Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Kirjuta tõhusaid videoviipeid

Õppetund 2 / 12 Värskendatud 3. november 2026 Kesktase
Sellel lehel
  1. Videoviipe kunst
  2. Hea kirjelduse neli komponenti
  3. Kaks videole omast kihti: kaamera ja heli
  4. Kolm viipi, kolm stiili
  5. Parameetrite sobitamine sisuga
  6. Mis paneb viibi ebaõnnestuma
  7. Peamised punktid

Uuendatud 3. novembril 2026. Põhineb xAI lehtedel Video Overview ja Video Generation ning selle pildiviipide juhendil: xAI palub kirjeldada kogu kaadrit, sealhulgas kaamera liikumist, valgust ja heli. Eelmises versioonis kehtinud reegel „maksimaalselt kaks või kolm lauset“ ei leidu ühelgi xAI lehel; tegelikult soovitab pildijuhend ühe pildi jaoks nelja kuni kuut lauset. See tund käsitleb ka 1080p lahutusvõimet 1.5 mudelite jaoks, üheksat kuvasuhet ja vaikimisi genereeritavat helirada. Allikad: Video Overview · Video Generation · Image Prompting Guide.

Videoviipe kunst

Genereeritud video kvaliteet sõltub otseselt sinu viibi täpsusest ja videoviip nõuab rohkem kui pildiviip. Kui staatiline kirjeldus piisab illustratsiooni loomiseks, peab videoviip edasi andma ka stseeni liikumist, ajalisust ja dünaamikat – ning kuna video väljastatakse koos helirajaga, siis ka seda, mida selles kuulda on. Viip, mis kirjeldab täiuslikult keskkonda, kuid ei ütle kunagi, mis liigub, riskib toota peaaegu külmunud kaadri, mis on tehniliselt animeeritud, kuid visuaalselt elutu. See tund õpetab sind struktureerima oma kirjeldusi, et saada Grok Imagine Video mudelitest maksimum.

Hea kirjelduse neli komponenti

Tõhus videoviip liigendab teavet neljaks kihiks ja sa töötad igaühega eraldi.

Esimene on subjekt: stseeni peamine element või elemendid, mida kirjeldatakse piisava täpsusega, et mudel ei peaks midagi välja mõtlema. Kirjutades „lind“, jätad välja suure valikuvabaduse; kirjutades „kolibri iriseeruvate siniste ja roheliste sulgedega“, lukustad välimuse ja muudad oma generatsioonid ühest katsest teiseni järjekindlamaks.

Järgneb tegevus, mis on video puhul kõige otsustavam komponent. Ei piisa öelda, et midagi liigub; sa pead täpsustama liikumist, selle suunda ja intensiivsust. „Lind lendamas“ on kavatsus, mitte lavastusjuhend. „Kolibri, kes toitub punasest hibiskiõiest, tiivad löövad kiiresti“ annab mudelile žesti, sihtmärgi ja rütmi.

Kolmas kiht on keskkond: koht, valgus, ilm ja meeleolu. Lihtne „aias“ jätab mudelile valida aja ja aastaaja. „Lush troopilises aias, kuldne hilis pärastlõuna valgus, mis filtreerub läbi lehestiku“ seab atmosfääri ja määrab muu hulgas ka valguse suuna sinu subjektile.

Lõpuks visuaalne stiil, mis määrab renderduse: filmilik, dokumentaalne, animeeritud. Fraas nagu „filmilik stiil, madal sügavusteravus, soojad värvid“ loob reklaamse registre, samas kui „stiliseeritud 3D-animatsioon, pastellpalett“ viib sind sama sisendstseeniga hoopis teise universumisse.

Järjestus loeb. xAI pildiviipide juhend, mis on kirjutatud staatiliste piltide jaoks, kuid on siin kasulik, märgib, et viip, mis algab meeleolu, filmitera või keeldude loeteluga, toob kaasa lihvitud stseeni, kus subjekt on vaid taustategelane. Seega alusta subjektist ja selle tegevusest ning jäta stiil lõppu.

Kaks videole omast kihti: kaamera ja heli

Tekstist-videoks funktsiooni puhul võtab xAI oma juhise kokku ühe lausega: kirjelda kaadrit, sealhulgas kaamera liikumist, valgust ja heli. Kaks neist elementidest puuduvad staatilistel piltidel.

Kaamerat juhitakse filmimisterminoloogiaga: staatiline kaader, aeglane suum, jälgiv kaamera, droonivaade, ajavõte. xAI dokumentatsiooni näited kasutavad neid sellisena: aeglane suum moelava podiumile, kaamera libisemine päikesepaisteliselt ukselt aknani, droonikaader tippude vahel, õie õitsemise ajavõte. Kui sa ei ütle midagi, jätad selle valiku mudelile.

Valgust tasub kirjeldada nii, nagu xAI pildijuhend soovitab: selle allikas, suund ja kõvadus, piisavalt tugevalt, et subjekt jääks loetavaks. „Kõva pärastlõunane päike vasakult“ ütleb mudelile, mida valgustada; „ilus valgus“ ei ütle talle midagi.

Heli on tulemuse osa: genereeritud video sisaldab vaikimisi helirada, koos huulte sünkroonimisega kõnele mudelitel grok-imagine-video-1.5 ja selle -lite versioonil. Seega kirjelda helimaastikku, mida soovid – vihm sillutisel, ruumi sumin, pehme muusika – või lõika rada käsuga "generate_audio": false, kui plaanid montaažis oma heliraja peale panna.

Viimane operatiivne detail muudab sinu kirjutamisviisi: 1.5 mudelitel renderdab tekstist-videoks funktsioon kõigepealt viibi põhjal staatilise pildi ja animeerib seejärel seda. Seega peab algusstseen lugema terava pildina – subjekt, dekoratsioon, valgus – ja liikumine kui see, mis juhtub järgmiseks.

Kolm viipi, kolm stiili

Need kihid kombineeruvad erinevalt sõltuvalt klipi kasutusotstarbest. Reklaamkasutuse puhul hoolitsed materjali ja valguse eest ning tegevus jääb minimaalseks, kuid täiuslikult kirjeldatuks:

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.

Andmevisualiseerimise puhul, mis on mõeldud esitluseks, muutub liikumine struktuurseks – see kannab informatsiooni – ja stiil muutub tahtlikult kaineaks. See video mängib otsekommentaari taustal: genereeri see tummana, kasutades "generate_audio": false.

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

Lõpuks, loomingulises animatsioonis võib subjekt olla abstraktne, tingimusel et transformatsioon on täpselt kirjeldatud:

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.

Võta hetk, et tuvastada igas neist kolmest plokist, kus asuvad subjekt, tegevus, keskkond ja stiil, ning seejärel kaamera ja heli. See lugemisharjutus muudab kirjutamise hiljem loomulikuks.

Parameetrite sobitamine sisuga

Viip ei tööta üksi: kestus, kuvasuhe ja lahutusvõime peavad sellele vastama. Kestus jääb vahemikku 1 kuni 15 sekundit, vaikimisi 8. Kestus 1 kuni 3 sekundit sobib ühele tegevusele, üleminekule või GIF-stiilis renderdusele; 4 kuni 7 sekundit saad lühikese stseeni alguse ja lõpuga; 8 kuni 15 sekundi vahel astud narratiivsesse jadasse arenguga. Mida pikem on video, seda rohkem aega võtab genereerimine ja hind loetakse sekundi järgi: alusta lühikesest ja suurenda järk-järgult.

Vali kuvasuhe lõppkasutuse põhjal. API pakub üheksat: 16:9 (vaikimisi) laiekraani, veebi ja esitluste jaoks, 9:16 mobiili, lugude ja Reelsi jaoks, 1:1 sotsiaalmeedia postituste ja pisipiltide jaoks, 4:3 ja 3:4 esitluste ja portreede jaoks, 3:2 ja 2:3 fotograafilise renderduse jaoks, 21:9 ülilai kinovormingu jaoks, 5:2 bänneri või saidi päise jaoks. Pildist-videoks funktsioonis see valik kaob: väljund järgib pildi kuvasuhet.

Mis puutub lahutusvõimesse, siis hoia eelvaadete ja mustandite jaoks 480p – see on vaikimisi väärtus ja renderdus on kiirem – ning mine üle 720p või 1080p peale, kui klipp läheb tootmisse. 1080p on olemas ainult 1.5 mudelitel: emakeelena mudelil grok-imagine-video-1.5, saadud 720p ülesproovimisega selle -lite versioonil, samas kui grok-imagine-video peatub 720p juures. Lihtsate videote jaoks soovitab xAI grok-imagine-video-1.5-lite, mis on sekundihinnalt odavaim, ja reserveerib grok-imagine-video-1.5 referentspiltide, häälte, peale sunnitud piltide ja emakeelse 1080p jaoks.

Mis paneb viibi ebaõnnestuma

Viis lõksu korduvad sageli. Esimene on liiga ebamäärane viip: „ilus stseen“ ei sisalda kasutatavat teavet. Teine on viip, mis tahab öelda kõike – mitu subjekti, mitu asukohta, mitu stseeni mõne sekundi jooksul. Mitme kaadriga loo jaoks järgi xAI kokaraamatu näidet Storyboard to Short Film: see jaotab narratiivi neljaks kaadriks, genereerib igaühe eraldi koos oma stseeni ja kaamera liikumisega ning seejärel monteerib need kokku. Kolmas, juba mainitud, on kirjeldatud liikumise puudumine, mis toodab staatilise kaadri. Neljas peitub loogilistes vastuoludes: paludes „kassi, kes lendab vees“, asetad mudeli vastuolu ette ja tulemus on tõenäoliselt ebajärjekindel. Viies on negatiivide loetelu – „autosid ei ole, teksti ei ole, rahvahulka ei ole“. xAI pildijuhend märgib, et pikk vältida soovitud elementide loetelu ignoreeritakse kergesti ja täidab viibi objektidega, mis lõpuks siiski ilmuvad: kirjelda selle asemel seda, mida soovid näha.

Mis puutub pikkusesse, siis xAI dokumentatsioon ei anna video jaoks ideaalset mõõtu ega kvantifitseeri piiri, mille ületamisel liiga pikk viip tagasi lükatakse (invalid_argument viga). Selle pildijuhend soovitab ühe pildi jaoks nelja kuni kuut lauset: subjekt ja selle detailid, seejärel dekoratsioon, valgus ja kaadrikompositsioon. Videokaadri jaoks alusta sellest struktuurist ja lisa tegevus, kaamera ja heli.

Harjutamiseks kirjuta täielik viip kolme erineva sihtkoha jaoks: taustavideo restorani veebisaidile, 3-sekundiline klipp rõivabrändi Instagrami loole ja abstraktne animatsioon tehniliseks esitluseks. Igaühe puhul kontrolli, et neli kihti on olemas, et kaamera ja heli on kirjeldatud – või helirada lõigatud – ning et kestus ja kuvasuhe vastavad ettenähtud kasutusele.

Peamised punktid

  • Hea videoviip sisaldab subjekti, tegevust, keskkonda ja stiili, alustades subjektist
  • xAI palub samuti kirjeldada kaamera liikumist, valgust ja heli
  • Helirada genereeritakse vaikimisi; "generate_audio": false annab tumma video
  • Kohanda kestust (1 kuni 15 s, vaikimisi 8), kuvasuhet (üheksa formaati) ja lahutusvõimet (kuni 1080p 1.5 mudelitel) lõppkasutusele
  • Mitme kaadriga lugu genereeritakse kaader haaval ja monteeritakse seejärel
  • Kirjelda seda, mida soovid näha, mitte seda, mida sa ei soovi