SpaceXAI: Grok Imagine Video 1.5

Grok Imagine Video 1.5 er den fullstendige genereringsutgaven i Grok Imagine-videofamilien. Produsenten fremhever bevegelse, fysisk kontinuitet og lydeffekter, atmosfære og tale generert sammen med bildet. Tekst-til-video og bilde-til-video rendres direkte i 1080p, mens referansestyrt generering gir mer kontroll over hvem eller hva som vises i en scene. Det nyttige resultatet er en kort video med lyd, som en produktpresentasjon, en karakterutveksling eller en presist iscenesatt overgang mellom visuelle holdepunkter.

Til tekst-til-video beskriver du innstillingens motiv, omgivelser, handling, kamerabevegelse, belysning og lyd. Produsenten forklarer at 1.5 genererer et startbilde internt og deretter animerer det; mellomstillbildet returneres ikke. Til bilde-til-video blir et oppgitt bilde førstebildet, og prompten beskriver hva som skjer videre. Forbered bildet med ønsket utsnitt og synlige detaljer allerede til stede. Det resulterende bilde-til-video-klippet følger kildebildets sideforhold, så stående levering trenger en passende startbeskjæring.

Referanse-til-video gir bildene en annen rolle: de veileder personer, objekter, klær eller steder uten automatisk å fastsette åpningsbildet. Dokumentert grense er opptil 14 referansebilder, med utdata på opptil 15 sekunder ved 720p. Gi hvert bilde en tydelig rolle i scenen og identifiser det med plasseringen i referanselisten. I produsentens promptsyntaks er første referanse <IMAGE_0>, fulgt av <IMAGE_1> og så videre. Når et åpningsbilde også er fastlagt, tar det første indeks, og de separate referansene begynner med den neste. Rekkefølgen betyr noe når en beskrivelse skiller en person, et produkt og omgivelser.

En opprinnelig referansebeskrivelse kan plassere en karakter ved stolen fra ett bilde, inne i rommet fra et annet, med en langsom bevegelse mot stolens materialdetalj. Hold motivet og det sentrale produktet lette å skille i referansene. Produsenten anbefaler å gi hver referanse én rolle og en fast plass, holde persongalleriet lite og rekvisitter statiske når mange inndata brukes. Gjennomgå om det tiltenkte objektets form og merking videreføres i scenen, og om kameraet avdekker detaljen beskrivelsen ba om.

Referanse-til-video kan også tildele opptil tre forhåndsdefinerte stemmer. Identifiser tiltenkt taler og stemme separat i prompten med de dokumenterte posisjonsbaserte stemmereferansene, og oppgi nøyaktig dialog taleren skal si. Modellen støtter leppesynkronisert tale. Til en kort samtale skriver du replikker som gir rom for svar, og undersøker både talertildeling og munnbevegelse i klippet. En stemmereferanse velger taleidentiteten; kamera- og sceneinstruksjonene må fortsatt beskrive hvordan karakterene vises.

Kontrollene for første- og sistebilde forankrer innstillingens endepunkter, og opptil fire nøkkelbilder kan fastlegge bilder på mellomliggende tidspunkter. Produsentens nøkkelbildeveiledning plasserer tidspunktene strengt inne i klippet på et tidsrutenett med trinn på et tredels sekund; to holdepunkter som treffer samme tidsluke, avvises. Forbered holdepunkter som tilhører samme scene og beskriv bevegelsen mellom dem. Ved avduking av et produkt kan åpningen vise den lukkede utstillingen og sluttbildet den avdekkede gjenstanden. Til en løkke kan samme bilde fungere som første- og sistebilde. Lytt og se gjennom overgangen i stedet for å vurdere bare de fastlagte bildene.

Vanlig tekst- og bilde-til-video støtter klipp på 1–15 sekunder og utdata på 480p, 720p eller direkte 1080p. Referanse-til-video er begrenset til 720p. Tekstbasert utsnitt omfatter 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 og 5:2. Velg varighet og form etter handling og brukssted. Produsenten genererer lyd som standard og dokumenterer et lydløst videoalternativ. En beskrivelse kan spesifisere replikk, nære effekter og fjern atmosfære slik at lyd bidrar til samme scene i stedet for å bli en uspesifisert bakgrunn.

Den dokumenterte genereringsflyten er asynkron: den returnerer en forespørselsidentifikator og deretter et fullført resultat med klipplassering og varighet. Eksempelresultatet peker til en MP4-video, og den driftede utdataplasseringen er midlertidig. Bevar det ferdige klippet og inndatabeskrivelsen når du forbereder en redigering. Kontroller kontinuitet, at objektene forblir til stede, bevegelse, utsnitt og lyd opp mot ønsket innstilling. En mellomliggende behandlingspost er nyttig for sporing, mens den avspillbare videoen er resultatet som skal gjennomgås.

Versjonsforskjeller påvirker planen. Lite håndterer enkel tekst eller animasjon av ett bilde, med et 1080p-alternativ oppskalert fra 720p. Full 1.5 legger til referansebilder, forhåndsdefinerte stemmer og fastlagte bilder. Den klassiske Grok Imagine Video-utgaven tilbyr redigering og forlengelse av eksisterende videoer. Utgivelsens separate hastighetstall for Video 1.5 Fast gjelder den navngitte varianten og definerer derfor ikke en fast fullføringstid for denne modellen. Til en lengre sekvens iscenesetter du sammenhengende korte innstillinger og gjennomgår karakter-, produkt- og lydkontinuitet når klippene ordnes sammen.