SpaceXAI: Grok Imagine Video

Grok Imagine Video er den klassiske udgave af Grok Imagine-videofamilien. Producentens aktuelle dokumentation omfatter generering af et nyt klip fra en prompt, animation af et startbillede, brug af visuelle referencer og ændring eller fortsættelse af en eksisterende video. Arbejdsgangene producerer forskellige artefakter: en ny scene, en redigeret version af leverede optagelser eller én video med de oprindelige optagelser efterfulgt af nyt indhold. Vælg arbejdsgangen ud fra det materiale, der allerede er til rådighed, og den del af indstillingen, der skal ændres.

Til en ny tekst-til-video-indstilling skal motiv, miljø, synlig handling, kamera og lyd beskrives. Standardgenerering understøtter klip på 1–15 sekunder med output ved 480p eller 720p og genereret lyd. Kvadratiske, liggende, stående og bredere billedformater er dokumenteret, herunder 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 og 5:2. En oprindelig brief kan bede om en papirlanterne, der bevæger sig blidt over en stille gård, mens kameraet tracker sidelæns. Den nyttige gennemgang kontrollerer, om bevægelse, indramning og atmosfærelyd understøtter denne ene indstilling.

Ved billede-til-video er det leverede stillbillede det første billede. Forbered det med den ønskede beskæring, motiv og synlige detaljer, og beskriv derefter den efterfølgende handling. Outputtet følger billedets format. Et startstillbillede giver en præcis åbningskomposition, mens reference-til-video bruger billeder til at styre personer, produkter eller miljø i en nykomponeret scene. At holde de to roller adskilt hjælper med at undgå en utilsigtet begyndelse, når målet er at placere et kendt objekt i andre omgivelser.

Den klassiske model accepterer op til syv referencebilleder pr. referencestyret anmodning. Denne tilstand er begrænset til ti sekunder og 720p. Giv hver reference en tydelig rolle, og identificer den ved dens position i listen med start ved <IMAGE_0>. Til en produktvignet kan én reference identificere objektet og en anden det ønskede sted. Hold briefen fokuseret på objektets placering og indstillingens hovedhandling. Den klassiske referencetilstand bruger sin egen konfiguration; den fulde 1.5-udgave leverer de ekstra kontroller til valgt stemme og fastlagte billeder.

Videoredigering tager et eksisterende klip og en prompt, der beskriver ændringen. Producenten accepterer MP4-kilder med understøttede codecs som H.264, H.265 eller AV1 på op til 8.7 sekunder. Det redigerede resultat beholder kildens varighed og billedformat og følger opløsningen op til et loft på 720p. Brugerdefinerede kontroller for varighed, billedformat og opløsning gælder ikke denne redigeringsarbejdsgang. Forbered en kilde, der allerede har den nødvendige komposition og timing til slutbrugen, så prompten kan koncentrere sig om den ønskede visuelle ændring.

En oprindelig redigeringsbrief kan ændre et tørklædes farve og bevare personens ansigt, bevægelse, baggrund og kamera. Angiv disse bevarede elementer eksplicit sammen med ændringen. Producenten beskriver bevarelse af resten af kilden så tæt som muligt, hvilket er et nyttigt mål for gennemgangen frem for en garanti for, at hver pixel forbliver identisk. Sammenlign resultatet gennem hele klippet, især hvor objektet bevæger sig, krydser et andet objekt eller bliver delvist skjult. Den færdige leverance er det redigerede klip, ikke blot et stillbillede, der viser den nye farve.

Videoforlængelse fortsætter fra det sidste billede i en eksisterende MP4. Den dokumenterede kildelængde er 2–15 sekunder; den tilføjede del er 2–10 sekunder med seks sekunder som standard. Forlængelsesvarigheden gælder kun den nye del. En kilde på ti sekunder efterfulgt af fem sekunders fortsættelse giver en video på femten sekunder med begge dele. Resultatet bevarer kildens billedformat og opløsning inden for et loft på 720p. Forbered kildens sidste øjeblik, og beskriv, hvad der derefter skal ske, for eksempel at motivet drejer mod et objekt, der nærmer sig, mens kameraet fortsætter sin nuværende bevægelse.

Gennemgå en forlængelse omkring grænsen mellem kilde og nyt indhold. Kontrollér motividentitet, bevægelsesretning, kameratempo, lys og lyd, så fortsættelsen passer til den foregående handling. Hvis et klip slutter et visuelt akavet sted, skal denne grænse være en eksplicit del af planen for næste indstilling. Samling af længere scener er en redigeringsbeslutning: modellens varighedsgrænser for generering, reference, redigering og forlængelse er særskilte, og en forlængelses samlede resultat kan være længere end et almindeligt nygenereret klip.

Producentens videoarbejdsgang er asynkron. En anmodningsidentifikator sporer en opgave, indtil et færdigt resultat leverer videoens placering og varighed; outputplaceringer er midlertidige. Gem det afspillelige resultat og kildematerialerne, når en produktionsredigering forberedes. Fuld Grok Imagine Video 1.5 tilbyder direkte generering i 1080p og rigere forankring med visuelle referencer, stemmer og billeder, mens Lite er til enkel prompt- eller startbilledproduktion. Den klassiske udgave er fortsat nyttig, når udgangsmaterialet allerede er en video, der kræver en styret ændring eller fortsættelse.