Ещё пару лет назад сама идея создания картинки по текстовому описанию казалась чем-то из области фантастики, а сегодня нейросети генерируют фотореалистичные изображения за считаные секунды — и никого этим уже не удивишь. Midjourney в этой гонке занимает особое место: именно она приковала внимание миллионов пользователей благодаря своему неповторимому художественному стилю, который порой сложно отличить от работы живого иллюстратора. Но аппетит, как известно, приходит во время еды. Раз статичные изображения покорились, логичный следующий шаг — видео. И вот тут у многих возникает вполне закономерный вопрос: а умеет ли Midjourney генерировать ролики напрямую, без сторонних костылей и обходных манёвров? Чтобы разобраться в этом нюансе, стоит заглянуть за кулисы самой технологии и трезво оценить, на что она способна прямо сейчас.
Что умеет Midjourney на сегодняшний день?
Начать нужно с очевидного. Midjourney — это прежде всего генератор изображений, созданный одноимённой независимой лабораторией во главе с Дэвидом Хольцем. Запустили сервис в середине 2022 года, и с тех пор он прошёл через несколько мажорных версий, каждая из которых заметно улучшала детализацию, реалистичность и послушность модели промптам. Версия 5 произвела настоящий фурор: текстуры кожи, блики на стекле, мельчайшие складки ткани — всё это стало выглядеть настолько правдоподобно, что в сети разгорелись нешуточные дебаты об этичности использования таких картинок. А версия 6 добавила ещё больше гибкости в стилизации и понимании сложных запросов. Но ведь все эти достижения касаются исключительно статичных картинок. Ни одна из публичных версий Midjourney на момент написания этого текста не позволяет сгенерировать хотя бы секунду видео.
Довольно часто на форумах и в Telegram-каналах натыкаешься на заголовки вроде «Midjourney теперь делает видео!» — и почти всегда это либо откровенный кликбейт, либо описание обходного пути с привлечением сторонних инструментов. К слову, сама команда Midjourney никогда официально не заявляла о готовом видеоинструменте в составе своего продукта. Были намёки, были утечки, были туманные обещания в интервью — но добротного рабочего инструмента для прямой генерации видео пользователи так и не получили.
Откуда взялись слухи о видео?
Корни этой путаницы уходят в 2023 год. Тогда Дэвид Хольц в одном из своих редких публичных выступлений упомянул, что команда экспериментирует с движущимися изображениями. Фраза была максимально обтекаемой, но интернет — среда, где даже шёпот превращается в крик. Новость разлетелась мгновенно, обросла домыслами, и вот уже десятки блогеров уверенно рассказывали подписчикам, что «скоро Midjourney убьёт Голливуд». Разумеется, ничего подобного не произошло.
Ваш личный ИИ-отдел маркетинга, который работает 24/7 📈
Ускорьте создание контента в 10 раз! Этот мульти-ИИ сервис позволяет писать безупречные продающие посты, генерировать уникальные фото для соцсетей, создавать рекламные промо-ролики с нуля и писать для них музыку в пару кликов. Идеальное решение для предпринимателей, маркетологов и SMM-специалистов. Всё в едином удобном интерфейсе — больше не нужно переключаться между десятком вкладок.
Делегируйте рутину искусственному интеллекту и увеличивайте продажи. Начните работу здесь 👉 https://clck.ru/3RNCRL
Отдельно стоит упомянуть экспериментальную функцию, которая ненадолго появилась ещё в ранних версиях — так называемый режим video. Работал он довольно просто: при добавлении параметра —video к промпту пользователь получал не готовый ролик, а короткую анимацию процесса генерации самого изображения. То есть нейросеть записывала, как из шума постепенно проступает картинка, и отдавала это в виде маленького клипа длиной в несколько секунд. Красиво? Безусловно. Но это не генерация видеоконтента в привычном понимании. Это, скорее, визуализация внутренней кухни алгоритма. И даже эту функцию в более поздних версиях убрали из публичного доступа.
Почему прямая генерация видео — задача совсем другого калибра?
Сложности тут не косметические. Дело в том, что между созданием одного статичного кадра и генерацией хотя бы пяти секунд связного видео лежит пропасть вычислительных затрат. Одна картинка — это, грубо говоря, один «снимок» латентного пространства, который модель восстанавливает из шума за несколько десятков шагов диффузии. А видео — это десятки таких кадров в секунду, причём каждый последующий должен логически вытекать из предыдущего. Временная когерентность — вот где всплывают самые неприятные подводные камни. Стоит модели чуть «дрогнуть», и лицо персонажа начинает плавиться, пальцы множатся, а фон хаотично дёргается.
Вычислительные мощности для такой работы нужны колоссальные. Даже у гигантов вроде Google и OpenAI, вложивших миллиарды долларов в инфраструктуру, первые публичные видеомодели (Sora у OpenAI, Veo у Google) появились только в 2024 году — и то с серьёзными ограничениями по длительности и разрешению. Midjourney же — сравнительно небольшая компания, штат которой насчитывает всего несколько десятков человек. Ресурсы не бесконечны, и распылять их на все фронты сразу было бы, мягко говоря, нерационально.
Обходные пути: как пользователи создают видео «через Midjourney»
Хитрые энтузиасты. Они не стали ждать официального решения и нашли свой способ. Схема довольно простая и при этом даёт неплохие результаты. Сначала в Midjourney генерируется серия изображений — либо последовательные кадры одной сцены, либо ключевые «опорные» фреймы. Затем эти картинки загружаются в специализированную видеомодель: Runway Gen-2 или Gen-3, Pika Labs, Stable Video Diffusion — вариантов хватает. Нейросеть «оживляет» статичное изображение, дорисовывая промежуточные кадры и добавляя движение.
Результат порой впечатляет. Особенно когда стартовый кадр из Midjourney выполнен в кинематографическом стиле с грамотной композицией и освещением — тогда видеомодели проще «понять», куда и как двигать элементы сцены. Но есть и ложка дёгтя: управлять движением в таких связках довольно сложно. Камера может поехать не туда, персонаж — начать делать то, о чём его никто не просил, а детали фона — расплыться в кашу. Ведь промежуточная нейросеть не знает авторского замысла — она «додумывает» на основе своих обучающих данных.
К тому же весь этот конвейер требует времени и определённой сноровки. Нужно подобрать правильный промпт для Midjourney, выбрать подходящее соотношение сторон (для видео чаще всего 16:9), а потом ещё повозиться с настройками видеогенератора. Это не «нажал кнопку — получил ролик». Это скрупулёзный творческий процесс, который может занять часы.
Конкуренты, которые уже умеют генерировать видео
Пока Midjourney сосредоточена на картинках, рынок AI-видео набирает обороты с пугающей скоростью. Первой по-настоящему громкой ласточкой стала Sora от OpenAI, анонсированная в феврале 2024 года. Ролики, показанные в демонстрации, буквально шокировали: женщина идёт по ночному Токио, камера плавно следует за ней, отражения в лужах, мерцание неоновых вывесок — всё это выглядело как профессиональная кинематография. Впрочем, на момент анонса Sora ещё не была доступна широкой публике, а первые пользователи, получившие доступ позже, отметили, что «вылизанные» демо-ролики — далеко не типичный результат.
Следующий серьёзный игрок — Runway, который уже прошёл через три поколения своей модели Gen. Третья версия умеет создавать ролики длительностью до десяти секунд по текстовому описанию или на основе загруженного изображения. Качество — неоднозначное. Иногда результат приковывает внимание, иногда вызывает недоумение. Но прогресс налицо. Ещё один колоритный представитель — Kling от китайской компании Kuaishou, который неплохо справляется с динамичными сценами и движением камеры. Ну и, конечно же, Pika Labs, стартап из Кремниевой долины, который уже привлёк внушительные инвестиции и активно развивает свой продукт.
На самом деле львиная доля этих инструментов всё ещё находится на стадии «впечатляющих демо, но нестабильных результатов». Генерировать ролик, который будет смотреться профессионально от первого до последнего кадра, ни одна из них пока не способна. Но направление задано, и скорость эволюции тут просто грандиозная — то, что год назад казалось невозможным, сегодня уже доступно в бета-версии.
Стоит ли ждать видео от Midjourney?
Вопрос, который волнует многих. И ответ на него — скорее «да», чем «нет», но с оговорками. Midjourney с самого начала тяготела к качеству, а не к скорости запуска новых функций. Дэвид Хольц неоднократно подчёркивал, что его команде важнее сделать хорошо, чем сделать первыми. Такой подход внушает уважение, но и терпения от пользователей требует немало.
Косвенные намёки на то, что работа над видеогенерацией ведётся, всё-таки есть. В начале 2024 года в открытый доступ просочились фрагменты кода, указывающие на тестирование временных моделей внутри инфраструктуры Midjourney. Кроме того, компания активно набирала специалистов по 3D-графике и обработке видео — а это уже довольно красноречивый сигнал. Впрочем, от набора разработчиков до готового продукта — дистанция колоссальная. Тем более что Midjourney до сих пор работает через Discord (хотя веб-версия постепенно появляется), и интеграция тяжёлой видеогенерации в такую архитектуру — задача далеко не тривиальная.
Есть и другой нюанс. Даже если Midjourney выпустит видеоинструмент, он почти наверняка будет платным и довольно дорогим. Вычислительные ресурсы для генерации видео в разы превосходят затраты на картинки. А Midjourney — коммерческий проект, который должен стоять на ногах. Нет смысла ожидать, что десятисекундные ролики в 4K-разрешении будут доступны на базовом тарифе за тридцать долларов в месяц.
Что делать прямо сейчас?
Ожидание — штука утомительная. Но бездействовать совсем не обязательно. Для тех, кому видео нужно здесь и сейчас, вполне рабочая стратегия — комбинированный подход. Сначала в Midjourney создаётся визуальная концепция: персонаж, сцена, атмосфера, цветовая палитра. Midjourney тут солирует, потому что по части эстетики и стилизации у неё пока мало конкурентов. А затем полученные изображения отправляются в одну из видеомоделей для «оживления».
Не стоит забывать и про старый добрый монтаж. Даже серия статичных кадров, собранная в слайд-шоу с плавными переходами, лёгким эффектом параллакса и атмосферной музыкой, может выглядеть весьма эффектно. Инструменты вроде CapCut или DaVinci Resolve (бесплатная версия которого, кстати, довольно мощная) позволяют добиться кинематографического эффекта без единого кадра настоящего видео. Да и сам приём «движущихся фотографий» давно используется в документальном кино — достаточно вспомнить знаменитый эффект Кена Бёрнса.
Перспективы AI-видео: куда всё это катится?
Темп развития генеративных моделей сейчас такой, что любой прогноз рискует устареть ещё до публикации. Но кое-что можно утверждать с достаточной долей уверенности. Во-первых, генерация видео по текстовому описанию станет массовым инструментом в ближайшие два-три года. Во-вторых, качество неизбежно дорастёт до уровня, когда короткие рекламные ролики, анимации для соцсетей и музыкальные клипы можно будет создавать без единого оператора и актёра. Ну и, наконец, конкуренция между платформами обострится до предела — и это, в конечном счёте, играет на руку обычному пользователю, потому что цены будут снижаться, а функциональность — расти.
Midjourney в этой гонке имеет серьёзное преимущество: лояльную аудиторию и репутацию «эстетического перфекциониста». Если команда Хольца сумеет перенести своё чувство стиля на движущиеся картинки, результат может превзойти ожидания. Ведь именно за художественное качество пользователи и полюбили этот инструмент. Грубо говоря, Midjourney никогда не стремилась быть самой быстрой или самой дешёвой — она стремилась быть самой красивой. И если тот же подход сработает для видео, конкурентам придётся серьёзно поднапрячься.
Midjourney пока не генерирует видео напрямую — это факт, с которым нужно смириться. Но сочетание её изображений со сторонними видеомоделями уже сейчас даёт результаты, которые ещё вчера казались фантастикой. А завтра, вполне возможно, всё станет ещё проще.
Творческие инструменты на основе нейросетей меняются с такой скоростью, что моргнуть страшно — пропустишь очередной прорыв. Не стоит зацикливаться на одном сервисе или ждать «идеального» решения. Экспериментировать с тем, что доступно сегодня, пробовать связки разных инструментов, набивать руку на промптах — вот что по-настоящему ценно. А когда Midjourney всё-таки представит собственную видеогенерацию (а это, скорее всего, вопрос времени), те, кто уже освоил смежные инструменты, окажутся на шаг впереди. Удачи в экспериментах — самое интересное ещё только начинается.
