SpaceXAI: Grok Imagine Video

Grok Imagine Video est l’édition classique de la famille vidéo Grok Imagine. La documentation actuelle du producteur couvre la génération d’un nouveau clip à partir d’un prompt, l’animation d’une image de départ, l’utilisation de références visuelles et la modification ou le prolongement d’une vidéo existante. Ces fonctions produisent des livrables différents : une nouvelle scène, une version modifiée du film fourni ou une vidéo contenant le film original suivi de nouveaux éléments. Choisissez la fonction en fonction du matériau déjà disponible et de la partie du plan à modifier.

Pour un nouveau plan généré à partir de texte, décrivez le sujet, l’environnement, l’action visible, la caméra et le son. La génération standard prend en charge des clips de 1 à 15 secondes, avec des sorties 480p ou 720p et du son généré. Des rapports carrés, paysage, portrait et plus larges sont documentés, notamment 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 et 5:2. Un brief peut demander une lanterne en papier qui bouge doucement au-dessus d’une cour calme pendant un travelling latéral. La revue utile vérifie que le mouvement, le cadrage et le son ambiant servent ce plan unique.

Pour la génération de vidéo à partir d’une image, l’image fixe fournie constitue la première image du clip. Préparez-la avec le recadrage, le sujet et les détails visibles souhaités, puis décrivez l’action qui suit. La sortie respecte le rapport largeur/hauteur de l’image. Une image fixe de départ fournit une composition d’ouverture exacte, tandis que la génération à partir de références utilise les images pour guider les personnes, produits ou décors d’une scène nouvellement composée. Distinguer ces deux rôles permet d’éviter une ouverture involontaire lorsque le but est de placer un objet connu dans un autre environnement.

Le modèle classique accepte jusqu’à sept images de référence par requête guidée par des références. Ce mode est limité à dix secondes et à la 720p. Donnez un rôle clair à chaque référence et identifiez-la par sa position dans la liste, en commençant par <IMAGE_0>. Pour une courte scène de produit, une référence peut identifier l’objet et une autre le lieu souhaité. Concentrez le brief sur l’emplacement de l’objet et l’action principale du plan. Le mode de références classique utilise sa propre configuration ; la version 1.5 complète fournit les contrôles supplémentaires de voix sélectionnées et d’images imposées.

La modification vidéo utilise un clip existant et un prompt décrivant le changement. Le producteur accepte les sources MP4 avec des codecs pris en charge tels que H.264, H.265 ou AV1, jusqu’à 8,7 secondes. Le résultat modifié conserve la durée et le rapport largeur/hauteur de la source et suit sa résolution dans la limite de 720p. Les contrôles personnalisés de durée, de rapport largeur/hauteur et de résolution ne s’appliquent pas à cette fonction. Préparez une source dont la composition et les temps conviennent déjà à l’usage final, afin que le prompt puisse se concentrer sur la modification visuelle souhaitée.

Un brief de modification peut changer la couleur d’une écharpe tout en conservant le visage de la personne, son mouvement, l’arrière-plan et la caméra. Énoncez explicitement ces éléments à préserver, en plus du changement. Le producteur décrit une conservation aussi proche que possible du reste de la source : c’est un objectif utile pour la revue, et non une garantie que chaque pixel reste identique. Comparez le résultat sur toute la durée du clip, surtout lorsque l’objet bouge, croise un autre objet ou se trouve partiellement masqué. Le livrable final est le clip modifié, et pas simplement une image fixe montrant la nouvelle couleur.

Le prolongement vidéo reprend à partir de la dernière image d’un MP4 existant. La durée source documentée va de 2 à 15 secondes ; la partie ajoutée dure de 2 à 10 secondes, avec six secondes par défaut. La durée du prolongement concerne uniquement la nouvelle partie. Une source de dix secondes suivie de cinq secondes de prolongement produit une vidéo de quinze secondes contenant les deux parties. Le résultat conserve le rapport largeur/hauteur et la résolution de la source dans la limite de 720p. Préparez le dernier instant de la source et décrivez la suite, par exemple le sujet qui se tourne vers un objet en approche pendant que la caméra poursuit son mouvement actuel.

Examinez le prolongement autour de la limite entre la source et le nouveau contenu. Vérifiez l’identité du sujet, la direction du mouvement, le rythme de la caméra, la lumière et le son pour que la suite s’accorde avec l’action précédente. Si un clip se termine sur un moment visuellement peu commode, traitez explicitement ce raccord dans la préparation du plan suivant. L’assemblage de scènes plus longues relève du montage : les limites de durée de la génération, des références, de la modification et du prolongement sont distinctes, et le résultat total d’un prolongement peut dépasser la durée d’un nouveau clip de génération standard.

Le processus vidéo du producteur est asynchrone. Un identifiant de requête permet de suivre une tâche jusqu’à ce qu’un résultat terminé fournisse l’adresse de la vidéo et sa durée ; les adresses de sortie sont temporaires. Conservez le résultat lisible et ses matériaux sources lorsque vous préparez un montage de production. Grok Imagine Video 1.5 complet propose une génération native en 1080p et des contrôles plus riches de références visuelles, de voix et d’images imposées, tandis que Lite répond aux tâches simples à partir d’un prompt ou d’une image de départ. L’édition classique reste utile lorsque le matériau de départ est déjà une vidéo qui nécessite une modification dirigée ou un prolongement.