SpaceXAI: Grok Imagine Video 1.5

A Grok Imagine Video 1.5 a Grok Imagine videócsalád teljes generálóváltozata. A gyártó a mozgást, fizikai folytonosságot, valamint képpel együtt generált hangeffekteket, atmoszférát és beszédet hangsúlyozza. A szöveg–videó és kép–videó natív 1080p-ben renderel, míg a referenciavezérelt generálás több irányítást ad arra, ki vagy mi jelenik meg a jelenetben. A hasznos eredmény rövid videó saját hanggal, például termékbemutató, karakterek beszélgetése vagy vizuális támpontok közötti pontosan beállított átmenet.

Szöveg–videóhoz írd le a snitt alanyát, helyszínét, cselekményét, kameramozgását, világítását és hangját. A gyártó elmagyarázza, hogy az 1.5 belül kezdőképet generál, majd animálja; a köztes állóképet nem adja vissza. Kép–videónál a megadott kép lesz az első képkocka, és a prompt a következő eseményt írja le. A képet már a kívánt kivágással és látható részletekkel készítsd elő. A kapott kép–videó klip a forráskép képarányát követi, ezért függőleges átadáshoz megfelelő kezdőkivágás kell.

A referencia–videó más szerepet ad a képeknek: személyeket, tárgyakat, ruházatot vagy helyszíneket irányítanak a nyitókép automatikus rögzítése nélkül. A dokumentált korlát legfeljebb 14 referenciakép, legfeljebb 15 másodperces 720p kimenettel. Minden képhez adj világos szerepet a jelenetben, és azonosítsd a referencialistában elfoglalt helyével. A gyártó promptszintaxisában az első referencia <IMAGE_0>, utána <IMAGE_1> és így tovább. Ha nyitóképet is rögzítesz, az kapja az első indexet, a külön referenciák a következővel kezdődnek. Ez a sorrend fontos, amikor a feladat megkülönböztet személyt, terméket és helyszínt.

Egy eredeti referenciafeladat karaktert helyezhet az egyik képen szereplő szék mellé, egy másik kép szobájába, lassú közelítéssel a szék anyagrészletéhez. A referenciákon az alany és a fő termék maradjon könnyen megkülönböztethető. A gyártó minden referenciának egy szerepet és rögzített helyet ajánl, sok bemenetnél kis szereplőgárdát és mozdulatlan kellékeket. Ellenőrizd, átkerül-e a jelenetbe a kívánt tárgy alakja és jelölése, valamint felfedi-e a kamera a feladatban kért részletet.

A referencia–videó legfeljebb három előre beállított hangot is hozzárendelhet. A promptban külön azonosítsd a kívánt beszélőt és hangját a dokumentált pozicionális hangreferenciákkal, és add meg a pontos párbeszédet, amelyet a beszélőnek el kell mondania. A modell támogatja a szájszinkronos beszédet. Rövid beszélgetéshez írj a válasznak helyet hagyó sorokat, és az eredményklipben ellenőrizd a beszélőhöz rendelést és szájmozgást. A hangreferencia a beszélő azonosságát választja ki; a kamera- és jelenetutasításoknak továbbra is le kell írniuk a karakterek megmutatását.

Az első- és utolsóképkocka-vezérlők a snitt végpontjait rögzítik, és legfeljebb négy kulcsképkocka köztes időpontokra rögzíthet képeket. A gyártó kulcsképkocka-útmutatója ezeket az időket szigorúan a klipen belül, egyharmad másodperces rácsra helyezi; azonos időhelyre feloldódó két támpontot elutasít. Ugyanahhoz a jelenethez tartozó támpontokat készíts, és írd le közöttük a mozgást. Termékfelfedésnél a nyitókép a zárt bemutatóegységet, az utolsó képkocka pedig a felfedett tárgyat mutathatja. Huroknál ugyanaz a kép szolgálhat első és utolsó képkockaként. Az átmenetet hallgasd és nézd végig, ne csak a rögzített képeket ítéld meg.

A szokásos szöveg–videó és kép–videó 1–15 másodperces klipeket, 480p, 720p vagy natív 1080p kimenetet támogat. A referencia–videó 720p-re korlátozott. A szövegalapú kivágás arányai között 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 és 5:2 szerepel. Az időtartamot és alakot a cselekményhez, valamint felhasználási helyhez válaszd. A gyártó alapértelmezés szerint hangot generál, és néma videó lehetőségét dokumentálja. A feladat megadhatja a kimondott sort, közeli effekteket és távoli atmoszférát, hogy a hang ugyanahhoz a jelenethez járuljon hozzá, ne meghatározatlan háttérré váljon.

A dokumentált generálási folyamat aszinkron: kérésazonosítót ad, majd kész eredményt a klip helyével és időtartamával. A példaeredmény MP4-videóra mutat, hosztolt kimeneti helye ideiglenes. Szerkesztés előkészítésekor őrizd meg a kész klipet és bemeneti feladatleírást. A kívánt snitthez képest ellenőrizd a folytonosságot, tárgymegmaradást, mozgást, kivágást és hangot. A köztes feldolgozási rekord a munka követéséhez hasznos, a lejátszható videó pedig az ellenőrizendő anyag.

A verziókülönbségek hatással vannak a tervre. A Lite egyszerű szöveges vagy egyképes animációt kezel, 720p-ről felnagyított 1080p lehetőséggel. A teljes 1.5 referenciaképeket, előre beállított hangokat és rögzített képkockákat ad. A klasszikus Grok Imagine Video meglévő videók szerkesztését és hosszabbítását biztosítja. A kiadás külön Video 1.5 Fast sebességadatai arra a megnevezett változatra vonatkoznak, ezért nem határoznak meg rögzített elkészülési időt ennél a modellnél. Hosszabb sorozathoz állíts be összefüggő rövid snitteket, és összerendezésükkor ellenőrizd a karakter-, termék- és hangfolytonosságot.