Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Referenzbilder und festgelegte Bilder

Lektion 5 von 12 Aktualisiert am 2. November 2026 Mittelstufe
Auf dieser Seite
  1. Bilder dem Modell zuführen
  2. Zwei Parameter, zwei Absichten
  3. Referenzen im Prompt zitieren
  4. Die Regeln
  5. Festlegung spezifischer Bilder (grok-imagine-video-1.5)
  6. Was Referenzen ermöglichen
  7. Auswahl und Paarung Ihrer Referenzen
  8. Wichtige Punkte zur Erinnerung

Lektion am 2. November 2026 neu überarbeitet basierend auf der Reference-to-Video-Dokumentation von xAI: Referenzbilder sorgen dafür, dass bestimmte Personen, Objekte oder Kleidungsstücke erscheinen, wie im Prompt durch <IMAGE_0>, <IMAGE_1>… bezeichnet – nicht nur, um einen Stil aufzuzwingen; auf grok-imagine-video-1.5 können sie nun image, ein festgelegtes letztes Bild, Keyframes und Stimmen begleiten. Die alte Version behauptete, dass image und reference_images inkompatibel seien. Quellen: Reference-to-Video · Reference Videos.

Bilder dem Modell zuführen

Das direkte Animieren eines Bildes ist nicht der einzige Weg, dem Modell visuelle Inhalte bereitzustellen. Die Video-API von xAI bietet einen zweiten Mechanismus: Referenzbilder. Statt das Bild als Ganzes zu bewegen, stellen sie Elemente bereit, die das Video erscheinen lassen muss – eine Person, ein Produkt, ein Kleidungsstück – ohne den Vordergrund einzufrieren. Das Verständnis der Grenze zwischen image und reference_images ist der Schlüssel zu dieser Lektion.

Zwei Parameter, zwei Absichten

Der Parameter image liefert das Bild, das animiert werden soll: Es wird zum ersten Bild des Videos, und sein Inhalt wird in Bewegung gesetzt. Dies entspricht dem Bild-zu-Video aus vorherigen Lektionen.

Der Parameter reference_images liefert Bilder, deren Elemente das Modell wiederverwendet: das Gesicht eines Modells, ein Hemd, eine Parfümflasche. Die Szene selbst folgt Ihrem Prompt. xAI nennt drei typische Anwendungsfälle: Virtuelles Anprobieren, Produktplatzierung und Geschichten mit wiederkehrenden Charakteren. Jede Referenz ist eine öffentliche HTTPS-URL, ein base64-kodierter Datensatz oder die file_id eines hochgeladenen Dateiobjekts, und Sie können alle drei Formate in einer einzigen Anfrage mischen.

{
  "model": "grok-imagine-video-1.5",
  "prompt": "Langsamer Tracking-Schuss auf einer weißen Laufstrecke. Das Modell aus <IMAGE_0> tritt aus dem Hintergrund ein und geht auf die Kamera zu; es trägt das Hemd aus <IMAGE_1> und schwarze Jeans. Langsamer Zeitlupe, hohe Qualität, detaillierte Gesichter.",
  "reference_images": [
    {"url": "https://exemple.com/mannequin.jpg"},
    {"url": "https://exemple.com/chemise.jpg"}
  ],
  "duration": 10,
  "aspect_ratio": "16:9",
  "resolution": "720p"
}

Referenzen im Prompt zitieren

Der Prompt bezeichnet jede Referenz durch ihre Position in der Liste: <IMAGE_0> für das erste, <IMAGE_1> für das zweite und so weiter. Wenn Sie auch image bereitstellen, um das erste Bild festzulegen, nimmt dieser Parameter <IMAGE_0>, und Ihre Referenzen beginnen bei <IMAGE_1>.

Bei mehreren Referenzen empfiehlt xAI, jeder einen einzigen Zweck und einen festen Platz in der Szene zuzuweisen, die Besetzung begrenzt zu halten und statische Requisite zu verwenden. Eine Referenz, die sowohl Charakter als auch Dekor dient, oder zehn gleichzeitig bewegte Objekte erzeugen verwirrende Szenen.

Die Regeln

Limitgrok-imagine-video-1.5grok-imagine-video
ReferenzbilderMax. 14Max. 7
DauerMax. 15 sMax. 10 s
AuflösungMax. 720pMax. 720p
Erstes Bild festgelegt mit Refs, letztes Bild, KeyframesJaNein
Stimmen (reference_audios)Max. 3 vordefinierte StimmenNein

Eine Anfrage dieses Typs muss mindestens ein Referenzbild, eine Stimme, ein letztes Bild oder einen Keyframe enthalten.

Festlegung spezifischer Bilder (grok-imagine-video-1.5)

Auf grok-imagine-video-1.5 können Sie exakte Bilder zu bestimmten Zeitpunkten im Video fixieren:

  • image und last_frame zusammen: Das Video beginnt mit dem ersten Bild und endet mit dem letzten, wobei das Modell zwischen den beiden interpoliert
  • last_frame allein: Das Modell erfindet den Anfang und landet auf dem festgelegten Bild
  • last_frame mit Referenzen oder Stimmen: Das letzte Bild wird festgelegt, Referenzen leiten den Rest; fügen Sie image hinzu, um auch den Anfang festzulegen
  • keyframes: Bis zu vier Keyframes, jeder mit einem timestamp_s strikt zwischen 0 und der Videodauer; Anker schnappen auf ein Drittel-Sekunden-Raster, sodass zwei Keyframes mindestens ein Drittel Sekunde voneinander entfernt sein müssen
{
  "model": "grok-imagine-video-1.5",
  "prompt": "Die Blume öffnet sich langsam im Morgenlicht",
  "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
}

Das gleiche Modell kann Ihren Charakteren Stimmen geben: reference_audios akzeptiert bis zu drei vordefinierte Stimmen, die durch ihre voice_id (aus dem xAI Text-zu-Sprache-Stimmenkatalog, z. B. eve oder leo) bezeichnet werden, die der Prompt als <AUDIO_0>, <AUDIO_1>… zitiert.

Was Referenzen ermöglichen

Der erste Anwendungsfall und der kosteneffizienteste in einem professionellen Kontext ist Kontinuität: derselbe Charakter, dasselbe Produkt, von einem Video zum nächsten. Stellen Sie sich eine Kampagne aus zehn Videos vor, die über drei Wochen produziert werden: Ohne Referenzen ändert sich das Produkt von Clip zu Clip subtil in Form, und das Maskottchen ändert das Gesicht. Durch systematische Bereitstellung derselben Referenzen verankern Sie, was identisch bleiben muss, und nur der Prompt variiert die Szene.

{
  "model": "grok-imagine-video-1.5",
  "prompt": "Das Smartphone aus <IMAGE_0> sitzt auf einem minimalistischen Schreibtisch; sein Bildschirm schaltet sich allmählich ein, weiches Morgenlicht",
  "reference_images": [
    {"url": "https://exemple.com/smartphone-officiel.jpg"}
  ],
  "duration": 6
}

Produktplatzierung folgt derselben Logik – Ihre Flasche, Ihr Schuh in einer erfundenen Szene – und virtuelles Anprobieren treibt dies weiter: Eine Person und ein Kleidungsstück, jeweils auf einer eigenen Referenz, vereint im selben Bild.

Auswahl und Paarung Ihrer Referenzen

Wählen Sie scharfe, gut beleuchtete Bilder, bei denen das wiederzunehmende Element den Großteil des Bildes einnimmt: Ein Hemd, das allein auf neutralem Hintergrund fotografiert wurde, funktioniert besser als ein Hemd, das in einer Menschenmenge getragen wird. Eine Referenz, ein Subjekt.

Das Prompt-Schreiben folgt der Rollenverteilung: Referenzen bringen die Elemente, der Prompt beschreibt die Szene und die Handlung. Benennen Sie jede Referenz durch ihr Tag, wo sie eingreift, und bleiben Sie bezüglich der Bewegung explizit, die kein Bild trägt.

Bei einer Anfrage kommt die Entscheidung auf eine Frage hinaus. Wenn Sie ein bestimmtes Bild als solches animieren möchten, verwenden Sie image. Wenn Sie eine neue Szene wünschen, in der gegebene Personen oder Objekte erscheinen, verwenden Sie reference_images. Wenn Sie den Anfang, das Ende oder bestimmte Momente steuern möchten, verwenden Sie die festgelegten Bilder von grok-imagine-video-1.5. Und wenn keines davon relevant ist, reicht der Prompt allein.

Wichtige Punkte zur Erinnerung

  • image animiert ein Bild, das zum ersten des Videos wird; reference_images lässt Elemente erscheinen, ohne den Vordergrund einzufrieren
  • Der Prompt zitiert Referenzen durch Position: <IMAGE_0>, <IMAGE_1>… (image nimmt <IMAGE_0>, wenn bereitgestellt)
  • Bis zu 14 Referenzen auf grok-imagine-video-1.5 (15 s), 7 auf grok-imagine-video (10 s), Max. 720p
  • Auf grok-imagine-video-1.5 ergänzen image, last_frame, keyframes und reference_audios die Referenzen
  • Eine Rolle pro Referenz, begrenzte Besetzung, statische Requisite