要讓 Midjourney 角色動起來又不失去原本的樣貌，先用一張乾淨的靜態圖鎖定角色身分，再讓影片提示詞描述動作，而不是重新描述整個角色。我的原則很簡單：靜態圖負責角色身分；提示詞負責動作。
若靜態圖中的臉、手或服裝細節已經不清楚，我會先修圖，再製作動畫。更長的動態提示詞很少能補救缺失的視覺資訊，通常只會讓生成器有更多重新詮釋的機會。
為什麼 Midjourney 角色一動就走樣
Midjourney 很擅長一件具體的事：生成風格固定的靜態圖，呈現你真正想要的臉孔、配色與渲染風格。問題出在交接給影片工具的那一刻。
大多數創作者會在製作動畫時重新描述角色，因而失去原本的樣貌，例如「動漫女孩、銀髮、紅色外套、走路」。這時影片模型有了兩個依據：圖片與文字。它把兩者混在一起，臉就變了。
走樣常從工具交接時開始：新的文字描述可能與靜態圖已呈現的細節衝突。把參考圖當作外觀身分與風格來源，影片提示詞則保留給動作與鏡頭方向。
Midjourney 能讓自己的圖片動起來嗎？
Midjourney 的影片從 5 秒開始，最多可延伸四次，每次增加 4 秒，總長上限 21 秒。它支援 Low Motion、High Motion、選用的動態提示詞、循環及不同的結尾影格。標準輸出為 480p；Standard、Pro 與 Mega 方案可在 Fast Mode 生成 720p。
它確實很擅長營造氛圍的動態：飄動的頭髮、緩慢推進的鏡頭、布料動態與空氣感。
但它的能力止於角色表演之前。它沒有對嘴，也沒有原生音訊，所以角色無法說話或唱歌。你不能交給它一段參考表演，讓角色照著動。對於哪些部位會動，控制也很有限——創作者常抱怨，本來應該保持不動的嘴巴和臉卻動了起來。
所以，坦白說：如果你只是想讓靜態圖有呼吸感，Midjourney 的 Animate 通常就夠了。如果你想讓角色表演，就需要一套以圖片為準的影片工具。以下就是這套流程。
開始動畫前先確定外觀
不要急著讓第一張不錯的圖動起來，應選擇最清楚乾淨的圖片。
適合動畫的參考靜態圖，通常具有清楚可辨的臉、明確的服裝、均勻光線，而且四肢沒有被裁掉。動態模型會根據看得到的內容推測；靜態圖中模糊不明的部分，到了影片裡就可能被憑空補出。
趁修正成本還低時先解決問題。在 DomoAI 的 多模型圖片產生器與編輯器 中，你可以先清理 Midjourney 靜態圖，再花任何影片點數：修復手部、修正衣服上的文字、調整服裝細節，或簡化雜亂的背景。其中有三種模型可選：GPT Image 2 適合精準控制與清晰文字；Nano Banana 2 適合快速的日常編輯；Nano Banana Pro 適合維持角色一致性，單次工作階段最多接受九張參考圖，並輸出 4K。
需要第二種姿勢或角度時，提供多張參考圖給 Nano Banana Pro，可以增加視覺脈絡。開始動畫前，仍須對照已審核角色檢查結果。
把所有要保留的圖片存進 Assets。不同鏡頭可以重複使用這些靜態圖，不必重新上傳。
選擇符合鏡頭需求的動畫路線
並不存在一個通用的「Midjourney 轉影片」按鈕，因為任務不只一種。三條路線幾乎能涵蓋所有情況，而選錯路線是角色走樣的第二大原因。
路線 1：讓一張好靜態圖變成動態鏡頭
使用 Image to Video。角色亮相、氛圍鏡頭、推鏡或 Midjourney 主視覺，通常可從這裡開始。
DomoAI 提供 Seedance 2.0 作為圖片轉影片模型，支援 4–15 秒輸出、480P／720P／1080P 設定、電影感動態、原生音訊與多鏡頭。DomoAI 2.4.1 Advanced 和 Fast 也可用於生成 5 秒或 10 秒片段，呈現逼真的動作並保持視覺一致性。
實用建議：先用 Fast 模型以低解析度製作草稿，直到動作正確，再將最佳版本以 1080P 重新生成。角色鏡頭往往要試好幾次，沒必要為淘汰的版本付全額成本。
路線 2：鏡頭起點與終點都很重要
使用 Frames to Video。適合轉場與變化，例如閉眼到睜眼、便服到戲服，或前後狀態轉換。
有兩種模式，差異很實際。使用 Seedance 2.0 / Seedance 2.0 Fast 時，你只需提供起始幀與結束幀，模型會填補中間的內容。使用 DomoAI 2.4.1 時，你可以提供 2–8 個關鍵影格與各段動態提示詞，生成 1–56 秒的影片。如果你已在 Midjourney 製作好一段分鏡，並希望影片逐一符合每個畫面，這就是你需要的方式。
Midjourney 也能從起始幀製作到另一個結束幀的動畫。若要直接在 Midjourney 中製作最長 21 秒的轉場，可用這個功能。若需要 Seedance 的首尾幀控制，或 DomoAI 2.4.1 的 2–8 個關鍵影格、分段提示詞與 1–56 秒流程，就使用 DomoAI Frames to Video。
路線 3：讓角色表演參考影片中的動作
使用 Character to Video。這件事 Midjourney 根本做不到，也是大多數角色創作者最後會使用第二個工具的原因。
提供一段參考影片與你的 Midjourney 角色圖片。它會替換角色，同時完整保留原本的動作。無論是舞蹈片段、走路循環還是手勢，你的角色都能照著表演。Subject Only 模式會替換角色，同時讓場景其餘部分更接近原片。
Seedance 2.0 模式支援 4–15 秒；DomoAI 2.4.1 每次生成最長可達 30 秒。角色圖片可使用 JPEG、PNG 或 JPG，大小上限 10MB；參考影片可使用 MP4、MOV 或 AVI。
這就是一步完成的動漫與 VTuber 流程：一張 Midjourney 原創角色靜態圖、一段舞蹈參考，你的角色就跳起舞來，而你不需要親手製作任何一幀動畫。
動態製作前，先做角色一致性卡片
我會在來源圖旁保存一張簡短的外觀卡片。它不是另一份冗長提示詞，而是一小份清單，讓我在每段影片的開頭、中間與結尾逐項檢查。
| 固定項目 | 要記錄的內容 | 出現什麼情況就淘汰片段 |
|---|---|---|
| 臉部 | 眼睛顏色、臉型、髮際線、代表性特徵 | 兩個或更多特徵改變 |
| 服裝 | 外套形狀、飾邊顏色、配件 | 重要細節消失或左右對調 |
| 輪廓 | 髮長、肩寬、裙子或外套外形 | 主要動作中身體輪廓改變 |
| 鏡頭 | 裁切、鏡頭感、機位高度、光線方向 | 構圖破壞與前一鏡的連貫性 |
| 動作上限 | 一個主體動作＋一個鏡頭動作＋一項氛圍變化 | 片段憑空增加遮蔽角色特徵的動作 |
如果來源圖已有兩項檢查不合格，我就會回到 多模型圖片產生器與編輯器。對於動漫來源，Niji 7 動畫指南 有助於把圖片設計選擇與動態選擇分開。製作較長的段落時，我會使用 角色一致性流程，並搭配 AI 分鏡指南 規劃場景。
可直接複製的第一個鏡頭提示詞
提示詞描述的是動作與鏡頭，不是角色本身；圖片已經完成角色描述。
主體保持原位、緩慢呼吸，頭髮輕柔擺動。鏡頭緩慢推近，淺景深。柔和輪廓光，空氣中有塵埃微粒。臉、服裝與髮型保持不變。
注意最後一句。明確說出哪些部分不能改變，雖然不花俏，卻很有效。若想更精準地控制，可按時間段加入鏡頭指示，例如 CAM 1 (0-3s): slow push in，或按下 AI Optimize，把簡短的提示詞擴寫成模型真正能用的內容。
外觀仍然走樣時的修正方法
臉在片段中途變了。 靜態圖提供的資訊不足以支撐這麼長的片段。縮短它。把兩段乾淨的 5 秒片段剪在一起，勝過一段持續走樣的 15 秒鏡頭；這也是最常見的有效修正方法。
服裝憑空多出細節。 靜態圖的那個部位不夠明確。回到圖片編輯，把細節交代清楚，再重新製作動畫。不要試圖只靠提示詞彌補模糊不清的來源圖。
角色在不該移動時動了。在提示詞中明確要求維持原狀，例如「臉、服裝與髮型保持不變」，並改用動作較少的構圖。
風格變得平淡。Midjourney 的繪製質感也是角色的一部分。若某條路線讓風格流失，減少要求的動作；大幅動作迫使模型重新補畫更多內容，而風格常在重新補畫時改變。
每一次都全面走樣。 問題出在參考靜態圖，而不是模型。裁切、極端角度與濃重陰影，都會讓模型得不到足夠資訊。重新生成一張更乾淨、角度更平直、呈現更完整的參考圖，再試一次。
讓角色說話或唱歌
Midjourney 的影片沒有對嘴功能，所以這一步一定要離開該平台。
Talking Avatar 接收 Midjourney 角色圖片與音訊；音訊可以是 DomoAI 的文字轉語音輸出，或上傳的 MP3／WAV，並生成說話或唱歌的角色。標準時長為 5 秒／10 秒／20 秒，Pro 方案的快速模式提供 30 秒與 60 秒。你可以在台詞之外獨立指示表情，因此不用把「微笑」或「點頭」偷偷塞進對白。
製作 AI 歌手時，把較長的人聲切成短段。檢查並替換一段不好的 15 秒片段，比重新生成整首歌便宜得多。
有一項限制需要坦白說明：這裡不處理背景音樂與整首歌的混音。匯出片段後，在 CapCut、Premiere Pro 或 DaVinci Resolve 裡加上音軌。
完成片段
生成解析度最高為 1080P。交付前，把最終剪輯送進 Video Upscaler，即可提升至最高 4K。
順序很重要：只放大你決定保留的版本，而不是每份草稿。如果你需要大量反覆嘗試，Relax Mode 在 Standard 及以上方案中可生成符合條件的作品而不消耗點數。速度較慢，但角色製作需要大量嘗試，這正是讓成本變得負擔得起的方式。詳情請見 價格頁。
常見問題
可以將 Midjourney 圖片放進 AI 影片工具商用嗎？
Midjourney 表示，訂閱者通常擁有自己生成的圖片與影片，但須遵守其條款與例外規定。年營業總收入超過 100 萬美元的企業，需使用 Pro 或 Mega 方案才能商用。DomoAI 授予付費方案生成作品的商業使用權。替客戶發布前，請檢查兩個服務的現行條款。
為什麼角色每個鏡頭都長得不一樣？
你在提示詞中重新描述角色，而沒有讓圖片承擔這個工作。以一張已鎖定的參考靜態圖製作動畫，並把提示詞限制在動作上。
Midjourney 自己的影片模型夠用嗎？
如果只是讓一張靜態圖產生氛圍動態，通常夠用。若需要對嘴、移植參考表演的動作，或製作超過其延伸上限的片段，就需要專門的影片工具。
一張 Midjourney 靜態圖最長能生成多久的片段？
Midjourney 從 5 秒開始，可延伸四次、每次 4 秒，最長共 21 秒。在 DomoAI 中，使用 Seedance 2.0 將單張靜態圖轉成影片，時長為 4–15 秒。較長的 Frames to Video 與 Character to Video 流程會使用額外輸入，處理不同的任務。
每換一個工具都要重新上傳圖片嗎？
不用。把靜態圖存入 Assets 一次，之後就能從 History 面板直接拖進接下來使用的工具。
從一張靜態圖開始
挑出你最滿意、一直努力維持外觀的 Midjourney 角色，先做一次乾淨的編輯，再製作一個五秒動畫。先做好一個鏡頭，不必立刻製作整支音樂影片。
臉能維持一致，流程就成立；以上其他步驟只是擴大製作規模。
使用 DomoAI 讓 Midjourney 角色動起來 →
