xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 es el modelo de generación y edición de imágenes de xAI. Toma una descripción escrita, o una descripción junto con imágenes de origen, y devuelve un resultado de imagen. El perfil denominado 2.0 del fabricante cubre creación de escenas, modificación de una imagen existente, combinación de sujetos de referencias y transformación de estilo visual. Comienza por elegir si necesitas una composición nueva o un cambio específico en material que ya tienes.

Creación de una imagen a partir de un brief

Describe el sujeto principal, su entorno, la composición, la iluminación y el tratamiento visual. Identifica qué debe notar primero el espectador y dónde se utilizará la imagen. Para un concepto de producto, un brief ilustrativo puede describir una lámpara de escritorio de cerámica sobre una mesa de piedra clara, luz suave de ventana, una vista cercana del material y espacio abierto para un encabezado independiente. Para una ilustración, especifica personajes, acción y estética prevista en lugar de esperar que una sola palabra de estilo defina toda la escena.

El fabricante documenta entre una y diez imágenes de salida por solicitud de generación, con una como valor predeterminado. Varios resultados del mismo brief aportan alternativas para revisar; no garantizan un sujeto idéntico en cada variación. Revisa sujeto, composición y detalles importantes, y conserva después la versión que mejor se adapte al brief. Mantén juntos el brief y la variación seleccionada para que ediciones posteriores utilicen la composición prevista.

Composición, resolución y calidad

La guía de generación documenta selección automática de relación de aspecto o una proporción explícita. Sus opciones enumeradas incluyen 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20, 21:9 y 5:2. Elige la forma según la ubicación prevista: cuadrada para una tarjeta compacta, vertical para una composición vertical u horizontal para una escena panorámica. Especifica el sujeto sensible al recorte y el espacio que necesita la composición en lugar de depender únicamente de la relación de aspecto.

Las configuraciones documentadas de resolución de generación son 1k y 2k, con 1k como valor predeterminado. Quality es un control independiente con opciones low, medium y auto. En la guía actual de xAI, auto es el predeterminado y utiliza low para generación y medium para edición; una configuración explícita low o medium fija esa elección. Por ello, resolución y calidad describen controles distintos. Indica los detalles visuales que importan y revísalos en la imagen devuelta en lugar de tratar cualquiera de las configuraciones como garantía de letras, geometría o conservación de sujeto exactas.

Edición y transferencia de estilo visual

Proporciona la imagen por cambiar y describe el cambio solicitado en relación con su contenido visible. Una edición enfocada podría pedir sustituir una pared oscura por una superficie de yeso claro conservando disposición de muebles, punto de vista de cámara e iluminación cálida. Si la intención es una transformación de estilo, especifica el tratamiento deseado: el fabricante demuestra estilos de fotografía, anime, pintura al óleo, acuarela, arte pop y boceto a lápiz. Identifica qué elementos deben conservar su apariencia y cuáles pueden cambiar con el tratamiento.

El flujo de edición del fabricante admite una referencia de imagen de origen, datos de imagen codificados o un identificador de archivo. Para referencias almacenadas, utiliza imágenes PNG, JPEG o WebP cargadas por completo. Su guía también documenta ediciones sucesivas: usa el resultado de una edición como entrada de la siguiente. Esto puede convertir una composición base en un resultado más específico mediante un cambio de muebles seguido de un ajuste de iluminación. Conserva el original y la imagen intermedia elegida asociados a cada brief para comprobar un perfeccionamiento posterior frente a la composición prevista.

Combinación de varias referencias

La guía actual de varias imágenes permite hasta cinco imágenes de origen en una edición. Haz referencia a ellas en el orden proporcionado y dale a cada una una función clara, como el sujeto de la primera imagen y el entorno de la segunda. La proporción de salida sigue de forma predeterminada la primera imagen de entrada, con una proporción explícita disponible para sustituirla. Para un concepto de producto en una habitación, describe posición, tamaño y contacto del producto con las superficies de la habitación, y después pide conservar los detalles que lo identifican. Revisa cómo se combinaron las fuentes en lugar de asumir que cada elemento se copió sin alteración.

Recepción y conservación de la imagen

El fabricante devuelve de forma predeterminada una dirección temporal de imagen y también documenta salida de imagen codificada. Conserva pronto la imagen real cuando se necesite como recurso. Su flujo diferido opcional separa la confirmación de recepción de la solicitud de su finalización: a un identificador de solicitud le sigue un estado pending, done o failed, y los resultados diferidos utilizan el formato de respuesta de dirección con un periodo documentado de retención de 24 horas. Una solicitud enviada o un estado pendiente no son una imagen terminada. Conserva la imagen terminada con su brief y configuración elegida para reutilizarla después.

Un recurso final útil es una imagen que se adapta a un brief definido de escena, composición o edición. Revisa la composición completa y sus detalles pequeños, especialmente el sujeto de origen, los límites de objetos, las proporciones y cualquier letra que comunique significado. Para trabajo iterativo, cambia la instrucción asociada con el problema visible y utiliza el resultado seleccionado como siguiente referencia. Mantén concretas las instrucciones de modificación deseada y conservación para evaluar cada resultado frente a un propósito creativo específico.