SpaceXAI: Grok Imagine Video

Grok Imagine Video ist die klassische Variante der Grok-Imagine-Videofamilie. Die aktuelle Herstellerdokumentation beschreibt das Erzeugen eines neuen Clips aus einem Prompt, die Animation eines Ausgangsbildes, die Verwendung visueller Referenzen sowie die Änderung oder Fortsetzung eines vorhandenen Videos. Diese Abläufe liefern unterschiedliche Ergebnisse: eine neue Szene, eine bearbeitete Fassung des bereitgestellten Materials oder ein Video aus dem ursprünglichen Material mit anschließenden neuen Inhalten. Wählen Sie den Ablauf anhand des vorhandenen Materials und des Teils der Einstellung, der geändert werden soll.

Beschreiben Sie für eine neue Text-zu-Video-Einstellung Motiv, Umgebung, sichtbare Handlung, Kamera und Ton. Die Standardgenerierung unterstützt Clips von 1–15 Sekunden, Ausgaben in 480p oder 720p und generierten Ton. Dokumentiert sind quadratische, querformatige, hochformatige und breitere Seitenverhältnisse, darunter 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 und 5:2. Ein eigenes Briefing könnte eine Papierlaterne verlangen, die sich sanft über einem ruhigen Innenhof bewegt, während die Kamera seitlich mitfährt. Prüfen Sie, ob Bewegung, Bildausschnitt und Umgebungsgeräusche diese eine Einstellung unterstützen.

Bei Bild-zu-Video ist das bereitgestellte Standbild der erste Frame. Bereiten Sie es mit dem gewünschten Zuschnitt, Motiv und den sichtbaren Details vor und beschreiben Sie anschließend die folgende Handlung. Die Ausgabe übernimmt das Seitenverhältnis des Bildes. Ein Ausgangsbild liefert eine genaue Anfangskomposition; bei Referenz-zu-Video geben Bilder dagegen Personen, Produkte oder Umgebung einer neu komponierten Szene vor. Diese Rollen auseinanderzuhalten hilft, einen unbeabsichtigten Anfang zu vermeiden, wenn ein bekannter Gegenstand in eine andere Umgebung gesetzt werden soll.

Das klassische Modell akzeptiert bis zu sieben Referenzbilder je referenzgestützter Anfrage. Dieser Modus ist auf zehn Sekunden und 720p begrenzt. Weisen Sie jeder Referenz eine klare Rolle zu und benennen Sie sie anhand ihrer Listenposition, beginnend mit <IMAGE_0>. Für eine kurze Produktszene kann eine Referenz den Gegenstand und eine andere den gewünschten Ort bestimmen. Konzentrieren Sie das Briefing auf die Platzierung des Gegenstands und die Haupthandlung. Der klassische Referenzmodus nutzt eine eigene Konfiguration; die Vollversion 1.5 bietet zusätzlich ausgewählte Stimmen und fixierte Frames.

Die Videobearbeitung verwendet einen vorhandenen Clip und einen Prompt mit der gewünschten Änderung. Der Hersteller akzeptiert MP4-Quellen mit unterstützten Codecs wie H.264, H.265 oder AV1 bis zu einer Länge von 8,7 Sekunden. Das bearbeitete Ergebnis behält Dauer und Seitenverhältnis der Quelle bei und folgt ihrer Auflösung bis zur Obergrenze von 720p. Eigene Einstellungen für Dauer, Seitenverhältnis und Auflösung gelten in diesem Bearbeitungsablauf nicht. Wählen Sie eine Quelle, deren Komposition und Timing bereits zum späteren Einsatz passen, damit sich der Prompt auf die gewünschte visuelle Änderung konzentrieren kann.

Ein eigenes Bearbeitungsbriefing könnte die Farbe eines Schals ändern und zugleich Gesicht, Bewegung, Hintergrund und Kamera der Person beibehalten. Benennen Sie diese zu erhaltenden Elemente ausdrücklich neben der Änderung. Der Hersteller beschreibt, dass der Rest der Quelle möglichst genau erhalten bleibt; das ist ein sinnvolles Prüfziel, jedoch keine Garantie identischer Pixel. Vergleichen Sie den gesamten Clip, besonders wenn sich der Gegenstand bewegt, andere Objekte kreuzt oder teilweise verdeckt wird. Das fertige Ergebnis ist der bearbeitete Clip, nicht bloß ein Standbild mit der neuen Farbe.

Die Videoverlängerung setzt am letzten Frame einer vorhandenen MP4-Datei an. Die dokumentierte Quellenlänge beträgt 2–15 Sekunden; der angefügte Teil umfasst 2–10 Sekunden, standardmäßig sechs Sekunden. Die Verlängerungsdauer betrifft nur den neuen Abschnitt. Eine zehnsekündige Quelle mit fünf Sekunden Fortsetzung ergibt ein fünfzehnsekündiges Video mit beiden Teilen. Das Ergebnis behält Seitenverhältnis und Auflösung der Quelle bis zur Obergrenze von 720p bei. Bereiten Sie den letzten Moment der Quelle vor und beschreiben Sie, was danach geschehen soll, etwa eine Person, die sich einem näher kommenden Gegenstand zuwendet, während die Kamera ihre aktuelle Fahrt fortsetzt.

Prüfen Sie bei einer Verlängerung den Übergang zwischen Quelle und neuem Inhalt. Kontrollieren Sie Motividentität, Bewegungsrichtung, Kameratempo, Licht und Ton, damit die Fortsetzung zur vorherigen Handlung passt. Endet ein Clip an einer visuell ungünstigen Stelle, berücksichtigen Sie diese Grenze ausdrücklich in der nächsten Einstellung. Der Zusammenbau längerer Szenen ist eine Schnittentscheidung: Für Generierung, Referenzen, Bearbeitung und Verlängerung gelten separate Dauergrenzen, und das Gesamtergebnis einer Verlängerung kann länger als ein normaler neu generierter Clip sein.

Der Videoablauf des Herstellers ist asynchron. Eine Anfragekennung verfolgt den Auftrag, bis das fertige Ergebnis Videoadresse und Dauer liefert; Ausgabeadressen sind nur vorübergehend verfügbar. Bewahren Sie das abspielbare Ergebnis und seine Ausgangsmaterialien für den Produktionsschnitt auf. Die Vollversion Grok Imagine Video 1.5 bietet native 1080p-Generierung und umfassendere Anker für Bilder, Stimmen und Frames, während Lite für einfache Prompts oder ein Ausgangsbild gedacht ist. Die klassische Variante eignet sich besonders, wenn bereits ein Video vorhanden ist, das gezielt verändert oder fortgesetzt werden soll.