SpaceXAI: Grok Imagine Video 1.5

Grok Imagine Video 1.5 è l’edizione completa di generazione della famiglia video Grok Imagine. Il produttore mette in evidenza movimento, continuità fisica, effetti sonori, ambiente sonoro e parlato generati insieme alle immagini. La generazione di video da testo e da immagini avviene a 1080p nativi, mentre quella guidata da riferimenti offre maggiore controllo su chi o che cosa compare nella scena. Il risultato utile è un breve video con il suo audio, come una presentazione di prodotto, uno scambio tra personaggi o una transizione messa in scena con precisione tra punti di riferimento visivi.

Per la generazione di video da testo, descrivi soggetto, ambientazione, azione, movimento di camera, illuminazione e suono dell’inquadratura. Il produttore spiega che la versione 1.5 genera internamente un’immagine iniziale e poi la anima; l’immagine fissa intermedia non viene restituita. Per la generazione da immagini, quella fornita diventa il primo fotogramma e il prompt descrive ciò che accade dopo. Preparala con l’inquadratura desiderata e i dettagli visibili già presenti. Il clip risultante segue il rapporto d’aspetto dell’immagine sorgente, quindi una consegna verticale richiede un ritaglio iniziale adeguato.

La generazione di video da riferimenti assegna alle immagini un ruolo diverso: guidano persone, oggetti, abiti o luoghi senza fissare automaticamente il fotogramma iniziale. Il limite documentato è di 14 immagini di riferimento, con output fino a 15 secondi a 720p. Assegna a ogni immagine un ruolo chiaro nella scena e identificala tramite la posizione nell’elenco dei riferimenti. Nella sintassi del prompt del produttore, il primo riferimento è <IMAGE_0>, seguito da <IMAGE_1> e così via. Quando viene fissata anche un’immagine iniziale, questa occupa il primo indice e i riferimenti separati iniziano da quello successivo. L’ordine è importante quando un brief distingue una persona, un prodotto e un’ambientazione.

Un brief di riferimenti può collocare un personaggio accanto alla sedia fornita in un’immagine, nella stanza fornita in un’altra, con un lento avvicinamento a un dettaglio del materiale della sedia. Rendi il soggetto e il prodotto principale facili da distinguere nei riferimenti. Il produttore consiglia di assegnare a ogni riferimento un ruolo e una posizione fissi, limitare il numero di personaggi e mantenere statici gli oggetti di scena quando si usano molti input. Controlla se forma e segni distintivi dell’oggetto previsto passano nella scena e se la camera rivela il dettaglio richiesto nel brief.

La generazione da riferimenti può anche assegnare fino a tre voci predefinite. Identifica separatamente il parlante previsto e la sua voce nel prompt, usando i riferimenti vocali posizionali documentati, e fornisci il dialogo esatto che deve pronunciare. Il modello supporta il parlato con sincronizzazione labiale. Per un breve scambio, scrivi battute che lascino spazio alla risposta e controlla sia l’attribuzione delle voci sia il movimento della bocca nel clip risultante. Un riferimento vocale seleziona l’identità della voce; le indicazioni di camera e scena devono comunque descrivere come vengono mostrati i personaggi.

I controlli di primo e ultimo fotogramma fissano gli estremi dell’inquadratura, e fino a quattro fotogrammi chiave possono fissare immagini in momenti intermedi. La guida del produttore colloca tali momenti strettamente all’interno del clip, su una griglia di un terzo di secondo; due punti di ancoraggio che ricadono nello stesso intervallo temporale vengono rifiutati. Prepara punti di ancoraggio appartenenti alla stessa scena e descrivi il movimento che li collega. Per svelare un prodotto, l’apertura può mostrare l’espositore chiuso e il fotogramma finale l’oggetto rivelato. Per un loop, la stessa immagine può fungere da primo e ultimo fotogramma. Ascolta e guarda l’intera transizione invece di giudicare soltanto le immagini fissate.

La generazione ordinaria da testo e immagini supporta clip di 1–15 secondi e output a 480p, 720p o 1080p nativi. La generazione da riferimenti è limitata a 720p. Le inquadrature da testo comprendono 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 e 5:2. Scegli durata e formato in base all’azione e alla destinazione. Il produttore genera audio per impostazione predefinita e documenta un’opzione video muto. Un brief può specificare la battuta, gli effetti vicini e l’ambiente sonoro distante, affinché il suono contribuisca alla stessa scena invece di diventare uno sfondo indefinito.

Il flusso di generazione documentato è asincrono: restituisce un identificatore di richiesta, poi un risultato completato con indirizzo del clip e durata. L’esempio di risultato rimanda a un video MP4 e il suo indirizzo di output ospitato è temporaneo. Conserva il clip completato e il brief di ingresso quando prepari un montaggio. Controlla continuità, persistenza degli oggetti, movimento, inquadratura e suono rispetto al piano previsto. Una registrazione intermedia di elaborazione è utile per seguire il lavoro, mentre il video riproducibile è il risultato da esaminare.

Le differenze tra versioni incidono sulla preparazione. Lite gestisce animazioni semplici da testo o da una sola immagine, con l’opzione 1080p ingrandita da 720p. La versione 1.5 completa aggiunge immagini di riferimento, voci predefinite e fotogrammi fissati. L’edizione classica di Grok Imagine Video offre modifica ed estensione di video esistenti. I dati di velocità pubblicati separatamente per Video 1.5 Fast riguardano quella variante specifica e non definiscono quindi un tempo fisso di completamento per questo modello. Per una sequenza più lunga, prepara inquadrature brevi e coerenti e controlla la continuità di personaggi, prodotti e suono quando assembli i clip.