SpaceXAI: Grok Imagine Video 1.5 Lite

Grok Imagine Video 1.5 Lite ist die vereinfachte Generierungsversion der Grok-Imagine-Videofamilie. Der Hersteller empfiehlt sie für einfache Text-zu-Video- und Bild-zu-Video-Arbeit. Eine schriftliche Szene kann zu einem kurzen Clip werden, oder ein bereitgestelltes Standbild dient als Anfangsbild einer animierten Einstellung. Die Ausgabe enthält erzeugtes Audio; lippensynchrone Sprachausgabe wird in dieser Modellversion unterstützt. Nützliche Ergebnisse sind eine kurze Produktbewegung, eine atmosphärische Totale oder ein einfacher Sprechmoment einer Figur.

Beschreiben Sie für Text-zu-Video, was sichtbar ist, was während der Einstellung geschieht und wie die Kamera es beobachten soll. Geben Sie Beleuchtung, Tempo und zugehörigen Ton an. Der Hersteller erklärt, dass Lite zunächst ein Bild aus dem Prompt rendert und es anschließend animiert; dieses Zwischenstandbild wird nicht als separate Datei zurückgegeben. Geben Sie dem kurzen Clip bei der Vorbereitung ein klares Ereignis und genügend Raum für dessen Ablauf. Eine weite Außenumgebung, ein nahes Produktdetail und ein sprechendes Porträt benötigen unterschiedliche Kompositions- und Bewegungsanweisungen.

Ein eigenes Briefing könnte beispielsweise eine langsame Annäherung an eine Keramiktasse auf einem ruhigen Frühstückstisch mit aufsteigendem Dampf verlangen, bei weichem Morgenlicht und zurückhaltenden Raumgeräuschen. Entscheidend ist bei der Prüfung, ob die Tasse erkennbar bleibt, der Dampf sich natürlich bewegt und die Kamera der vorgesehenen Richtung folgt. Halten Sie die Bewegung dieses Beispiels bei der Bewertung der Einstellung einfach. Wenn eine Figur spricht, geben Sie den gewünschten Wortlaut und eine knappe Beschreibung der Sprechweise an und prüfen Sie anschließend die Wörter und sichtbare Mundbewegung im Ergebnis.

Bei Bild-zu-Video legt das Bild das erste Videobild fest, und der Prompt beschreibt, was danach geschieht. Wählen Sie ein Anfangsstandbild, in dem vorgesehenes Motiv, Bildausschnitt und visuelle Details bereits vorhanden sind. Geben Sie Bewegungsanweisungen, die zur vorhandenen Komposition passen, etwa eine kleine Kopfdrehung, eine sanfte Kamerabewegung oder Wind im Stoff. Die Ausgabe folgt dem Seitenverhältnis des Bildes; die separate Seitenverhältniseinstellung wird in diesem Modus ignoriert. Bereiten Sie einen Hochformatbeschnitt vor, wenn der fertige Clip Hochformat benötigt.

Die dokumentierte Ausgabedauer beträgt 1–15 Sekunden, mit acht Sekunden als Standard. Text-zu-Video bietet quadratische, querformatige, hochformatige und breitere Kompositionen, darunter 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 und 5:2. Entscheiden Sie über die Verwendung der Einstellung, bevor Sie ihren Bildausschnitt wählen. Ein Hochformatclip für soziale Medien kann Platz für spätere Untertitel benötigen, während eine querformatige Zwischeneinstellung Raum um das Motiv für einen angenehmen Schnitt brauchen kann. Stimmen Sie die gewünschte Handlung auf die Cliplänge ab, statt eine lange Abfolge in eine kurze Einstellung zu verdichten.

Lite bietet 480p- und 720p-Ausgabe sowie eine durch Hochskalieren von 720p erzeugte 1080p-Option. Diese Unterscheidung ist bei detailkritischem Material wichtig: Ein größeres Ausgabebild bedeutet nicht, dass diese Modellversion die Szene nativ mit 1080p rendert. Prüfen Sie kleine Beschriftung, Produktkanten und Gesichter bei der vorgesehenen Darstellungsgröße. Erzeugte Videos enthalten standardmäßig Audio; die Generierungskonfiguration des Herstellers erlaubt außerdem ein stummes Ergebnis. Geben Sie die gewünschte Klanggestaltung ebenso sorgfältig wie die sichtbare Handlung an, wenn der Clip mit seiner erzeugten Tonspur verwendet werden soll.

Die Generierung ist in der dokumentierten Herstellerschnittstelle asynchron. Eine Anfragekennung verfolgt die Arbeit während ihrer Bearbeitung; eine fertige Antwort liefert Videoadresse und Dauer. Das abgeschlossene Beispiel im Leitfaden verweist auf einen MP4-Clip und erklärt, dass Ausgabeadressen vorübergehend sind. Bewahren Sie bei der Schnittvorbereitung das fertige Ergebnis zusammen mit Prompt, Quellbild und gewählten Einstellungen auf. Eine eingereichte Aufgabe ist noch ein Verarbeitungsschritt; das nützliche Produktionsergebnis ist der abspielbare Clip mit benötigtem Bild und Ton.

Die Modellversionswahl richtet sich nach der benötigten Steuerung der Einstellung. Vollständiges Grok Imagine Video 1.5 ergänzt Mehrbildreferenzen, ausgewählte Stimmreferenzen, genaue Anfangs- oder Endbilder und festgelegte Zwischenbilder und rendert Text- oder Bild-zu-Video nativ mit 1080p. Lite konzentriert sich auf einen Prompt oder ein Anfangsbild. Die klassische Grok-Imagine-Video-Version bietet Workflows zur Videobearbeitung und Erweiterung. Diese Unterschiede helfen bei der Modellwahl anhand des bereits vorhandenen Eingabematerials, statt jedes Familienmitglied als denselben Generator zu behandeln.

Prüfen Sie die fertige Einstellung auf Motivkontinuität, plausible Bewegung, Bildausschnitt und gewünschten Ton. Prüfen Sie bei Dialog sowohl die Wörter als auch ihre Synchronisierung mit der Figur. Bewahren Sie bei mehreren Clips einer Abfolge die relevante Motivbeschreibung oder das Anfangsbild in jedem Briefing und beurteilen Sie die Übergänge im Schnitt. Eine gut beschriebene kurze Einstellung lässt sich leichter analysieren: Die Bewertung kann zeigen, ob die nächste Änderung Quellbild, Handlung, Kamera oder gesprochene Zeile betrifft.