Midjourney AI
打开 MidassAI Studio

带声音的视频模型上线前:一份视听双轨分镜简报表

Midjourney AI Team · 2026年11月12日 · 7 分钟阅读

立即开始创作
温暖桌面上的分镜画面条与音频波形卡,分上下两轨排列。

十一月的 office hours 转述里,Midjourney 的路线图上出现了一款能生成声音的视频模型——没有日期,没有价格,没有能力清单。现在有用的动作不是等待。视频简报的画面部分,用今天的工具就能测;声音部分可以预先结构成空列,这样上线第一周就变成一次对比,而不是一场手忙脚乱。这份简报表提供的就是这个结构。它是建议流程,不是已验证流程;本文不含任何对未发布模型行为的承诺。

能假设与不能假设的边界

可以据此规划的部分:按十一月会议转述,未来的 Midjourney 视频模型会随画面一起生成声音。未确认的部分:发布日期、片段长度、声音风格控制、人声支持,以及提示词怎么写。所以下面所有内容都把声音当作规划列,绝不当成提示词期待。

今天可以用在售功能做的事:用 V8.2 的静帧和现有视频功能锁定画面轨,并记录哪些静帧经得起运动。这是实打实的工作,也正好是带声音模型上线后要对照的基线。

视听双轨简报表

每个视频概念在生成前都过一遍这张表。直接抄进项目笔记即可。

镜头 画面轨(今天填) 声音轨(上线时填)
1 主体、动作、运镜、画幅 预期环境声、一个关键音效点
2 同上,外加与镜头 1 必须一致的部分 预期环境声、音效点,或刻意静默
3 进入下一镜的转场方式 声音是随转场过渡还是切断

填写规则:

  • 每个镜头只写一种运镜。 需要两种运镜就拆行。单一运镜的镜头在运动测试里最可靠。
  • 给每个后续镜头点名一致性锚点。 写清必须与镜头 1 一致的东西:服装、场景、光向。这直接变成你的参考图计划。
  • 静默是条目,不是空白。 两段音效之间刻意留白是创作决定。现在就写进声音列,免得后面被别人用默认环境声填满。
概念示意:左列为画面缩略图、右列为空白占位的两列表格。
简报表版式草图:画面行今天填,声音列留到模型上线。
立即开始创作

今天就把画面轨锁死

声音列故意留空,画面部分现在就能产出:

  1. 为每个镜头生成主静帧,用 V8.2。把胜出的提示词和设置写进画面列,不要留在聊天记录里。提示词结构基础见提示词入门。
  2. 每个主静帧跑一次运动测试,用现有视频功能,记录哪些静帧撑住了。手部、小字、多物体交互大概率失败;这些镜头需要更简单的静帧或更紧的裁切,最好在上线周之前解决。
  3. 冻结一版画面轨。 把通过的静帧、提示词和画幅存进一个文件夹。这套冻结资产就是上线日基线——新模型只和它比。

不要提前写声音提示词。没有公开语法,现在编一套等于保证返工。

在声音存在之前规划静默

首轮音频工作最常见的错误,是从第一帧开始就铺满环境声。现在就决定你的概念在哪里需要安静。门关上之后留两秒静默,比铺满整层噪音更有力;而这类决定在纸上容易做,在截稿压力下很难做。把静默段像音效点一样标出来。

概念示意:时间轴上两段声音提示之间标出的刻意静默段。
把静默当成规划项写进声音列,而不是事后补救。

上线周:是对比,不是重来

当带声音的模型真正上线,这张表会转成测试协议:

  1. 把每个冻结的画面轨提示词原样跑进新视频流程。只换模型,不换措辞——否则测的是提示词,不是模型。
  2. 只填前三镜的声音列。三行认真评估胜过九行扫过。
  3. 两条轨都对着简报打分:运动是否守住锚点,生成音频是否匹配计划的环境声、音效点或静默?
  4. 比基线好的留下,其余留用基线。第一代音频不会行行都赢,这是预期内的。

结果按你自己测试的观察来记录。文档没说的,不要对外宣传成“官方行为”。

这份表的局限

这个流程无法承诺任何关于未发布模型的事情:片段长度、声音风格控制、人声生成、价格全部未知,而这条路线图条目本身来自会议转述,不是官方产品页。这张表能保证的东西更小,但仍然有用——一套冻结的画面基线、点名的一致性锚点,以及在纸上而不是在压力下做出的音频决定。视频条目的路线图背景见 V9 十一月进展。

在 MidassAI Studio 里开始

把冻结的画面轨、提示词和这张表放在同一个 MidassAI Studio 项目文件夹,上线周从文件夹开始,而不是从搜索开始。在 MidassAI Studio 里试用 Midjourney,本周先冻结一个三镜概念。

相关文章

立即开始创作