Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Skriv effektive videoprompts

Lektion 2 af 12 Opdateret 3. november 2026 Mellem
På denne side
  1. Kunsten at skrive videoprompts
  2. De fire komponenter i en god beskrivelse
  3. To lag specifikke for video: kamera og lyd
  4. Tre prompts, tre stilarter
  5. Tilpas parametre til indhold
  6. Hvad der får et prompt til at fejle
  7. Vigtige pointer

Opdateret 3. november 2026. Baseret på siderne Video Overview og Video Generation fra xAI samt deres guide til billedprompts: xAI beder dig beskrive hele indstillingen, herunder kamerabevægelse, lys og lyd. Reglen om “højst to eller tre sætninger” fra den tidligere version findes ikke på nogen xAI-side; faktisk anbefaler billedguiden fire til seks sætninger for et enkelt billede. Denne lektion dækker også 1080p til 1.5-modellerne, de ni billedformater og det lydspor, der genereres som standard. Kilder: Video Overview · Video Generation · Image Prompting Guide.

Kunsten at skrive videoprompts

Kvaliteten af den genererede video afhænger direkte af præcisionen i dit prompt, og et videoprompt kræver mere end et billedprompt. Hvor en statisk beskrivelse er nok til at producere en illustration, skal et videoprompt også bære bevægelsen, tidsforløbet og dynamikken i scenen – og da videoen leveres med lydspor, også det, du hører i den. Et prompt, der perfekt beskriver en omgivelse uden nogensinde at sige, hvad der bevæger sig, risikerer at producere et næsten frossent skud; teknisk animeret, men visuelt livløst. Denne lektion lærer dig at strukturere dine beskrivelser, så du får mest muligt ud af Grok Imagine Video-modellerne.

De fire komponenter i en god beskrivelse

Et effektivt videoprompt artikulerer fire informationslag, som du arbejder med hver for sig.

Det første er subjektet: hovedelementet eller elementerne i scenen, beskrevet med nok præcision til, at modellen ikke behøver at opfinde noget. At skrive “en fugl” lader feltet stå vidt åbent; at skrive “en kolibri med iriserende blå og grønne fjer” låser udseendet fast og gør dine generationer mere konsistente fra forsøg til forsøg.

Dernæst kommer aktionen, den mest afgørende komponent i video. Det er ikke nok at sige, at noget bevæger sig; du skal specificere bevægelsen, dens retning og intensitet. “En fugl, der flyver” er en intention, ikke en instruks til iscenesættelse. “En kolibri, der spiser af en rød hibiscusblomst, med vinger der slår hurtigt” giver modellen en gestus, et mål og en rytme.

Det tredje lag er omgivelserne: stedet, lyset, vejret og stemningen. Et simpelt “i en have” overlader til modellen at vælge tidspunkt og årstid for dig. “I en frodig tropisk have, gyldent sent eftermiddagslys, der filtrerer gennem løvet” sætter atmosfæren og definerer tilfældigvis lysretningen på dit subjekt.

Endelig den visuelle stil, som bestemmer renderingen: filmisk, dokumentarisk, animeret. En sætning som “filmisk stil, lille dybdeskarphed, varme farver” etablerer et reklamepræg, mens “stiliseret 3D-animation, pastelfarvet palet” fører dig ud i et helt andet univers med samme input-scene.

Rækkefølgen betyder noget. xAI’s guide til billedprompts, skrevet til stillbilleder men nyttig her, bemærker, at et prompt, der starter med stemning, filmkorn eller en liste over forbud, producerer en poleret scene, hvor subjektet blot er en statist i baggrunden. Start derfor med subjektet og dets action, og gem stilen til sidst.

To lag specifikke for video: kamera og lyd

Til tekst-til-video opsummerer xAI deres instruktion i én sætning: beskriv indstillingen, inklusive kamerabevægelse, lys og lyd. To af disse elementer eksisterer ikke i stillbilleder.

Kameraet styres med filmiske begreber: statisk skud, langsomt zoom, køreskinne-shot, drone-perspektiv, timelapse. Eksemplerne i xAI’s dokumentation bruger dem, som de er: et langsomt zoom på et podium på en landingsbane, et kamera, der glider fra en solrig dør til et vindue, et drone-shot mellem toppe, et timelapse af en blomst, der springer ud. Hvis du ikke siger noget, overlader du dette valg til modellen.

Lys har godt af at blive beskrevet, som xAI’s billedguide foreskriver: dets kilde, retning og hårdhed, stærkt nok til at subjektet forbliver læseligt. “Hårdt eftermiddagssol fra venstre” fortæller modellen, hvad den skal belyse; “pænt lys” fortæller den ingenting.

Lyd er en del af resultatet: en genereret video inkluderer som standard et lydspor med læbesynkroniseret tale på grok-imagine-video-1.5 og dens -lite-version. Beskriv derfor det lydbillede, du ønsker – regn på asfalt, summende rum, blød musik – eller fjern sporet med "generate_audio": false, hvis du selv vil lægge lyd på i redigeringen.

Én sidste operativ detalje ændrer måden, du skriver på: på 1.5-modellerne renderer tekst-til-video først et stillbillede fra promptet og animerer det derefter. Startscenen skal derfor læses som et skarpt billede – subjekt, dekoration, lys – og bevægelsen som det, der sker bagefter.

Tre prompts, tre stilarter

Disse lag kombineres forskelligt afhængigt af klippets destination. Til reklamebrug fokuserer du på materiale og lys, og actionen forbliver minimal, men perfekt beskrevet:

A steaming cup of coffee on a rustic wooden table,
steam rising in gentle spirals. Natural side light from
the left, very slow zoom toward the cup, shallow depth of
field, advertising style. Muted coffee shop ambiance.

Til datavisualisering beregnet til en præsentation bliver bevægelsen strukturel – den bærer informationen – og stilen bliver bevidst nøgtern. Denne video skal afspilles under live-kommentar: generér den uden lyd med "generate_audio": false.

A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.

I kreativ animation endelig kan subjektet være abstrakt, forudsat at transformationen er beskrevet præcist:

Abstract geometric shapes transforming fluidly
into one another, vivid color palette on black background.
Camera slowly orbits the shapes, contemporary motion design
style, synth pads.

Tag dig tid til at identificere i hver af disse tre blokke, hvor subjekt, action, omgivelser og stil befinder sig, og derefter kamera og lyd. Denne læseøvelse gør selve skrivningen naturlig bagefter.

Tilpas parametre til indhold

Promptet virker ikke alene: varighed, format og opløsning skal svare til det. Varigheden spænder fra 1 til 15 sekunder, 8 som standard. En varighed på 1 til 3 sekunder passer til en enkelt action, en overgang eller en GIF-lignende rendering; fra 4 til 7 sekunder får du en kort scene med begyndelse og slutning; mellem 8 og 15 sekunder entrer du en narrativ sekvens med udvikling. Jo længere videoen er, desto længere tid tager generationen, og prisen beregnes per sekund: start kort og øg gradvist.

Vælg formatet ud fra den endelige destination. API’et tilbyder ni: 16:9 (standard) til widescreen, web og præsentationer, 9:16 til mobil, stories og Reels, 1:1 til sociale opslag og thumbnails, 4:3 og 3:4 til præsentationer og portrætter, 3:2 og 2:3 til en fotografisk rendering, 21:9 til et ultra-bredt biograf-format, 5:2 til en banner eller site-header. Ved billede-til-video forsvinder dette valg: outputtet følger billedets format.

Hvad angår opløsning, så behold 480p til forhåndsvisninger og udkast – dette er standardværdien, og renderingen er hurtigere – og ryk derefter op til 720p eller 1080p, når klippet går i produktion. 1080p findes kun på 1.5-modellerne: native på grok-imagine-video-1.5, opnået ved opskalering fra 720p på dens -lite-version, mens grok-imagine-video stopper ved 720p. Til enkle videoer anbefaler xAI grok-imagine-video-1.5-lite, den billigste per sekund, og reserverer grok-imagine-video-1.5 til referencebilleder, stemmer, pålagte billeder og native 1080p.

Hvad der får et prompt til at fejle

Fem faldgruber går igen ofte. Den første er et for vagt prompt: “en smuk scene” indeholder ingen brugbar information. Den anden er et prompt, der vil fortælle alt – flere subjekter, flere lokaliteter, flere scener på få sekunder. Til en historie med flere shots skal du følge eksemplet Storyboard to Short Film fra xAI’s kogebog: det opdeler narrativet i fire shots, genererer hvert enkelt separat med sin scene og kamerabevægelse, og samler dem derefter i redigeringen. Den tredje, allerede nævnt, er fraværet af beskrevet bevægelse, hvilket giver et statisk skud. Den fjerde ligger i logiske konflikter: at bede om “en kat, der flyver i vand” sætter modellen over for en modsigelse, og resultatet vil sandsynligvis være inkohærent. Den femte er listen over negationer – “ingen biler, ingen tekst, ingen menneskemængde”. xAI’s billedguide bemærker, at en lang liste over elementer, der skal undgås, let ignoreres og fylder promptet med objekter, der ender med at dukke op: beskriv i stedet det, du gerne vil se.

Hvad angår længde, giver xAI’s dokumentation ikke et ideelt mål for video og kvantificerer ikke grænsen for, hvornår et for langt prompt afvises (invalid_argument-fejl). Deres billedguide foreslår fire til seks sætninger for et enkelt billede: subjektet og dets detaljer, derefter dekoration, lys og indramning. For et video-shot skal du tage udgangspunkt i denne struktur og tilføje action, kamera og lyd.

For at øve dig skal du skrive et komplet prompt til tre forskellige destinationer: en baggrundsvideo til en restaurants hjemmeside, et 3-sekunders klip til en Instagram-story for et tøjmærke og en abstrakt animation til en teknisk præsentation. På hver af dem skal du verificere, at de fire lag er til stede, at kamera og lyd er beskrevet – eller at lydsporet er fjernet – og at varighed og format matcher det tiltænkte brug.

Vigtige pointer

  • Et godt videoprompt indeholder subjekt, action, omgivelser og stil, startende med subjektet
  • xAI beder dig også beskrive kamerabevægelse, lys og lyd
  • Lydsporet genereres som standard; "generate_audio": false giver en stum video
  • Tilpas varighed (1 til 15 sek., 8 som standard), format (ni formater) og opløsning (op til 1080p på 1.5-modeller) til det endelige brug
  • En historie med flere shots genereres shot for shot og redigeres derefter sammen
  • Beskriv det, du vil se, frem for det, du ikke vil se