SpaceXAI: Grok Imagine Video

Grok Imagine Video är den klassiska versionen i Grok Imagine-videofamiljen. Tillverkarens aktuella dokumentation omfattar generering av ett nytt klipp från en prompt, animering av en startbild, användning av visuella referenser och ändring eller fortsättning av en befintlig video. Arbetsflödena skapar olika leveranser: en ny scen, en redigerad version av angivet material eller en video som innehåller originalmaterialet följt av nytt innehåll. Välj arbetsflöde utifrån materialet som redan finns och den del av tagningen som behöver ändras.

Beskriv motiv, miljö, synlig handling, kamera och ljud för en ny text-till-video-tagning. Standardgenerering stöder klipp på 1–15 sekunder, med utdata i 480p eller 720p och genererat ljud. Kvadratiska, liggande, stående och bredare förhållanden dokumenteras, inklusive 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 och 5:2. Ett ursprungligt uppdrag kan be om en papperslykta som rör sig varsamt över en stillsam gård medan kameran åker i sidled. En användbar granskning kontrollerar om rörelse, bildutsnitt och atmosfärljud stödjer denna enda tagning.

I bild-till-video är den angivna stillbilden den första bildrutan. Förbered den med avsedd beskärning, motiv och synliga detaljer och beskriv sedan handlingen som följer. Utdata följer bildens bildförhållande. En startbild ger en exakt öppningskomposition, medan referens-till-video använder bilder för att vägleda personer, produkter eller miljö i en nykomponerad scen. Att hålla rollerna åtskilda hjälper till att undvika en oavsiktlig öppning när målet är att placera ett känt objekt i en annan miljö.

Den klassiska modellen accepterar upp till sju referensbilder per referensstyrd begäran. Läget är begränsat till tio sekunder och 720p. Ge varje referens en tydlig roll och identifiera den genom dess position i listan, med början på <IMAGE_0>. En referens kan identifiera objektet och en annan önskad plats för en produktvinjett. Håll uppdraget fokuserat på objektets placering och tagningens huvudhandling. Det klassiska referensläget använder sin egen konfiguration; fullständiga 1.5 erbjuder ytterligare kontroller för vald röst och fixerade bildrutor.

Videoredigering tar ett befintligt klipp och en prompt som beskriver förändringen. Tillverkaren accepterar MP4-källor med kodekar som stöds, till exempel H.264, H.265 eller AV1, på upp till 8,7 sekunder. Det redigerade resultatet behåller källans längd och bildförhållande och följer dess upplösning upp till ett tak på 720p. Anpassade kontroller för längd, bildförhållande och upplösning gäller inte i detta redigeringsarbetsflöde. Förbered en källa som redan har kompositionen och timingen som slutbruket behöver, så att prompten kan koncentrera sig på avsedd visuell ändring.

Ett ursprungligt redigeringsuppdrag kan ändra färgen på en halsduk samtidigt som personens ansikte, rörelse, bakgrund och kamera behålls. Ange de bevarade elementen uttryckligen tillsammans med ändringen. Tillverkaren beskriver att resten av källan ska behållas så nära som möjligt, vilket är ett användbart granskningsmål snarare än en garanti för att varje pixel förblir identisk. Jämför resultatet genom hela klippet, särskilt där objektet rör sig, korsar ett annat objekt eller blir delvis dolt. Slutleveransen är det redigerade klippet, inte enbart en stillbild som visar den nya färgen.

Videoförlängning fortsätter från den sista bildrutan i en befintlig MP4. Dokumenterad källängd är 2–15 sekunder; den tillagda delen är 2–10 sekunder, med sex sekunder som standard. Förlängningslängden gäller bara den nya delen. En källa på tio sekunder följd av fem sekunders fortsättning skapar en femtonsekunders video som innehåller båda delarna. Resultatet bevarar källans bildförhållande och upplösning inom ett tak på 720p. Förbered källans sista ögonblick och beskriv vad som ska hända sedan, till exempel att motivet vänder sig mot ett närmande objekt medan kameran fortsätter sin nuvarande rörelse.

Granska en förlängning runt gränsen mellan källan och det nya innehållet. Kontrollera motividentitet, rörelseriktning, kameratempo, ljus och ljud så att fortsättningen passar föregående handling. Om ett klipp slutar vid en visuellt besvärlig punkt gör du den gränsen till en uttrycklig del av planen för nästa tagning. Montering av längre scener är ett redigeringsbeslut: modellens längdgränser för generering, referens, redigering och förlängning är separata och ett totalt förlängningsresultat kan vara längre än ett vanligt nygenererat klipp.

Tillverkarens videoarbetsflöde är asynkront. En begäransidentifierare spårar jobbet tills ett färdigt resultat ger videoadress och längd; utdataadresser är tillfälliga. Spara det spelbara resultatet och dess källmaterial när en produktionsredigering förbereds. Fullständiga Grok Imagine Video 1.5 erbjuder direkt generering i 1080p och rikare förankring av visuellt innehåll, röst och bildrutor, medan Lite tjänar enkla uppdrag från prompt eller startbild. Den klassiska versionen förblir användbar när startmaterialet redan är en video som behöver en styrd ändring eller fortsättning.