程度，主要还是功能够不够靠谱。 愿景 最后和大家一起看一下Midjourney发布V1时的一段官方长推。 MJ在描述中传达的逻辑和愿景还是十分吸引人的，从单纯的“图像生成”到“开放世界模拟模型”，野心足够大。 问题是，这种描述并非第一次听到，而从图像迈向影像领域显然不是容易的事。我们还记得Runway在发布Frames的时候画了个多大的饼。如今却不温不火。 MJ直言，目前的功能还是“垫脚石 ”，离具备优势还有距离。说到底，再大的格局也得有脚踏实地的产品能支撑。Midjouney在图像领域已经证明过自己的产品能力和独特性。 但在视频领域，它还需要更多的说服力。 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/hdeyh3fe... https://mp.weixin.qq.com/s/hdeyh3fe... 原创 汗青 AI Talk 汗青 AITalk2025年06月19日 13:31 日本 midjourney凌晨发布万众期待的视频模型“ V1 Video Model ”。 先说到目前为止的测试结论： • 审美顶级，没得说。 • 物理模仿、动态推演、语音遵循都很一般 • 放在2025年6月份，这个质量在视频模型领域并没有太多优势。 • 描述了很好的愿景，以后也许很强，但目前说服力不够。 审美/长镜头 MJ一直是我非常喜欢的产品，在图片领域，它的美学宽度和泛用性应该是我最推崇的，没有之一。 它的视频模型画饼很久了，也一直很期待。实际表现可以说五味杂陈。下面这两个测试片段应该最能说明 V1 Video Model的特色： 审美没得说，基于MJ本身在图片领域的积累，影像的质感非常到位。这一点不再详细分析了，好看这件事一眼就能明白。 另外一个很难得的是稳定性，AI视频模型的一个难点就是推演时间变长之后的质量衰减。具体表现为画面细节下降，人物一致性坍塌。 这一点MJ的视频模型解决的很好（但这也和它4s的分段机制有关），人物的一致性和稳定性极佳。画面中的细节很少出现模糊和过拟合的现象，没有太多涂抹感。 在表现小场景的动漫风格时，有一种非常精致的感觉: 在长达16s的动画中，面部质量很稳定： 在这种相对动态幅度小的场景里， V1 Video Model的动态处理也不错，人物的肢体语言合理，运镜伴随着恰到好处的电影语言。 这些都是优点，很适合拍一些文艺电影调性的场景，叙事中带一点艺术味道。 审美很好、很稳定、很文艺。 但亮点似乎到此为止了。 机制 MJ这次把视频生成和图像融合到了同一个UI feed里，在生成时主要是图生视频的模式（其实无所谓了，本身图片也是它生成的）。一开始我看到它的参数，心里嘀咕了一下： 5秒、480P？ 没错，童叟无欺，480P。而且目前好像没找到upscale分辨率的选项，我希望是我漏掉了。 好在MJ本身视频的质量很高，一定程度上遮丑了分辨率的短板。 不过长期来说480P肯定是不够用的，毕竟这个年代720P都让大家觉得意犹未尽。姑且认为MJ会后续解决吧。 然后就是这个5秒的特性，一下让我想到了最早版本的Sora。 V1 Video Model并未提供5秒以上的生成选项，它的逻辑建立在“逐步生成”的范式上。先生成5秒，感觉对了再向下延续。因此UI上 Extend Video的权重很高，实际上官方X也是这么建议使用的： 这样的做法有好有坏，优点是足够灵活，单次生成的速度很快。可以方便地延续出很长的视频，比如20秒以上的长镜头。 缺点是：由于以5秒为生成单元，很难保证每个生成段落中的连贯感，下面这个镜头特别明显，在最后一个单元里，人物的转向有明显的脱节（并未更改任何提示词）。 No access 4 00:00 No access 4 00:00 还有下面这个例子，前5秒的表现力很足，但从6秒开始的第二个单元，主人公在弯曲道路上的奔跑方向显然有了问题。 No access 5 00:00 No access 5 00:00 所以，不是说这个机制不好，而是不断延续生成动画需要模型对前序有很深的理解，否则就会给人感觉段落感比较明显，尤其是在你只提供了5秒单一选项的情况下，有一些连贯动作就必须分成两次完成。Veo3等模型也只有8秒，但多出来的3秒其实很重要。 所以并非说这个机制不好，而是 V1 Video Model目前的能力还不够完美支撑这个机制。 物理模拟/语义遵循：一般 在这个环节。大部分别的模型能做的它也能做，有时做的还不错，但别人不能做的它似乎也做不了。整体评价就是： 没有特色。 在卷成这样的AI视频模型赛道，没有特色很要命，我为什么用你呢？ 大家最爱的爆炸追车戏（开3组 12次 ），挑了最好的一个。其实就是大部分模型的平均水平，不好不坏。动态幅度而言，肯定不是第一梯队。 No access 6 00:00 No access 6 00:00 射击这组其实很棒，后坐力和枪械表现都很好，但一跑出去，又完蛋了。 No access 7 00:00 No access 7 00:00 后空翻，好像翻了，又好像没翻（细节没法用）。 No access 8 00:00 No access 8 00:00 物理效果：瓶子从架子上晃下来。 No access 9 00:00 No access 9 00:00 语义遵循部分，基本能听懂，受限于5秒的时长，大部分复杂连段镜头需要两次分开生成，但基本的镜头语言问题不大。比如焦点转移：