Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Referencebilleder og fastlåste billeder

Lektion 5 af 12 Opdateret 2. november 2026 Mellem
På denne side
  1. Tilførsel af visuelle elementer til modellen
  2. To parametre, to intentioner
  3. Henvisning til referencer i prompten
  4. Reglerne
  5. Fastlåsning af specifikke billeder (grok-imagine-video-1.5)
  6. Hvad referencer muliggør
  7. Valg og sammenkobling af dine referencer
  8. Vigtige pointer

Lektionen er omskrevet den 2. november 2026 baseret på Reference-to-Video-dokumentationen fra xAI: referencebilleder får specifikke personer, objekter eller tøj til at fremstå, udpeget i prompten som <IMAGE_0>, <IMAGE_1>… – ikke blot for at påtvinge en stil; på grok-imagine-video-1.5 kan de nu ledsage image, et fastlåst slutbillede, nøglebilleder og stemmer. Den gamle version påstod, at image og reference_images var uforenelige. Kilder: Reference-to-Video · Reference Videos.

Tilførsel af visuelle elementer til modellen

Direkte animering af et billede er ikke den eneste måde at levere visuelle elementer til modellen på. xAI’s video-API tilbyder en anden mekanisme: referencebilleder. I stedet for at bevæge billedet, som det er, leverer de elementer, som videoen skal få til at fremstå – en person, et produkt, et tøjstykke – uden at fryse forgrunden. At forstå grænsen mellem image og reference_images er nøglen til denne lektion.

To parametre, to intentioner

Parameteren image leverer det billede, der skal animeres: det bliver videoens første billede, og dets indhold sættes i bevægelse. Dette er billede-til-video fra tidligere lektioner.

Parameteren reference_images leverer billeder, hvis elementer modellen genbruger: en models ansigt, en skjorte, en parfumeflaske. Selve scenen følger din prompt. xAI nævner tre typiske anvendelser: virtuel prøvning, produktplacering og historier med tilbagevendende karakterer. Hver reference er en offentlig HTTPS-URL, base64-kodede data eller file_id for en uploadet fil, og du kan blande alle tre former i en enkelt anmodning.

{
  "model": "grok-imagine-video-1.5",
  "prompt": "Slow tracking shot on a white runway. The model from <IMAGE_0> enters from the background and walks toward the camera; they are wearing the shirt from <IMAGE_1> and black jeans. Slow motion, high quality, detailed faces.",
  "reference_images": [
    {"url": "https://exemple.com/mannequin.jpg"},
    {"url": "https://exemple.com/chemise.jpg"}
  ],
  "duration": 10,
  "aspect_ratio": "16:9",
  "resolution": "720p"
}

Henvisning til referencer i prompten

Prompten udpeger hver reference efter dens position i listen: <IMAGE_0> for den første, <IMAGE_1> for den anden og så videre. Hvis du også angiver image for at fastlåse det første billede, overtager den <IMAGE_0>, og dine referencer starter ved <IMAGE_1>.

Ved flere referencer anbefaler xAI, at du giver hver enkelt en enkelt rolle og en fast plads i scenen, holder castet begrænset og bruger statiske rekvisitter. En reference, der fungerer som både karakter og dekoration, eller ti objekter, der bevæger sig på én gang, skaber forvirrende scener.

Reglerne

Grænsegrok-imagine-video-1.5grok-imagine-video
ReferencebillederMaks. 14Maks. 7
VarighedMaks. 15 sMaks. 10 s
OpløsningMaks. 720pMaks. 720p
Første billede fastlåst med referencer, sidste billede, nøglebillederJaNej
Stemmer (reference_audios)Maks. 3 foruddefinerede stemmerNej

En anmodning af denne type skal indeholde mindst ét referencebillede, én stemme, ét sidste billede eller nøglebilleder.

Fastlåsning af specifikke billeder (grok-imagine-video-1.5)

På grok-imagine-video-1.5 kan du fastlåse nøjagtige billeder på givne tidspunkter i videoen:

  • image og last_frame sammen: videoen starter fra det første billede og slutter på det sidste, hvor modellen interpolerer mellem de to
  • last_frame alene: modellen opfinder åbningen og lander på det fastlåste billede
  • last_frame med referencer eller stemmer: det sidste billede er fastlåst, referencer styrer resten; tilføj image for også at fastlåse starten
  • keyframes: op til fire nøglebilleder, hver med et timestamp_s strengt mellem 0 og videovarigheden; ankre snap-per til et gitter på en tredjedel sekund, så to nøglebilleder skal være adskilt af mindst en tredjedel sekund
{
  "model": "grok-imagine-video-1.5",
  "prompt": "The flower opens slowly under the morning light",
  "image": {"url": "https://exemple.com/bouton-ferme.jpg"},
  "last_frame": {"url": "https://exemple.com/fleur-ouverte.jpg"},
  "keyframes": [
    {"image": {"url": "https://exemple.com/fleur-mi-ouverte.jpg"}, "timestamp_s": 3.0}
  ],
  "duration": 6
}

Den samme model kan give dine karakterer stemmer: reference_audios accepterer op til tre foruddefinerede stemmer, udpeget ved deres voice_id (fra xAI’s tekst-til-tale-stemmekatalog, f.eks. eve eller leo), som prompten citerer som <AUDIO_0>, <AUDIO_1>…

Hvad referencer muliggør

Det første use case, og det mest omkostningseffektive i en professionel kontekst, er kontinuitet: den samme karakter, det samme produkt, fra den ene video til den næste. Forestil dig en kampagne på ti videoer produceret over tre uger: uden referencer ændrer produktet subtilt form, og maskotten skifter ansigt fra klip til klip. Ved systematisk at levere de samme referencer forankrer du det, der skal forblive identisk, og kun prompten varierer scenen.

{
  "model": "grok-imagine-video-1.5",
  "prompt": "The smartphone from <IMAGE_0> sits on a minimalist desk; its screen turns on gradually, soft morning light",
  "reference_images": [
    {"url": "https://exemple.com/smartphone-officiel.jpg"}
  ],
  "duration": 6
}

Produktplacering følger den samme logik – din flaske, din sko i en opfundet scene – og virtuel prøvning går endnu videre: en person og et tøjstykke, hver på sin egen reference, forenet i samme skud.

Valg og sammenkobling af dine referencer

Vælg skarpe, veloplyste billeder, hvor elementet, der skal genbruges, optager det meste af billedrammen: en skjorte fotograferet alene på en neutral baggrund fungerer bedre end en skjorte båret i en menneskemængde. Én reference, ét emne.

Skrivning af prompten følger rollefordelingen: referencer bringer elementerne, prompten beskriver scenen og handlingen. Navngiv hver reference med dens tag, hvor den griber ind, og vær eksplicit omkring bevægelse, hvilket intet billede bærer i sig selv.

Når du står over for en anmodning, reduceres beslutningen til ét spørgsmål. Hvis du vil animere et specifikt billede, som det er, skal du bruge image. Hvis du vil have en ny scene, hvor givne personer eller objekter fremstår, skal du bruge reference_images. Hvis du vil kontrollere start, slutning eller specifikke øjeblikke, skal du bruge de fastlåste billeder på grok-imagine-video-1.5. Og hvis intet af dette betyder noget, er prompten alene tilstrækkelig.

Vigtige pointer

  • image animerer et billede, der bliver videoens første; reference_images får elementer til at fremstå uden at fryse forgrunden
  • Prompten citerer referencer efter position: <IMAGE_0>, <IMAGE_1>… (image overtager <IMAGE_0>, når den angives)
  • Op til 14 referencer på grok-imagine-video-1.5 (15 s), 7 på grok-imagine-video (10 s), maks. 720p
  • På grok-imagine-video-1.5 supplerer image, last_frame, keyframes og reference_audios referencerne
  • Én rolle per reference, begrænset cast, statiske rekvisitter