Midjourney kann jetzt Videos aus Bildern generieren

Midjourney – bislang vor allem für seine KI-Bildgenerierung bekannt – erweitert sein Angebot um das Video Model v1. Für die Midjourney-Entwickler ist dies der nächste logische Schritt auf dem Weg zu einem KI-System, das Bilder in Echtzeit generiert und es Anwendern erlaubt, sich im 3D-Raum zu bewegen und mit der Umgebung und den Charakteren zu interagieren. Ziel ist es, Bild-Modelle, Video-Modelle und 3D-Modelle zu Echtzeit-Modellen zusammenzufügen. In einer von Midjourney veröffentlichten Erklärung heißt es dazu: „Im nächsten Jahr werden diese Teile einzeln gebaut, auf den Markt gebracht und dann nach und nach zu einem einzigen einheitlichen System zusammengefügt. Das mag zunächst teuer sein, aber schneller als man denkt, wird es etwas sein, das jeder nutzen kann.“

Funktionsweise und Bedienung

Das jetzt vorgestellte Video Model v1 setzt auf ein sogenanntes „Image-to-Video“-Verfahren. Nutzer laden entweder ein bereits in Midjourney erzeugtes Bild oder ein beliebiges anderes Motiv hoch. Anschließend dient dieses Bild als Startpunkt für eine Animation. Über ein Texteingabefeld, den sogenannten „Motion Prompt“, lässt sich präzise beschreiben, wie sich das Motiv bewegen soll. Wer es unkompliziert mag, wählt den „automatischen“ Animationsmodus: Hier erzeugt die Software eigenständig eine Bewegungsabfolge, etwa das sanfte Wogen einer Blumenwiese im Wind oder das langsame Drehen einer Kamera um eine Statue.

Die resultierende Animation besteht zunächst aus einem fünfsekündigen Clip (ohne Ton). Dieser kann in viersekündigen Schritten bis zu viermal verlängert werden – so entstehen Videos mit einer maximalen Länge von 21 Sekunden. Zwei Bewegungsmodi stehen zur Auswahl: „Low Motion“ für dezente Veränderungen, etwa das Flackern von Kerzenlicht, und „High Motion“ für dynamische Szenen, beispielsweise eine rasante Kamerafahrt durch eine futuristische Stadt.

Zugänglichkeit und Kosten

Zum Start ist das Video-Modell ausschließlich über die Weboberfläche und den Discord-Server von Midjourney verfügbar. Die Nutzung erfordert ein kostenpflichtiges Abonnement, das bei zehn US-Dollar pro Monat beginnt. Video-Generierungen sind deutlich rechenintensiver als Bilder: Ein Videojob kostet etwa das Achtfache eines Bildjobs – umgerechnet entspricht eine Sekunde Video dem Preis einer Bildgenerierung. Pro Auftrag werden vier fünfsekündige Clips ausgegeben.

Gestalterische Ausrichtung und Zielgruppe

Im Gegensatz zu anderen Anbietern wie OpenAI (Sora), Google (Veo 3) oder Adobe (Firefly) legt Midjourney bei V1 den Fokus nicht auf fotorealistische Ergebnisse, sondern auf ästhetische Kontrolle. Ziel ist es, Kreativen Werkzeuge an die Hand zu geben, mit denen sie Stimmungen, visuelle Konzepte oder experimentelle Animationen umsetzen können. Die Bandbreite reicht von subtil animierten Illustrationen bis zu expressiven, bewegten Kunstwerken. Technische Einschränkungen, etwa vereinfachte Bewegungsabläufe oder gelegentliche Bildfehler bei komplexen Szenen, sind laut Midjourney Teil der aktuellen Entwicklung und werden weiter optimiert.

Nutzern, die mit den Videomodellen nicht mehr genug Fast Hours haben, schlägt Midjourney vor, auf eine höhere Mitgliedschaftsstufe upzugraden. Jahresabonnements erhalten einen zusätzlichen Rabatt von 20 %. Mit den Stufen „Pro” und „Mega” können Anwender laut Midjourney zudem helfen, den „Video-Relax-Modus” zu testen (unbegrenzte Generierungen, aber mit Wartezeit). Die Preisstruktur und technischen Details will das Unternehmen in den kommenden Monaten weiter anpassen, um eine nachhaltige Nutzung zu gewährleisten.

Die Dokumentation zum Video Model v1 finden Sie hier.