Imágenes de referencia e imágenes fijadas
En esta página
Lección reescrita el 2 de noviembre de 2026 basándose en la documentación Reference-to-Video de xAI: las imágenes de referencia hacen aparecer personas, objetos o prendas específicas, designadas en el prompt como
<IMAGE_0>,<IMAGE_1>…, no solo para imponer un estilo; engrok-imagine-video-1.5, ahora pueden acompañar aimage, una última imagen fijada, fotogramas clave y voces. La versión anterior afirmaba queimageyreference_imageseran incompatibles. Fuentes: Reference-to-Video · Reference Videos.
Alimentar al modelo con elementos visuales
Animar directamente una imagen no es la única forma de proporcionar elementos visuales al modelo. La API de vídeo de xAI ofrece un segundo mecanismo: las imágenes de referencia. En lugar de mover la imagen tal cual, estas proporcionan elementos que el vídeo debe hacer aparecer —una persona, un producto, una prenda de vestir— sin congelar el primer plano. Comprender la frontera entre image y reference_images es la clave de esta lección.
Dos parámetros, dos intenciones
El parámetro image proporciona la imagen que se va a animar: se convierte en el primer fotograma del vídeo y su contenido se pone en movimiento. Esto es el image-to-video de las lecciones anteriores.
El parámetro reference_images proporciona imágenes cuyos elementos reutiliza el modelo: la cara de un modelo, una camiseta, un frasco de perfume. La escena en sí sigue tu prompt. xAI cita tres usos típicos: probador virtual, emplazamiento de producto e historias con personajes recurrentes. Cada referencia es una URL HTTPS pública, datos codificados en base64 o el file_id de un archivo subido, y puedes mezclar las tres formas en una única solicitud.
{
"model": "grok-imagine-video-1.5",
"prompt": "Plano de seguimiento lento en una pasarela blanca. El modelo de <IMAGE_0> entra desde el fondo y camina hacia la cámara; lleva puesta la camiseta de <IMAGE_1> y vaqueros negros. Cámara lenta, alta calidad, rostros detallados.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Citar referencias en el prompt
El prompt designa cada referencia por su posición en la lista: <IMAGE_0> para la primera, <IMAGE_1> para la segunda, y así sucesivamente. Si también proporcionas image para fijar el primer fotograma, esta ocupa <IMAGE_0>, y tus referencias comienzan en <IMAGE_1>.
Con múltiples referencias, xAI recomienda asignar a cada una un único rol y un lugar fijo en la escena, mantener el reparto limitado y utilizar utilería estática. Una referencia que sirve simultáneamente como personaje y decorado, o diez objetos moviéndose a la vez, producen escenas confusas.
Las reglas
| Límite | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Imágenes de referencia | 14 máx. | 7 máx. |
| Duración | 15 s máx. | 10 s máx. |
| Resolución | 720p máx. | 720p máx. |
| Primera imagen fijada con refs, última imagen, fotogramas clave | Sí | No |
Voces (reference_audios) | 3 voces predefinidas máx. | No |
Una solicitud de este tipo debe contener al menos una imagen de referencia, voz, última imagen o fotograma clave.
Fijar imágenes específicas (grok-imagine-video-1.5)
En grok-imagine-video-1.5, puedes fijar imágenes exactas en momentos dados del vídeo:
imageylast_framejuntos: el vídeo comienza desde la primera imagen y termina en la última, con el modelo interpolando entre ambas.last_framesolo: el modelo inventa la apertura y aterriza en la imagen fijada.last_framecon referencias o voces: la última imagen está fijada, las referencias guían el resto; añadeimagepara fijar también la primera.keyframes: hasta cuatro fotogramas clave, cada uno con untimestamp_sestrictamente entre 0 y la duración del vídeo; los anclajes se ajustan a una cuadrícula de un tercio de segundo, por lo que dos fotogramas clave deben estar separados por al menos un tercio de segundo.
{
"model": "grok-imagine-video-1.5",
"prompt": "La flor se abre lentamente bajo la luz de la mañana",
"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
}
El mismo modelo puede dar voz a tus personajes: reference_audios acepta hasta tres voces predefinidas, designadas por su voice_id (del catálogo de voces de texto a voz de xAI, eve o leo por ejemplo), que el prompt cita como <AUDIO_0>, <AUDIO_1>…
Qué permiten las referencias
El primer caso de uso, y el más rentable en un contexto profesional, es la continuidad: el mismo personaje, el mismo producto, de un vídeo al siguiente. Imagina una campaña de diez vídeos producida en tres semanas: sin referencias, el producto cambia sutilmente de forma y la mascota cambia de cara de un clip a otro. Al proporcionar sistemáticamente las mismas referencias, anclas lo que debe permanecer idéntico, y solo el prompt varía la escena.
{
"model": "grok-imagine-video-1.5",
"prompt": "El smartphone de <IMAGE_0> reposa sobre un escritorio minimalista; su pantalla se enciende gradualmente, luz suave de la mañana",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
El emplazamiento de producto sigue la misma lógica —tu botella, tu zapato en una escena inventada— y el probador virtual lo lleva más allá: una persona y una prenda, cada una en su propia referencia, unidas en la misma toma.
Elegir y combinar tus referencias
Elige imágenes nítidas y bien iluminadas donde el elemento a reutilizar ocupe la mayor parte del encuadre: una camiseta fotografiada sola sobre un fondo neutro funciona mejor que una camiseta llevada por alguien en medio de una multitud. Una referencia, un sujeto.
La redacción del prompt sigue la distribución de roles: las referencias aportan los elementos, el prompt describe la escena y la acción. Nombra cada referencia con su etiqueta allí donde interviene y sé explícito respecto al movimiento, que ninguna imagen porta por sí misma.
Ante una solicitud, la decisión se reduce a una pregunta. Si quieres animar una imagen específica tal cual, usa image. Si quieres una escena nueva donde aparezcan personas u objetos dados, usa reference_images. Si quieres controlar el inicio, el final o momentos específicos, usa las imágenes fijadas de grok-imagine-video-1.5. Y si nada de esto importa, el prompt por sí solo es suficiente.
Puntos clave para recordar
imageanima una imagen que se convierte en la primera del vídeo;reference_imageshace aparecer elementos sin congelar el primer plano.- El prompt cita las referencias por posición:
<IMAGE_0>,<IMAGE_1>… (imageocupa<IMAGE_0>cuando se proporciona). - Hasta 14 referencias en
grok-imagine-video-1.5(15 s), 7 engrok-imagine-video(10 s), 720p máx. - En
grok-imagine-video-1.5,image,last_frame,keyframesyreference_audioscomplementan las referencias. - Un rol por referencia, reparto limitado, utilería estática.