SpaceXAI: Grok Imagine Video

A Grok Imagine Video a Grok Imagine videócsalád klasszikus változata. Jelenlegi gyártói dokumentációja új klip promptból történő generálását, kezdőkép animálását, vizuális referenciák használatát és meglévő videó módosítását vagy folytatását fedi le. Ezek a munkafolyamatok eltérő anyagokat készítenek: új jelenetet, megadott felvétel szerkesztett változatát vagy egy videót az eredeti felvétellel és utána új tartalommal. A munkafolyamatot a már rendelkezésre álló anyag és a snitt megváltoztatandó része alapján válaszd ki.

Új szöveg–videó snitthez írd le az alanyt, környezetet, látható cselekményt, kamerát és hangot. A standard generálás 1–15 másodperces klipeket támogat 480p vagy 720p kimenettel és generált hanggal. Négyzetes, fekvő, álló és szélesebb arányok dokumentáltak, köztük 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 és 5:2. Egy eredeti feladat lágyan mozgó papírlámpást kérhet csendes udvar fölött, miközben a kamera oldalirányban követi. A hasznos ellenőrzés azt vizsgálja, támogatja-e a mozgás, kivágás és környezeti hang ezt az egyetlen snittet.

Kép–videónál a megadott állókép az első képkocka. Készítsd elő a kívánt kivágással, alannyal és látható részletekkel, majd írd le a következő műveletet. A kimenet a kép képarányát követi. A kezdő állókép pontos nyitókompozíciót ad, míg a referencia–videó képekkel irányítja az embereket, termékeket vagy környezetet egy újonnan komponált jelenetben. A két szerep megkülönböztetése segít elkerülni a nem kívánt nyitást, ha ismert tárgy más környezetbe helyezése a cél.

A klasszikus modell referenciavezérelt kérésenként legfeljebb hét referenciaképet fogad. Ez a mód tíz másodpercre és 720p-re korlátozott. Minden referenciának adj világos szerepet, és listapozíciójával azonosítsd, <IMAGE_0>-tól kezdve. Termékvignettánál egyik referencia a tárgyat, másik a kívánt helyszínt azonosíthatja. A feladat a tárgy elhelyezésére és a snitt fő cselekményére összpontosítson. A klasszikus referenciamód saját konfigurációt használ; a teljes 1.5 változat adja a további kiválasztotthang- és rögzítettképkocka-vezérlőket.

A videószerkesztés meglévő klipet és a változást leíró promptot fogad. A gyártó legfeljebb 8,7 másodperces MP4-forrásokat fogad támogatott kodekekkel, például H.264, H.265 vagy AV1. A szerkesztett eredmény megőrzi a forrás időtartamát és képarányát, és 720p felső határig követi felbontását. Egyéni időtartam-, képarány- és felbontásvezérlés nem vonatkozik erre a szerkesztési munkafolyamatra. Olyan forrást készíts elő, amelynek kompozíciója és időzítése már megfelel a végső felhasználásnak, hogy a prompt a kívánt vizuális módosításra összpontosíthasson.

Egy eredeti szerkesztési feladat a sál színét módosíthatja a személy arcának, mozgásának, hátterének és kamerájának megtartásával. Ezeket a megőrzött elemeket a változtatás mellett kifejezetten add meg. A gyártó a forrás többi részének lehető legszorosabb megtartását írja le, ami hasznos ellenőrzési cél, nem minden pixel azonosságának garanciája. A teljes klipben hasonlítsd össze az eredményt, különösen, ahol a tárgy mozog, más tárgy előtt halad át vagy részben rejtetté válik. A végső anyag a szerkesztett klip, nem pusztán egy új színt mutató állókép.

A videóhosszabbítás egy meglévő MP4 utolsó képkockájából folytat. A dokumentált forráshossz 2–15 másodperc; a hozzáadott rész 2–10 másodperc, hat másodperces alapértékkel. A hosszabbítás időtartama csak az új részre vonatkozik. Tíz másodperces forrás után öt másodperc folytatás tizenöt másodperces, mindkét részt tartalmazó videót eredményez. Az eredmény 720p felső határon belül megőrzi a forrás képarányát és felbontását. Készítsd elő a forrás utolsó pillanatát, és írd le, mi történjen ezután, például az alany egy közeledő tárgy felé fordul, miközben a kamera folytatja jelenlegi mozgását.

A hosszabbítást a forrás és új tartalom közötti határ körül ellenőrizd. Vizsgáld meg az alany azonosságát, mozgásirányt, kameratempót, fényt és hangot, hogy a folytatás illeszkedjen a megelőző cselekményhez. Ha a klip vizuálisan kényelmetlen ponton ér véget, ezt a határt tedd a következő snitt tervének explicit részévé. A hosszabb jelenet összeállítása szerkesztési döntés: a modell generálási, referencia-, szerkesztési és hosszabbítási időkorlátai különállók, és a hosszabbítás teljes eredménye hosszabb lehet egy standard újgenerálású klipnél.

A gyártó videómunkafolyamata aszinkron. A kérésazonosító követi a feladatot, amíg a kész eredmény megadja a videó helyét és időtartamát; a kimeneti helyek ideiglenesek. Gyártási szerkesztés előkészítésekor őrizd meg a lejátszható eredményt és forrásanyagait. A teljes Grok Imagine Video 1.5 natív 1080p generálást és gazdagabb vizuális, hang- és képkockarögzítést kínál, a Lite pedig egyszerű promptos vagy kezdőképes munkát szolgál. A klasszikus változat akkor marad hasznos, ha a kiinduló anyag már videó, amely irányított módosítást vagy folytatást igényel.