Midjourney veröffentlicht sein erstes KI-Videomodell der Version „V1“

Midjourney hat sein erstes KI-Videogenerierungsmodell V1 vorgestellt und damit den Wandel des Unternehmens von der Bildgenerierung hin zur Erstellung vollständiger Multimedia-Inhalte vollzogen. Ab heute können die fast 20 Millionen Nutzer von Midjourney hochgeladene oder KI-generierte Bilder über die Website animieren.

Midjourney-CEO David Holz Laut ist das V1-Modell der nächste Schritt des Unternehmens auf dem Weg zu seinem ultimativen Ziel: die Entwicklung von KI-Modellen, die „Echtzeit-Open-World-Simulationen ermöglichen“. Das Unternehmen gab außerdem bekannt, dass es mit seinen KI-Videomodellen weit mehr vorhabe, als nur B-Roll-Material für Hollywood-Filme oder Werbespots zu generieren.

Nick St. Pierre, Creative Director und inoffizieller Werbeträger für Midjourney, merkte an, dass der V1 ausschließlich Bild-zu-Video-Konvertierungen durchführte. Nutzern standen vier Generierungen mit 24 Bildern pro Sekunde und 480p pro Clip zur Verfügung, und das Gerät unterstützte jedes beliebige Seitenverhältnis. Er hob außerdem die Kosteneffizienz des V1 hervor und behauptete, dass 20 Videoclips für ca. 4 US-Dollar günstiger seien als die 3 US-Dollar pro Video bei Veo. Die Generierungsgeschwindigkeit war deutlich höher.

Laut Pierre verfügt V1 über benutzerdefinierte Einstellungen, mit denen Nutzer die Ausgaben des Videomodells steuern können. Diematic Animationseinstellung lässt ein Bild zufällig bewegen, während die manuelle Einstellung es Nutzern ermöglicht, eine bestimmte Animation, die sie ihrem Video hinzufügen möchten, in Textform zu beschreiben. Die mit V1 generierten Videos sind standardmäßig nur fünf Sekunden lang, können aber bis zu viermal um jeweils vier Sekunden verlängert werden, sodass V1-Videos eine Länge von bis zu 21 Sekunden erreichen können.

Midjourney gibt an, für eine Videogeneration das Achtfache zu verlangen

auszuprobieren von @midjourney !

Ich bin wirklich beeindruckt von einer Reihe meiner Ergebnisse – es macht einen großen Unterschied, mit einem qualitativ hochwertigen Bild zu beginnen, und die Kohärenz isttron.

Die automatische Sprachausgabe ist super. Und es ist außerdem ein relativ schnelles und günstiges Modell, was ja nie schadet 😅 pic.twitter.com/yvf3nN9dmC

— Justine Moore (@venturetwins) 18. Juni 2025

Das Midjourney-Team gab bekannt, dass die Erstellung eines Videos achtmal so teuer sein wird wie die eines typischen Bildes. Abonnenten werden ihr monatliches Kontingent an Videoerstellungen daher deutlich schneller aufbrauchen als das von Bildern. Zudem plant das Unternehmen die Entwicklung von KI-Modellen für 3D-Rendering und Echtzeit-KI.

Die günstigste Möglichkeit, V1 zum Start zu testen, bietet das Basic-Abo von Midjourney für 10 US-Dollar pro Monat. Abonnenten des Pro-Abos für 60 US-Dollar und des Mega-Abos für 120 US-Dollar pro Monat erhalten unbegrenzte Videogenerierungen im langsameren „Relax“-Modus. Midjourney kündigte an, die Preise für die Videomodelle im Laufe des nächsten Monats zu überprüfen. Laut Holz seien die Preise von Midjourney mehr als 25-mal günstiger als die der Konkurrenz.

„Unser Ziel ist es, Ihnen etwas Unterhaltsames, Einfaches, Schönes und Erschwingliches zu bieten, damit jeder es entdecken kann. Wir glauben, dass wir eine gute Balance gefunden haben. Viele von Ihnen werden jedoch das Bedürfnis verspüren, mindestens eine Stufe aufzurüsten, um mehr Spielminuten zu erhalten.“

–David Holz, CEO bei Midjourney 

Laut Holz seien die tatsächlichen Produktionskosten der Modelle und die von Midjourney erhobenen Preise schwer vorherzusagen. Er fügte hinzu, das Unternehmen werde sein Bestes tun, um den Nutzern so schnell wie möglich Zugang zu gewähren. Er stellte jedoch klar, dass das Midjourney-Team die Nutzung der Technologie im kommenden Monat genau beobachten und gegebenenfalls Anpassungen vornehmen werde, um einen nachhaltigen Betrieb des Unternehmens zu gewährleisten.

Laut Holz sind Modelle, die Echtzeit-Open-World-Simulationen ermöglichen, der nächste Schritt

Der CEO von Midjourney erläuterte die Pläne für das kommende Jahr und erklärte, dass die Technologie von V1 zwangsläufig in Modellen münden werde, die Echtzeit-Open-World-Simulationen ermöglichen. Im Grunde genommen wolle das Unternehmen ein KI-System entwickeln, das Bilder in Echtzeit generiert. Nutzer könnten es in einem dreidimensionalen Raum steuern, in dem sich auch die Umgebung und die Charaktere bewegen, und mit allem interagieren.

Holz erklärte, dass das Unternehmen dafür visuelle Elemente (unsere ersten Bildmodelle) benötigte, diese Bilder animieren musste (Videomodelle), die Nutzer sich im Raum bewegen konnten (3D-Modelle) und all dies in Echtzeit möglich sein musste. Er fügte hinzu, dass im darauffolgenden Jahr diese Komponenten einzeln entwickelt, veröffentlicht und schrittweise zu einem einheitlichen System zusammengefügt wurden. Der Chef von Midjourney sagte, es könne anfangs teuer werden, aber das Endprodukt werde für jeden nutzbar sein.

Holz versprach, dass sein Unternehmen in den nächsten Wochen und Monaten weitere Neuigkeiten präsentieren werde, und fügte hinzu, dass sein Team beim Erstellen der Videomodelle viel gelernt habe. Er wies außerdem darauf hin, dass viele dieser Erkenntnisse in den kommenden Wochen und Monaten in die von Midjourney . Doch vorerst rät Holz, auf „Animieren“ zu klicken – und die Bilder in Bewegung zu setzen.