SpaceXAI: Grok Imagine Video

Grok Imagine Video es la edición clásica de la familia de vídeo Grok Imagine. Su documentación actual del fabricante abarca generar un clip nuevo a partir de una instrucción, animar una imagen inicial, utilizar referencias visuales y modificar o continuar un vídeo existente. Estos flujos producen recursos diferentes: una escena nueva, una versión editada de material proporcionado o un vídeo que contiene el material original seguido de contenido nuevo. Elija el flujo según el material ya disponible y la parte del plano que deba cambiar.

Para un plano nuevo de texto a vídeo, describa el sujeto, el entorno, la acción visible, la cámara y el sonido. La generación estándar admite clips de 1–15 segundos, con salida de 480p o 720p y audio generado. Se documentan relaciones cuadradas, horizontales, verticales y más anchas, incluidas 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 y 5:2. Un encargo original podría pedir un farolillo de papel que se mueva suavemente sobre un patio tranquilo mientras la cámara se desplaza lateralmente. La revisión útil comprueba si el movimiento, el encuadre y el sonido ambiental apoyan ese único plano.

En imagen a vídeo, la imagen fija proporcionada es el primer fotograma. Prepárela con el recorte, el sujeto y los detalles visibles previstos y después describa la acción que sigue. La salida sigue la relación de aspecto de la imagen. Una imagen inicial proporciona una composición exacta de apertura, mientras que referencia a vídeo utiliza imágenes para orientar las personas, los productos o el entorno en una escena recién compuesta. Mantener distintas esas dos funciones ayuda a evitar un inicio no deseado cuando el objetivo es colocar un objeto conocido en otro escenario.

El modelo clásico acepta hasta siete imágenes de referencia por solicitud guiada por referencias. Ese modo está limitado a diez segundos y 720p. Asigne a cada referencia una función clara e identifíquela por su posición en la lista, comenzando por <IMAGE_0>. Para una escena breve de producto, una referencia puede identificar el objeto y otra la localización deseada. Centre el encargo en la posición del objeto y en la acción principal del plano. El modo clásico de referencias utiliza su propia configuración; la versión completa 1.5 aporta los controles adicionales de voz seleccionada y fotogramas fijados.

La edición de vídeo recibe un clip existente y una instrucción que describe el cambio. El fabricante acepta originales MP4 con códecs compatibles como H.264, H.265 o AV1, de hasta 8.7 segundos. El resultado editado mantiene la duración y la relación de aspecto de origen y sigue su resolución hasta un máximo de 720p. Los controles personalizados de duración, relación de aspecto y resolución no se aplican a este flujo de edición. Prepare un original que ya tenga la composición y la sincronización necesarias para el uso final, de modo que la instrucción pueda concentrarse en la modificación visual prevista.

Un encargo original de edición podría cambiar el color de una bufanda conservando el rostro, el movimiento de la persona, el fondo y la cámara. Indique explícitamente esos elementos que se conservan junto con el cambio. El fabricante describe mantener el resto del original lo más fielmente posible, lo que constituye un objetivo útil para la revisión, en lugar de una garantía de que todos los píxeles permanezcan idénticos. Compare el resultado a lo largo de todo el clip, especialmente donde el objeto se mueve, cruza otro objeto o queda parcialmente oculto. El recurso final es el clip editado, no solo una imagen fija que muestra el color nuevo.

La ampliación de vídeo continúa desde el último fotograma de un MP4 existente. La duración documentada de origen es de 2–15 segundos; la parte añadida es de 2–10 segundos, con seis segundos como valor predeterminado. La duración de ampliación se refiere solo a la parte nueva. Un original de diez segundos seguido de cinco segundos de continuación produce un vídeo de quince segundos que contiene ambas partes. El resultado conserva la relación de aspecto y la resolución de origen dentro de un máximo de 720p. Prepare el momento final del original y describa lo que debe suceder después, como que el sujeto se gire hacia un objeto que se aproxima mientras la cámara continúa su movimiento actual.

Revise una ampliación alrededor del límite entre el original y el contenido nuevo. Compruebe la identidad del sujeto, la dirección del movimiento, el ritmo de cámara, la luz y el sonido para que la continuación encaje con la acción anterior. Si un clip termina en un punto visualmente incómodo, convierta ese límite en parte explícita del plan del siguiente plano. El montaje de escenas más largas es una decisión de edición: los límites de duración de generación, referencias, edición y ampliación del modelo son independientes, y el resultado total de una ampliación puede ser más largo que un clip estándar de generación nueva.

El flujo de vídeo del fabricante es asíncrono. Un identificador de solicitud permite seguir una tarea hasta que un resultado completado proporciona la ubicación del vídeo y su duración; las ubicaciones de salida son temporales. Conserve el resultado reproducible y sus materiales de origen al preparar una edición de producción. La versión completa Grok Imagine Video 1.5 ofrece generación nativa de 1080p y un anclaje más rico de imagen, voz y fotogramas, mientras que Lite sirve para trabajos sencillos con instrucciones o imagen inicial. La edición clásica sigue siendo útil cuando el material de partida ya es un vídeo que necesita una alteración o continuación dirigida.