Edición con múltiples imágenes y referencias
En esta página
Actualizado el 2 de noviembre de 2026 — Imagine.
grok-imagine-image-qualityse eliminó a partir del 2 de noviembre de 2026 (las solicitudes ahora las gestiona Imagine 2.0 en calidadlow): los ejemplos usan ahoragrok-imagine-image(Imagine 1.0) ygrok-imagine-image-2.0(Imagine 2.0, con calidadlow,mediumoauto). Con el SDK de OpenAI,aspect_ratio,resolutionyqualityse pasan medianteextra_body, y la edición se gestiona a través del SDK de xAI o una petición HTTP.
Trabajo con múltiples imágenes de origen
Una de las ventajas del endpoint de edición es la capacidad de proporcionar hasta 5 imágenes de referencia en una única solicitud. Esto abre posibilidades creativas avanzadas: combinar elementos de múltiples fuentes, mezclar estilos o crear composiciones complejas.
El parámetro images (en plural)
Cambiar de image a images altera algo más que la forma del parámetro: cambia lo que le pides al modelo. Con una única fuente, el modelo modifica una imagen; con varias, debe arbitrar entre ellas, decidiendo qué tomar de cada una. Arbitrará en cualquier caso; la única cuestión es si diriges tú ese proceso, que es el foco de la siguiente sección.
Ten en cuenta que los dos parámetros son mutuamente excluyentes: image (objeto único) e images (array) no pueden combinarse.
import requests
import os
headers = {
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
}
payload = {
"model": "grok-imagine-image",
"prompt": "Combina el personaje de la primera imagen con "
"el paisaje de la segunda imagen",
"images": [
{"url": "https://exemple.com/personnage.jpg"},
{"url": "https://exemple.com/paysage.jpg"}
]
}
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers=headers,
json=payload
).json()
Referenciar imágenes en el prompt
Cuando proporcionas varias imágenes, puedes referirte a ellas individualmente en tu prompt usando la sintaxis <IMAGE_0>, <IMAGE_1>, etc. El índice comienza en 0.
payload = {
"model": "grok-imagine-image",
"prompt": "Coloca el producto de <IMAGE_0> sobre la mesa de <IMAGE_1>, "
"con la iluminación ambiental de <IMAGE_2>",
"images": [
{"url": "https://exemple.com/produit.jpg"}, # <IMAGE_0>
{"url": "https://exemple.com/table.jpg"}, # <IMAGE_1>
{"url": "https://exemple.com/ambiance.jpg"} # <IMAGE_2>
]
}
Esta sintaxis es lo que distingue una composición controlada de una mezcla aproximada. Decir «combina estas imágenes» deja todo en manos del modelo; decir «coloca el producto de <IMAGE_0> en el entorno de <IMAGE_1> manteniendo la iluminación de <IMAGE_1>» no deja margen para la interpretación. En cuanto proporciones más de una fuente, haz referencia a ellas de forma explícita.
Casos de uso con múltiples imágenes
Transferencia de estilo
Aplica el estilo de una imagen de referencia a otra:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Reproduce el contenido de <IMAGE_0> en el estilo artístico de <IMAGE_1>",
"images": [
{"url": "https://exemple.com/photo-originale.jpg"},
{"url": "https://exemple.com/reference-style.jpg"}
]
}
Composición de producto
Integra un producto en un entorno con iluminación de referencia:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Fotografía el producto de <IMAGE_0> colocado sobre el mueble de <IMAGE_1> "
"en la habitación de <IMAGE_2>, con iluminación natural coherente",
"images": [
{"url": "https://exemple.com/produit-detouré.png"},
{"url": "https://exemple.com/meuble.jpg"},
{"url": "https://exemple.com/piece.jpg"}
]
}
Fusión de rostro y fondo
Combina un retrato con un fondo específico:
payload = {
"model": "grok-imagine-image",
"prompt": "Coloca a la persona de <IMAGE_0> frente al edificio de <IMAGE_1>, "
"manteniendo la iluminación natural y la perspectiva",
"images": [
{"url": "https://exemple.com/portrait.jpg"},
{"url": "https://exemple.com/batiment.jpg"}
]
}
Límites y buenas prácticas
El límite técnico es de 5 imágenes por solicitud, y puedes mezclar formatos libremente —algunas fuentes como URL, otras como Base64— en el mismo array. La dificultad real no está ahí: reside en la precisión del prompt, que debe crecer con el número de imágenes. Con dos fuentes, a menudo basta con «combina el personaje y el entorno»; con cinco, el modelo ya no puede adivinar qué elemento tomar de qué imagen, y aquí es exactamente donde entran las referencias <IMAGE_1> a <IMAGE_5>: «coloca el logo de <IMAGE_2> en la camiseta del personaje de <IMAGE_1>, con la ambientación lumínica de <IMAGE_3>» no deja lugar a ambigüedades. Para composiciones complejas con múltiples fuentes, el modelo pro (grok-imagine-image-quality) justifica su coste adicional: es precisamente donde la brecha con el modelo estándar resulta más visible, en la coherencia entre elementos heterogéneos.
Práctica guiada
Prueba a combinar dos imágenes que tengas a mano:
payload = {
"model": "grok-imagine-image",
"prompt": "Crea una escena donde el objeto de <IMAGE_0> flote en el cielo de <IMAGE_1>, "
"estilo surrealista",
"images": [
{"url": "URL_DE_TU_PRIMERA_IMAGEN"},
{"url": "URL_DE_TU_SEGUNDA_IMAGEN"}
],
"n": 3
}
Genera 3 variaciones para comparar las interpretaciones del modelo.
Puntos clave
- El parámetro
imagesacepta hasta 5 imágenes de origen en un array image(singular) eimages(plural) son mutuamente excluyentes- La sintaxis
<IMAGE_0>,<IMAGE_1>permite referenciar cada imagen en el prompt - Los casos de uso incluyen transferencia de estilo, composición y fusión
- Sé preciso en tu prompt cuando uses múltiples fuentes