Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Σύνταξη αποτελεσματικών αιτημάτων για βίντεο

Μάθημα 2 / 12 Ενημερώθηκε 3 Νοεμβρίου 2026 Μέσου επιπέδου
Σε αυτήν τη σελίδα
  1. Η τέχνη του αιτήματος βίντεο
  2. Τα τέσσερα συστατικά μιας καλής περιγραφής
  3. Δύο επίπεδα ειδικά για βίντεο: κάμερα και ήχος
  4. Τρία αιτήματα, τρία στυλ
  5. Αντιστοίχιση παραμέτρων με το περιεχόμενο
  6. Τι κάνει ένα αίτημα να αποτύχει
  7. Βασικά σημεία

Ενημερώθηκε στις 3 Νοεμβρίου 2026. Με βάση τις σελίδες Video Overview και Video Generation της xAI και τον οδηγό αιτημάτων εικόνας: η xAI σας ζητά να περιγράψετε ολόκληρο το πλάνο, συμπεριλαμβανομένης της κίνησης της κάμερας, του φωτισμού και του ήχου. Ο κανόνας «το πολύ δύο ή τρεις προτάσεις» από την προηγούμενη έκδοση δεν εμφανίζεται σε καμία σελίδα της xAI· αντιθέτως, ο οδηγός εικόνας συνιστά τέσσερις έως έξι προτάσεις για μία μόνο εικόνα. Αυτό το μάθημα καλύπτει επίσης την ανάλυση 1080p για τα μοντέλα 1.5, τις εννέα αναλογίες διαστάσεων και το κομμάτι ήχου που παράγεται από προεπιλογή. Πηγές: Video Overview · Video Generation · Image Prompting Guide.

Η τέχνη του αιτήματος βίντεο

Η ποιότητα του παραγόμενου βίντεο εξαρτάται άμεσα από την ακρίβεια του αιτήματός σας, και ένα αίτημα βίντεο απαιτεί περισσότερα από ένα αίτημα εικόνας. Εκεί όπου μια στατική περιγραφή αρκεί για την παραγωγή μιας εικονογράφησης, ένα αίτημα βίντεο πρέπει να μεταφέρει επίσης την κίνηση, τη χρονικότητα και τη δυναμική της σκηνής—και, δεδομένου ότι το βίντεο εξάγεται με soundtrack, αυτό που ακούτε σε αυτό. Ένα αίτημα που περιγράφει τέλεια ένα σκηνικό χωρίς ποτέ να αναφέρει τι κινείται, κινδυνεύει να παράγει ένα σχεδόν παγωμένο πλάνο, τεχνικά κινούμενο αλλά οπτικά άψυχο. Αυτό το μάθημα σας διδάσκει να δομείτε τις περιγραφές σας ώστε να αξιοποιήσετε στο έπακρο τα μοντέλα Grok Imagine Video.

Τα τέσσερα συστατικά μιας καλής περιγραφής

Ένα αποτελεσματικό αίτημα βίντεο αρθρώνει τέσσερα επίπεδα πληροφοριών, και εργάζεστε σε κάθε ένα ξεχωριστά.

Το πρώτο είναι το θέμα: το κύριο στοιχείο ή τα κύρια στοιχεία της σκηνής, περιγραμμένα με αρκετή ακρίβεια ώστε το μοντέλο να μην χρειάζεται να επινοήσει. Το να γράψετε «ένα πουλί» αφήνει το πεδίο εντελώς ανοιχτό· το να γράψετε «ένα κολίβρι με ιριδίζοντα μπλε και πράσινα φτερά» καθορίζει την εμφάνιση και κάνει τις δημιουργίες σας πιο συνεπείς από τη μία προσπάθεια στην άλλη.

Στη συνέχεια έρχεται η δράση, το πιο καθοριστικό συστατικό στο βίντεο. Δεν αρκεί να πείτε ότι κάτι κινείται· πρέπει να καθορίσετε την κίνηση, την κατεύθυνσή της και την έντασή της. Το «ένα πουλί που πετά» είναι μια πρόθεση, όχι μια οδηγία σκηνοθεσίας. Το «ένα κολίβρι που τρέφεται από ένα κόκκινο λουλούδι ιβίσκου, με τα φτερά να χτυπούν γρήγορα» δίνει στο μοντέλο μια χειρονομία, έναν στόχο και έναν ρυθμό.

Το τρίτο επίπεδο είναι το περιβάλλον: ο τόπος, το φως, ο καιρός και η διάθεση. Ένα απλό «σε έναν κήπο» αφήνει το μοντέλο να επιλέξει την ώρα και την εποχή για εσάς. Το «σε έναν καταπράσινο τροπικό κήπο, με χρυσό φως του late afternoon να φιλτράρει μέσα από τη βλάστηση» ορίζει την ατμόσφαιρα και, παρεμπιπτόντως, την κατεύθυνση του φωτός πάνω στο θέμα σας.

Τέλος, το οπτικό στυλ, το οποίο καθορίζει την απόδοση: κινηματογραφικό, ντοκιμαντέρ, κινούμενα σχέδια. Μια φράση όπως «κινηματογραφικό στυλ, μικρό βάθος πεδίου, ζεστά χρώματα» καθιερώνει ένα διαφημιστικό ύφος, ενώ «στυλιζαρισμένο animation 3D, παστέλ παλέτα» σας μεταφέρει σε ένα εντελώς διαφορετικό σύμπαν με την ίδια σκηνή εισόδου.

Η σειρά έχει σημασία. Ο οδηγός αιτημάτων εικόνας της xAI, γραμμένος για στατικές εικόνες αλλά χρήσιμος εδώ, παρατηρεί ότι ένα αίτημα που ξεκινά με διάθεση, κόκκο φιλμ ή μια λίστα απαγορεύσεων παράγει μια γυαλισμένη σκηνή όπου το θέμα είναι απλώς ένας κομπάρσος στο παρασκήνιο. Επομένως, ξεκινήστε με το θέμα και τη δράση του και κρατήστε το στυλ για το τέλος.

Δύο επίπεδα ειδικά για βίντεο: κάμερα και ήχος

Για το text-to-video, η xAI συνοψίζει την οδηγία της σε μία πρόταση: περιγράψτε το πλάνο, συμπεριλαμβανομένης της κίνησης της κάμερας, του φωτισμού και του ήχου. Δύο από αυτά τα στοιχεία δεν υπάρχουν στις στατικές εικόνες.

Η κάμερα ελέγχεται με ορολογία κινηματογράφησης: στατικό πλάνο, αργό ζουμ, πλάνο παρακολούθησης (tracking shot), λήψη με drone, timelapse. Τα παραδείγματα στην τεκμηρίωση της xAI τα χρησιμοποιούν ως έχουν: ένα αργό ζουμ σε μια εξέδρα διαδρόμου, μια κάμερα που γλιστρά από μια ηλιόλουστη πόρτα σε ένα παράθυρο, μια λήψη με drone μεταξύ κορυφών, ένα timelapse ενός λουλουδιού που ανθίζει. Αν δεν πείτε τίποτα, αφήνετε αυτή την επιλογή στο μοντέλο.

Ο φωτισμός ωφελείται από το να περιγράφεται όπως στον οδηγό εικόνας της xAI: η πηγή του, η κατεύθυνση και η σκληρότητά του, αρκετά έντονα ώστε το θέμα να παραμένει ευανάγνωστο. Το «σκληρός απογευματινός ήλιος από τα αριστερά» λέει στο μοντέλο τι να φωτίσει· το «ωραίο φως» δεν του λέει τίποτα.

Ο ήχος είναι μέρος του αποτελέσματος: ένα παραγόμενο βίντεο περιλαμβάνει εξ ορισμού ένα κομμάτι ήχου, με συγχρονισμό χειλιών (lip-sync) στο grok-imagine-video-1.5 και την έκδοση -lite. Επομένως, περιγράψτε το ηχητικό τοπίο που θέλετε—βροχή στο πεζοδρόμιο, βουή δωματίου, απαλή μουσική—ή απενεργοποιήστε το κομμάτι με "generate_audio": false αν σκοπεύετε να προσθέσετε το δικό σας soundtrack στο μοντάζ.

Μια τελευταία λειτουργική λεπτομέρεια αλλάζει τον τρόπο που γράφετε: στα μοντέλα 1.5, το text-to-video πρώτα αποδίδει μια στατική εικόνα από το αίτημα και μετά την κινεί. Επομένως, η αρχική σκηνή πρέπει να διαβάζεται ως μια ευκρινής εικόνα—θέμα, ντεκόρ, φως—και η κίνηση ως αυτό που συμβαίνει στη συνέχεια.

Τρία αιτήματα, τρία στυλ

Αυτά τα επίπεδα συνδυάζονται διαφορετικά ανάλογα με τον προορισμό του κλιπ. Για διαφημιστική χρήση, ενδιαφέρεστε για την υφή και το φως, και η δράση παραμένει ελάχιστη αλλά απόλυτα περιγραμμένη:

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.

Για την οπτικοποίηση δεδομένων που προορίζεται για παρουσίαση, η κίνηση γίνεται δομική—μεταφέρει την πληροφορία—και το στυλ γίνεται σκόπιμα λιτό. Αυτό το βίντεο θα παίζει υπό ζωντανό σχολιασμό: δημιουργήστε το χωρίς ήχο, με "generate_audio": false.

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

Στο δημιουργικό animation τέλος, το θέμα μπορεί να είναι αφηρημένο, υπό την προϋπόθεση ότι ο μετασχηματισμός περιγράφεται με ακρίβεια:

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.

Αφιερώστε λίγο χρόνο για να εντοπίσετε, σε καθένα από αυτά τα τρία μπλοκ, πού βρίσκονται το θέμα, η δράση, το περιβάλλον και το στυλ, και στη συνέχεια η κάμερα και ο ήχος. Αυτή η άσκηση ανάγνωσης κάνει τη συγγραφή φυσική στη συνέχεια.

Αντιστοίχιση παραμέτρων με το περιεχόμενο

Το αίτημα δεν λειτουργεί μόνο του: η διάρκεια, η αναλογία και η ανάλυση πρέπει να ανταποκρίνονται σε αυτό. Η διάρκεια κυμαίνεται από 1 έως 15 δευτερόλεπτα, με προεπιλογή τα 8. Μια διάρκεια 1 έως 3 δευτερολέπτων ταιριάζει σε μία μόνο δράση, μια μετάβαση ή μια απόδοση τύπου GIF· από 4 έως 7 δευτερόλεπτα, έχετε μια σύντομη σκηνή με αρχή και τέλος· μεταξύ 8 και 15 δευτερολέπτων, εισέρχεστε σε αφηγηματική ακολουθία με εξέλιξη. Όσο μεγαλύτερο είναι το βίντεο, τόσο περισσότερος χρόνος generation απαιτείται, και η τιμή χρεώνεται ανά δευτερόλεπτο: ξεκινήστε σύντομα και αυξήστε σταδιακά.

Επιλέξτε την αναλογία με βάση τον τελικό προορισμό. Το API προσφέρει εννέα: 16:9 (προεπιλογή) για ευρεία οθόνη, web και παρουσιάσεις, 9:16 για κινητά, stories και Reels, 1:1 για αναρτήσεις στα social media και thumbnails, 4:3 και 3:4 για παρουσιάσεις και πορτρέτα, 3:2 και 2:3 για φωτογραφική απόδοση, 21:9 για ultra-wide κινηματογραφική μορφή, 5:2 για banner ή header ιστότοπου. Στο image-to-video, αυτή η επιλογή εξαφανίζεται: η έξοδος ακολουθεί την αναλογία της εικόνας.

Όσον αφορά την ανάλυση, κρατήστε το 480p για προεπισκοπήσεις και προσχέδια—αυτή είναι η προεπιλεγμένη τιμή και η απόδοση είναι ταχύτερη—και στη συνέχεια ανεβείτε σε 720p ή 1080p όταν το κλιπ περάσει στην παραγωγή. Το 1080p υπάρχει μόνο στα μοντέλα 1.5: εγγενές στο grok-imagine-video-1.5, που λαμβάνεται με upsampling από 720p στην έκδοση -lite, ενώ το grok-imagine-video σταματά στα 720p. Για απλά βίντεο, η xAI συνιστά το grok-imagine-video-1.5-lite, το φθηνότερο ανά δευτερόλεπτο, και κρατά το grok-imagine-video-1.5 για εικόνες αναφοράς, φωνές, επιβαλλόμενες εικόνες και εγγενές 1080p.

Τι κάνει ένα αίτημα να αποτύχει

Πέντε παγίδες επανέρχονται συχνά. Η πρώτη είναι το πολύ αόριστο αίτημα: «μια όμορφη σκηνή» δεν περιέχει καμία usable πληροφορία. Η δεύτερη είναι το αίτημα που θέλει να τα πει όλα—πολλαπλά θέματα, πολλαπλές τοποθεσίες, πολλαπλές σκηνές σε λίγα δευτερόλεπτα. Για μια ιστορία πολλαπλών πλάνων, ακολουθήστε το παράδειγμα Storyboard to Short Film από το xAI cookbook: χωρίζει την αφήγηση σε τέσσερα πλάνα, δημιουργεί το καθένα ξεχωριστά, με τη σκηνή και την κίνηση της κάμεράς του, και στη συνέχεια τα συναρμολογεί στο μοντάζ. Η τρίτη, όπως αναφέρθηκε ήδη, είναι η απουσία περιγραφόμενης κίνησης, η οποία οδηγεί σε στατικό πλάνο. Η τέταρτη βρίσκεται σε λογικές συγκρούσεις: το να ζητάτε «μια γάτα που πετάει στο νερό» θέτει το μοντέλο μπροστά σε μια αντίφαση, και το αποτέλεσμα είναι πιθανό να είναι ασυνεπές. Η πέμπτη είναι η λίστα των αρνήσεων—«όχι αυτοκίνητα, όχι κείμενο, όχι πλήθος». Ο οδηγός εικόνας της xAI σημειώνει ότι μια μακρά λίστα στοιχείων προς αποφυγή αγνοείται εύκολα και γεμίζει το αίτημα με αντικείμενα που τελικά εμφανίζονται: περιγράψτε αντ’ αυτού αυτό που θέλετε να δείτε.

Όσον αφορά το μήκος, η τεκμηρίωση της xAI δεν δίνει ιδανικό μέτρο για βίντεο και δεν ποσοτικοποιεί το όριο πέρα από το οποίο ένα πολύ μεγάλο αίτημα απορρίπτεται (σφάλμα invalid_argument). Ο οδηγός εικόνας της προτείνει τέσσερις έως έξι προτάσεις για μία μόνο εικόνα: το θέμα και οι λεπτομέρειές του, και μετά το ντεκόρ, το φως και το κάδρο. Για ένα πλάνο βίντεο, ξεκινήστε από αυτή τη δομή και προσθέστε δράση, κάμερα και ήχο.

Για εξάσκηση, γράψτε ένα πλήρες αίτημα για τρεις διαφορετικούς προορισμούς: ένα βίντεο φόντου για έναν ιστότοπο εστιατορίου, ένα κλιπ 3 δευτερολέπτων για ένα Instagram story μιας μάρκας ρούχων και ένα αφηρημένο animation για μια τεχνική παρουσίαση. Σε καθένα, επαληθεύστε ότι τα τέσσερα επίπεδα είναι παρόντα, ότι η κάμερα και ο ήχος περιγράφονται—ή ότι το κομμάτι ήχου έχει απενεργοποιηθεί—και ότι η διάρκεια και η αναλογία ταιριάζουν με την προβλεπόμενη χρήση.

Βασικά σημεία

  • Ένα καλό αίτημα βίντεο περιέχει θέμα, δράση, περιβάλλον και στυλ, ξεκινώντας με το θέμα
  • Η xAI σας ζητά επίσης να περιγράψετε την κίνηση της κάμερας, το φως και τον ήχο
  • Το κομμάτι ήχου παράγεται από προεπιλογή· το "generate_audio": false δίνει ένα βίντεο χωρίς ήχο
  • Προσαρμόστε τη διάρκεια (1 έως 15 δλ, 8 προεπιλογή), την αναλογία (εννέα μορφές) και την ανάλυση (έως 1080p στα μοντέλα 1.5) στην τελική χρήση
  • Μια ιστορία πολλαπλών πλάνων δημιουργείται πλάνο-πλάνο και στη συνέχεια μοντάρεται
  • Περιγράψτε αυτό που θέλετε να δείτε αντί για αυτό που δεν θέλετε