SpaceXAI: Grok Imagine Video

Grok Imagine Video er den klassiske utgaven i Grok Imagine-videofamilien. Produsentens gjeldende dokumentasjon dekker generering av et nytt klipp fra en prompt, animasjon av et startbilde, bruk av visuelle referanser og endring eller videreføring av en eksisterende video. Arbeidsflytene gir forskjellige resultater: en ny scene, en redigert versjon av oppgitte opptak eller én video med originalopptak fulgt av nytt innhold. Velg arbeidsflyt ut fra materialet som allerede finnes og delen av innstillingen som trenger endring.

Til en ny tekst-til-video-innstilling beskriver du motiv, miljø, synlig handling, kamera og lyd. Standardgenerering støtter klipp på 1–15 sekunder med 480p- eller 720p-utdata og generert lyd. Kvadratiske, liggende, stående og bredere sideforhold er dokumentert, inkludert 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 og 5:2. En opprinnelig beskrivelse kan be om en papirlykt som beveger seg forsiktig over en rolig gårdsplass mens kameraet følger sideveis. En nyttig gjennomgang kontrollerer om bevegelse, utsnitt og omgivelseslyd støtter denne ene innstillingen.

I bilde-til-video er det oppgitte stillbildet førstebildet. Forbered det med ønsket beskjæring, motiv og synlige detaljer, og beskriv deretter handlingen som følger. Utdataene følger bildets sideforhold. Et startstillbilde gir en eksakt åpningskomposisjon, mens referanse-til-video bruker bilder til å veilede personer, produkter eller miljø i en nykomponert scene. Å skille de to rollene hjelper med å unngå en utilsiktet åpning når målet er å plassere et kjent objekt i andre omgivelser.

Den klassiske modellen godtar opptil sju referansebilder per referansestyrt forespørsel. Modusen er begrenset til ti sekunder og 720p. Gi hver referanse en tydelig rolle og identifiser den med plasseringen i listen, fra <IMAGE_0>. Til en produktvignett kan én referanse identifisere objektet og en annen ønsket sted. Hold beskrivelsen fokusert på objektets plassering og innstillingens hovedhandling. Den klassiske referansemodusen bruker sin egen konfigurasjon; full 1.5 gir de ekstra kontrollene for valgt stemme og fastlagte bilder.

Videoredigering tar et eksisterende klipp og en prompt som beskriver endringen. Produsenten godtar MP4-kilder med støttede kodeker som H.264, H.265 eller AV1, opptil 8,7 sekunder lange. Det redigerte resultatet beholder kildens varighet og sideforhold og følger oppløsningen opp til et tak på 720p. Tilpassede kontroller for varighet, sideforhold og oppløsning gjelder ikke for denne redigeringsarbeidsflyten. Forbered en kilde som allerede har komposisjonen og timingen sluttbruken trenger, slik at prompten kan konsentrere seg om ønsket visuell endring.

En opprinnelig redigeringsbeskrivelse kan endre fargen på et skjerf og bevare personens ansikt, bevegelse, bakgrunn og kamera. Angi de bevarte elementene eksplisitt sammen med endringen. Produsenten beskriver å beholde resten av kilden så tett som mulig, noe som er et nyttig mål for gjennomgang fremfor en garanti for at hver piksel forblir identisk. Sammenlign resultatet gjennom hele klippet, særlig der objektet beveger seg, krysser et annet objekt eller blir delvis skjult. Sluttresultatet er det redigerte klippet, ikke bare et stillbilde som viser den nye fargen.

Videoforlengelse fortsetter fra siste bilde i en eksisterende MP4. Dokumentert kildelengde er 2–15 sekunder; den tilføyde delen er 2–10 sekunder, med seks sekunder som standard. Forlengelsesvarigheten gjelder bare den nye delen. En kilde på ti sekunder fulgt av fem sekunder videreføring gir en video på femten sekunder med begge deler. Resultatet bevarer kildens sideforhold og oppløsning innenfor et tak på 720p. Forbered kildens siste øyeblikk og beskriv hva som skal skje videre, som at motivet vender seg mot en gjenstand som nærmer seg mens kameraet fortsetter nåværende bevegelse.

Gjennomgå en forlengelse rundt grensen mellom kilde og nytt innhold. Kontroller motividentitet, bevegelsesretning, kameratempo, lys og lyd slik at videreføringen passer til foregående handling. Hvis et klipp slutter på et visuelt vanskelig punkt, gjør du grensen til en eksplisitt del av planen for neste innstilling. Sammensetting av lengre scener er en redigeringsbeslutning: modellens grenser for generering, referanser, redigering og forlengelse er separate, og det samlede resultatet av en forlengelse kan være lengre enn et vanlig nygenerert klipp.

Produsentens videoarbeidsflyt er asynkron. En forespørselsidentifikator sporer en jobb til et fullført resultat gir videoplassering og varighet; utdataplasseringer er midlertidige. Behold det avspillbare resultatet og kildematerialet når en produksjonsredigering forberedes. Full Grok Imagine Video 1.5 tilbyr direkte 1080p-generering og rikere visuell, stemme- og bildeforankring, mens Lite tjener enkelt arbeid med prompt eller startbilde. Den klassiske utgaven er fortsatt nyttig når startmaterialet allerede er en video som trenger en regissert endring eller videreføring.