SpaceXAI: Grok Imagine Video

Grok Imagine Video ist die klassische Modellversion der Grok-Imagine-Videofamilie. Die aktuelle Herstellerdokumentation behandelt die Erzeugung eines neuen Clips aus einem Prompt, die Animation eines Anfangsbildes, die Verwendung visueller Referenzen sowie Änderung oder Fortsetzung eines vorhandenen Videos. Diese Workflows erzeugen unterschiedliche Ergebnisse: eine neue Szene, eine bearbeitete Fassung bereitgestellten Materials oder ein Video mit ursprünglichem Material und anschließenden neuen Inhalten. Wählen Sie den Workflow anhand des bereits vorhandenen Materials und des zu ändernden Teils der Einstellung.

Beschreiben Sie für eine neue Text-zu-Video-Einstellung Motiv, Umgebung, sichtbare Handlung, Kamera und Ton. Standardgenerierung unterstützt Clips von 1–15 Sekunden mit 480p- oder 720p-Ausgabe und erzeugtem Audio. Quadratische, querformatige, hochformatige und breitere Seitenverhältnisse sind dokumentiert, 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 fährt. Die nützliche Prüfung bewertet, ob Bewegung, Bildausschnitt und Umgebungston diese eine Einstellung unterstützen.

Bei Bild-zu-Video ist das bereitgestellte Standbild das erste Videobild. Bereiten Sie es mit vorgesehenem Beschnitt, Motiv und sichtbaren Details vor und beschreiben Sie anschließend die folgende Handlung. Die Ausgabe folgt dem Seitenverhältnis des Bildes. Ein Anfangsstandbild liefert eine genaue Eröffnungskomposition; Referenz-zu-Video verwendet dagegen Bilder zur Steuerung von Personen, Produkten oder Umgebung in einer neu komponierten Szene. Diese beiden Rollen auseinanderzuhalten hilft, einen unbeabsichtigten Anfang zu vermeiden, wenn ein bekanntes Objekt in einer anderen Umgebung erscheinen soll.

Das klassische Modell akzeptiert bis zu sieben Referenzbilder pro referenzgestützter Anfrage. Dieser Modus ist auf zehn Sekunden und 720p begrenzt. Geben Sie jeder Referenz eine klare Rolle und identifizieren Sie sie anhand ihrer Listenposition, beginnend mit <IMAGE_0>. Für eine kurze Produktszene kann eine Referenz das Objekt und eine andere den gewünschten Ort bestimmen. Konzentrieren Sie das Briefing auf die Objektplatzierung und die Haupthandlung der Einstellung. Der klassische Referenzmodus verwendet eine eigene Konfiguration; die vollständige 1.5-Version liefert zusätzliche Steuerung für ausgewählte Stimmen und festgelegte Bilder.

Videobearbeitung nimmt einen vorhandenen Clip und einen Prompt zur gewünschten Änderung entgegen. Der Hersteller akzeptiert MP4-Quellen mit unterstützten Codecs wie H.264, H.265 oder AV1 und bis zu 8,7 Sekunden Länge. Das bearbeitete Ergebnis bewahrt Quelldauer und Seitenverhältnis und folgt der Quellauflösung bis zu einer Obergrenze von 720p. Benutzerdefinierte Steuerung für Dauer, Seitenverhältnis und Auflösung gilt für diesen Bearbeitungsworkflow nicht. Bereiten Sie eine Quelle vor, die die für die endgültige Nutzung benötigte Komposition und Zeitgestaltung bereits enthält, damit der Prompt sich auf die vorgesehene visuelle Änderung konzentrieren kann.

Ein eigenes Bearbeitungsbriefing könnte die Farbe eines Schals ändern und dabei Gesicht, Bewegung, Hintergrund und Kamera der Person bewahren. Benennen Sie diese erhaltenen Elemente ausdrücklich neben der Änderung. Der Hersteller beschreibt das möglichst genaue Bewahren der übrigen Quelle; dies ist ein nützliches Prüfziel, keine Garantie identischer Pixel. Vergleichen Sie das Ergebnis über den gesamten Clip, besonders wenn das Objekt sich bewegt, ein anderes Objekt kreuzt oder teilweise verdeckt wird. Das fertige Ergebnis ist der bearbeitete Clip, nicht lediglich ein Standbild mit der neuen Farbe.

Videoerweiterung setzt am letzten Bild eines vorhandenen MP4 an. Die dokumentierte Quelllänge beträgt 2–15 Sekunden; der ergänzte Teil beträgt 2–10 Sekunden mit sechs Sekunden als Standard. Die Erweiterungsdauer betrifft nur den neuen Teil. Eine zehnsekündige Quelle mit anschließenden fünf Sekunden Fortsetzung erzeugt ein fünfzehnsekündiges Video mit beiden Teilen. Das Ergebnis bewahrt Quellseitenverhältnis und Auflösung innerhalb einer Obergrenze von 720p. Bereiten Sie den letzten Moment der Quelle vor und beschreiben Sie das folgende Geschehen, etwa das Motiv, das sich einem näher kommenden Objekt zuwendet, während die Kamera ihre aktuelle Bewegung fortsetzt.

Prüfen Sie eine Erweiterung rund um die Grenze zwischen Quelle und neuem Inhalt. Prüfen Sie Motividentität, Bewegungsrichtung, Kameratempo, Licht und Ton, damit die Fortsetzung zur vorangegangenen Handlung passt. Wenn ein Clip an einem visuell ungünstigen Punkt endet, machen Sie diese Grenze zu einem ausdrücklichen Teil der Planung für die nächste Einstellung. Die Zusammenstellung längerer Szenen ist eine Schnittentscheidung: Die Dauergrenzen für Generierung, Referenz, Bearbeitung und Erweiterung sind separat; das Gesamtergebnis einer Erweiterung kann länger als ein gewöhnlicher neu generierter Clip sein.

Der Videoworkflow des Herstellers ist asynchron. Eine Anfragekennung verfolgt eine Aufgabe, bis ein fertiges Ergebnis Videoadresse und Dauer liefert; Ausgabeadressen sind vorübergehend. Bewahren Sie bei der Produktionsschnittvorbereitung das abspielbare Ergebnis und sein Quellmaterial auf. Vollständiges Grok Imagine Video 1.5 bietet native 1080p-Generierung und umfangreichere visuelle, Stimmen- und Bildverankerung; Lite dient einfachen Prompts oder Arbeit mit einem Anfangsbild. Die klassische Modellversion bleibt nützlich, wenn das Ausgangsmaterial bereits ein Video ist, das gezielte Änderung oder Fortsetzung benötigt.