帶聲音的影片模型上線前:一份視聽雙軌分鏡簡報表
Midjourney AI Team · 2026年11月12日 · 7 分鐘閱讀

十一月的 office hours 轉述裡,Midjourney 的路線圖上出現了一款能生成聲音的影片模型——沒有日期,沒有價格,沒有能力清單。現在有用的動作不是等待。影片簡報的畫面部分,用今天的工具就能測;聲音部分可以預先結構成空欄,這樣上線第一週就變成一次對比,而不是一場手忙腳亂。這份簡報表提供的就是這個結構。它是建議流程,不是已驗證流程;本文不含任何對未發布模型行為的承諾。
能假設與不能假設的邊界
可以據此規劃的部分:按十一月會議轉述,未來的 Midjourney 影片模型會隨畫面一起生成聲音。未確認的部分:發布日期、片段長度、聲音風格控制、人聲支援,以及提示詞怎麼寫。所以下面所有內容都把聲音當作規劃欄,絕不當成提示詞期待。
今天可以用在售功能做的事:用 V8.2 的靜幀和現有影片功能鎖定畫面軌,並記錄哪些靜幀經得起運動。這是實打實的工作,也正好是帶聲音模型上線後要對照的基線。
視聽雙軌簡報表
每個影片概念在生成前都過一遍這張表。直接抄進專案筆記即可。
| 鏡頭 | 畫面軌(今天填) | 聲音軌(上線時填) |
|---|---|---|
| 1 | 主體、動作、運鏡、畫幅 | 預期環境聲、一個關鍵音效點 |
| 2 | 同上,外加與鏡頭 1 必須一致的部分 | 預期環境聲、音效點,或刻意靜默 |
| 3 | 進入下一鏡的轉場方式 | 聲音是隨轉場過渡還是切斷 |
填寫規則:
- 每個鏡頭只寫一種運鏡。 需要兩種運鏡就拆列。單一運鏡的鏡頭在運動測試裡最可靠。
- 給每個後續鏡頭點名一致性錨點。 寫清必須與鏡頭 1 一致的東西:服裝、場景、光向。這直接變成你的參考圖計畫。
- 靜默是條目,不是空白。 兩段音效之間刻意留白是創作決定。現在就寫進聲音欄,免得後面被別人用預設環境聲填滿。

今天就把畫面軌鎖死
聲音欄故意留空,畫面部分現在就能產出:
- 為每個鏡頭生成主靜幀,用 V8.2。把勝出的提示詞和設定寫進畫面欄,不要留在聊天記錄裡。提示詞結構基礎見提示詞入門。
- 每個主靜幀跑一次運動測試,用現有影片功能,記錄哪些靜幀撐住了。手部、小字、多物件互動大概率失敗;這些鏡頭需要更簡單的靜幀或更緊的裁切,最好在上線週之前解決。
- 凍結一版畫面軌。 把通過的靜幀、提示詞和畫幅存進一個資料夾。這套凍結資產就是上線日基線——新模型只和它比。
不要提前寫聲音提示詞。沒有公開語法,現在編一套等於保證返工。
在聲音存在之前規劃靜默
首輪音訊工作最常見的錯誤,是從第一幀開始就鋪滿環境聲。現在就決定你的概念在哪裡需要安靜。門關上之後留兩秒靜默,比鋪滿整層噪音更有力;而這類決定在紙上容易做,在截稿壓力下很難做。把靜默段像音效點一樣標出來。

上線週:是對比,不是重來
當帶聲音的模型真正上線,這張表會轉成測試協議:
- 把每個凍結的畫面軌提示詞原樣跑進新影片流程。只換模型,不換措辭——否則測的是提示詞,不是模型。
- 只填前三鏡的聲音欄。三列認真評估勝過九列掃過。
- 兩條軌都對著簡報打分:運動是否守住錨點,生成音訊是否匹配計畫的環境聲、音效點或靜默?
- 比基線好的留下,其餘留用基線。第一代音訊不會列列都贏,這是預期內的。
結果按你自己測試的觀察來記錄。文件沒說的,不要對外宣傳成「官方行為」。
這份表的侷限
這個流程無法承諾任何關於未發布模型的事情:片段長度、聲音風格控制、人聲生成、價格全部未知,而這條路線圖條目本身來自會議轉述,不是官方產品頁。這張表能保證的東西更小,但仍然有用——一套凍結的畫面基線、點名的一致性錨點,以及在紙上而不是在壓力下做出的音訊決定。影片條目的路線圖背景見 V9 十一月進展。
在 MidassAI Studio 裡開始
把凍結的畫面軌、提示詞和這張表放在同一個 MidassAI Studio 專案資料夾,上線週從資料夾開始,而不是從搜尋開始。在 MidassAI Studio 裡試用 Midjourney,本週先凍結一個三鏡概念。