Εμψύχωση μιας εικόνας με image-to-video
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 2 Νοεμβρίου 2026 με βάση την αναφορά API βίντεο της xAI: η εικόνα προέλευσης τοποθετείται σε ένα αντικείμενο
image({"url": ...}ή{"file_id": ...}), όχι ως απλή συμβολοσειρά. Πηγές: Image-to-Video · Video Reference.
Δώστε ζωή στις εικόνες σας
Το API της xAI δεν δημιουργεί απλώς βίντεο από το μηδέν. Μπορεί επίσης να εμψυχώσει μια υπάρχουσα εικόνα—παίρνοντας ένα οπτικό στοιχείο που ήδη κατέχετε και θέτοντάς το σε κίνηση. Αυτή η λειτουργία, που ονομάζεται image-to-video, αλλάζει τη φύση της εργασίας: δεν ζητάτε πλέον από το μοντέλο να επινοήσει μια σκηνή, αλλά να επεκτείνει τη δική σας. Αυτό είναι ακριβώς αυτό που χρειάζεστε για ένα φυλλάδιο προϊόντος που πρέπει να μετατραπεί σε διαφήμιση, μια επεξεργασμένη εικονογράφηση για τα μέσα κοινωνικής δικτύωσης ή ένα οπτικό στοιχείο μάρκας που έχει ήδη εγκριθεί από έναν πελάτη.
Η παράμετρος image
Τεχνικά, όλα ανάγονται στην προσθήκη ενός αντικειμένου image, το οποίο αναγνωρίζει το οπτικό στοιχείο προέλευσης μέσω του url του (δημόσια διεύθυνση ή δεδομένα κωδικοποιημένα σε base64) ή μέσω του file_id ενός αρχείου που μεταφορτώθηκε μέσω του Files API.
{
"model": "grok-imagine-video",
"prompt": "Animate this scene with a wind effect in the hair",
"image": {"url": "https://exemple.com/photo-portrait.jpg"},
"duration": 5
}
Το μοντέλο αναλύει την παρεχόμενη εικόνα, διατηρεί το οπτικό της περιεχόμενο καιεγχύ την κίνηση που περιγράφεται από το prompt. Τρεις προϋποθέσεις διέπουν αυτή την κλήση: η εικόνα πρέπει να είναι προσβάσιμη (δημόσιο URL, δεδομένα base64 ή μεταφορτωμένο αρχείο), σε μορφή JPEG, PNG ή WebP, και το prompt πρέπει να περιγράφει την επιθυμητή κίνηση και όχι την ίδια την εικόνα—το μοντέλο την βλέπει ήδη, και η εκ νέου περιγραφή της απλώς σπαταλά την προσοχή του.
Γράψτε ένα prompt όταν η εικόνα μιλάει ήδη
Αυτή είναι η πιο σημαντική αλλαγή σε αυτό το μάθημα. Στο text-to-video, το prompt σας αναλαμβάνει τα πάντα: θέμα, σκηνικό, στυλ, δράση. Στο image-to-video, τα τρία πρώτα δίνονται και εσείς χρειάζεται να εργαστείτε μόνο στο τέταρτο. Ένα καλό prompt εμψύωσης μοιάζει λοιπόν με μια σημείωση σκηνοθέτη προς έναν διευθυντή φωτογραφίας που έχει ήδη το σκηνικό μπροστά του.
Εστιάστε πρώτα σε αυτό που πρέπει να κινηθεί, ονομάζοντας το στοιχείο και τη φύση της χειρονομίας: «τα φύλλα θροΐζουν απαλά στον άνεμο», «το νερό του ποταμού ρέει αργά», «ο χαρακτήρας γυρίζει το κεφάλι του προς τα δεξιά». Στη συνέχεια, μπορείτε να προσθέσετε ένα στρώμα δυναμικής ατμόσφαιρας, το οποίο δεν αφορά ένα συγκεκριμένο αντικείμενο αλλά τη γενική ατμόσφαιρα—«το φως του ήλιου να filtrάρει σταδιακά μέσα από τα σύννεφα», «αρχίζει να πέφτει ελαφριά βροχή». Δύο συνήθειες που πρέπει να ξεμάθετε: μην περιγράφετε εκ νέου την εικόνα («ένα τοπίο με βουνά» δεν προσθέτει τίποτα) και μην ζητάτε ριζικό μετασχηματισμό του περιεχομένου της—αυτό δεν κάνει αυτό το endpoint.
Τρία συγκεκριμένα παραδείγματα
Μια φωτογραφία προϊόντος, ας πούμε ένα ρολόι που ακουμπά σε ένα βελούδινο μαξιλάρι, δίνεται για μια απλή μηχανική κίνηση και ένα παιχνίδι φωτός. Η τετράγωνη μορφή ταιριάζει στη ροή των social media για την οποία προορίζεται.
{
"model": "grok-imagine-video",
"prompt": "Slow rotation of the watch on itself, light reflections sparkling on the dial",
"image": {"url": "https://exemple.com/montre.jpg"},
"duration": 5,
"aspect_ratio": "1:1"
}
Ένα τοπίο—εδώ μια λίμνη στα βουνά την αυγή—επιτρέπει πολλές ταυτόχρονες κινήσεις, αρκεί να παραμένουν αργές και φυσικές. Η μεγαλύτερη διάρκεια δικαιολογείται επειδή η διάλυση της ομίχλης είναι ένα εφέ που χρειάζεται χρόνο για να γίνει αντιληπτό.
{
"model": "grok-imagine-video",
"prompt": "Slight ripples on the lake surface, morning mist dissipating slowly, birds crossing the sky",
"image": {"url": "https://exemple.com/lac-montagne.jpg"},
"duration": 8,
"aspect_ratio": "16:9"
}
Ένα πορτρέτο, τέλος, απαιτεί συγκράτηση: λίγα δευτερόλεπτα αρκούν και η κίνηση πρέπει να παραμείνει μικροσκοπική ή κινδυνεύει να γίνει απόκοσμη. Η κάθετη μορφή το προετοιμάζει για δημοσίευση ως story.
{
"model": "grok-imagine-video",
"prompt": "The person blinks gently and smiles slightly, hair moving with a light breeze",
"image": {"url": "https://exemple.com/portrait.jpg"},
"duration": 3,
"aspect_ratio": "9:16"
}
Πού κάνει τη διαφορά αυτή η προσέγγιση
Το Image-to-video βρίσκει το φυσικό του έδαφος όπου υπάρχουν ήδη υπάρχοντα οπτικά περιουσιακά στοιχεία. Στο ηλεκτρονικό εμπόριο, μετατρέπει έναν κατάλογο φωτογραφιών σε ένα απόθεμα βίντεο διαφημίσεων χωρίς νέα γυρίσματα. Στα μέσα κοινωνικής δικτύωσης, δίνει νέα ζωή σε στατικές αναρτήσεις των οποίων η αλληλεπίδραση έχει σταθεροποιηθεί. Στις παρουσιάσεις, εμψυχώνει διαφάνειες και εικονογραφήσεις που δεν θα δικαιολογούσαν ποτέ προϋπολογισμό παραγωγής. Και για τη δημιουργική εργασία, σας επιτρέπει να εξερευνήσετε κινούμενες παραλλαγές του ίδιου έργου με αμελητέο κόστος.
Τρεις περιορισμοί μετριάζουν αυτόν τον ενθουσιασμό και είναι καλύτερο να τους γνωρίζετε πριν υποσχεθείτε ένα αποτέλεσμα. Το μοντέλο γενικά σέβεται τη σύνθεση της εικόνας προέλευσης, αλλά παραμορφώσεις μπορεί να εμφανιστούν σε λεπτές λεπτομέρειες—τυπογραφία, χέρια, επαναλαμβανόμενα μοτίβα. Οι σύνθετες κινήσεις, όπως ένας χαρακτήρας που περπατά ή ένα όχημα που επιταχύνει, είναι σημαντικά πιο δύσκολο να επιτευχθούν από τις λεπτές κινήσεις του ανέμου, του νερού ή του φωτός· κατευθύνετε τα αιτήματά σας προς τα τελευταία. Τέλος, η ποιότητα του αποτελέσματος εξαρτάται άμεσα από την ανάλυση της εικόνας προέλευσης: ένα μέτριο οπτικό στοιχείο στην είσοδο δεν θα παράγει ποτέ ένα καθαρό βίντεο στην έξοδο.
Βασικά σημεία
- Η παράμετρος
imageδέχεται ένα URL προς την εικόνα που θα εμψυχωθεί - Το prompt πρέπει να περιγράφει την κίνηση, όχι την εικόνα
- Οι λεπτές κινήσεις (άνεμος, νερό, φως) αποδίδουν τα καλύτερα αποτελέσματα
- Το Image-to-video είναι ιδανικό για το ηλεκτρονικό εμπόριο και τα μέσα κοινωνικής δικτύωσης
- Η ποιότητα της εικόνας προέλευσης επηρεάζει άμεσα το αποτέλεσμα