Pildiviited ja kinnitatud pildid
Sellel lehel
Õppetund kirjutati ümber 2. novembril 2026, tuginedes xAI dokumentatsioonile Reference-to-Video: viitepildid toovad esile kindlaid inimesi, objekte või riideid, mida promptis tähistatakse kui
<IMAGE_0>,<IMAGE_1>… – mitte lihtalt stiili pealesurumiseks; mudelilgrok-imagine-video-1.5saavad need nüüd kaasneda parameetritegaimage(kinnitatud viimane pilt), võtmekaadrid ja hääled. Vana versioon väitis, etimagejareference_imageson omavahel kokkusobimatud. Allikad: Reference-to-Video · Reference Videos.
Visuaalide sisestamine mudelisse
Pildi otsene animeerimine pole ainus viis mudelile visuaale edastada. xAI video API pakub teist mehhanismi: viitepilte (reference images). Pildi liikumapanemise asemel annavad need elemendid, mis peavad videos ilmuma – inimene, toode, rõivaese –, jättes esiplaani vabaks. Arusaamine piirist image ja reference_images vahel on selle õppetunni võti.
Kaks parameetrit, kaks eesmärki
Parameeter image annab pildi, mida animeerida: sellest saab video esimene kaader ja selle sisu pannakse liikuma. See on eelmistes tundides käsitletud pilt-videoks teisendamine.
Parameeter reference_images annab pilte, mille elemente mudel uuesti kasutab: modelli nägu, särk, parfüümipudel. Stseen ise järgib sinu prompti. xAI toob välja kolm tüüpilist kasutusviisi: virtuaalne proovimine, toote paigutamine ja lood korduvate tegelastega. Iga viide võib olla avalik HTTPS URL, base64-kodeeritud andmed või üles laaditud faili file_id; kõiki kolme vormi saab ühes päringus segada.
{
"model": "grok-imagine-video-1.5",
"prompt": "Aeglane jälgiv kaader valgel moeetenduse rajal. Modell <IMAGE_0> astub taustalt välja ja kõnnib kaamera suunas; tal on seljas särk <IMAGE_1> ja mustad teksad. Aegluubis, kõrge kvaliteet, üksikasjalikud näod.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Viidete mainimine promptis
Prompt tähistab iga viidet selle positsiooniga loendis: <IMAGE_0> esimesele, <IMAGE_1> teisele ja nii edasi. Kui lisad ka image, et kinnitada esimene kaader, hõivab see kohal <IMAGE_0> ja sinu viited algavad <IMAGE_1>-st.
Mitme viite korral soovitab xAI anda igale neist üks roll ja kindel koht stseenis, hoida tegelaskond piiratud ning kasutada staatilisi rekvisiite. Viide, mis toimib nii tegelasena kui ka dekoratsioonina, või kümme korraga liikuvat objekti tekitavad segaseid stseene.
Reeglid
| Piirang | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Viitepildid | maks 14 | maks 7 |
| Kestus | maks 15 s | maks 10 s |
| Resolutsioon | maks 720p | maks 720p |
| Esimene pilt kinnitatud koos viidetega, viimane pilt, võtmekaadrid | Jah | Ei |
Hääled (reference_audios) | maks 3 eelmääratud häält | Ei |
Seda tüüpi päring peab sisaldama vähemalt üht viitepilti, häält, viimast pilti või võtmekaadreid.
Kindlate piltide kinnitamine (grok-imagine-video-1.5)
Mudelil grok-imagine-video-1.5 saad fikseerida täpsed pildid video kindlatesse ajahetkedesse:
imagejalast_framekoos: video algab esimesest pildist ja lõpeb viimasega, mudel interpoleerib kahe vahel- Ainult
last_frame: mudel leiutab alguse ja maandub kinnitatud pildile last_framekoos viidete või häältega: viimane pilt on kinnitatud, viited juhivad ülejäänut; lisaimage, et kinnitada ka alguskeyframes: kuni neli võtmekaadrit, igaüheltimestamp_srangelt vahemikus 0 ja video kestus; ankrud lukustuvad kolmandiksekundilisse ruudustikku, seega peab kahe võtmekaadri vahe olema vähemalt üks kolmandik sekundit
{
"model": "grok-imagine-video-1.5",
"prompt": "Õis avaneb hommikuvalguses aeglaselt",
"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
}
Sama mudel võib anda sinu tegelastele hääle: reference_audios aktsepteerib kuni kolme eelmääratud häält, mida tähistatakse nende voice_id-ga (xAI tekst-kõneks hääle kataloogist, näiteks eve või leo), mida promptis citeeritakse kui <AUDIO_0>, <AUDIO_1>…
Milleks viited võimalusi annavad
Esimene ja professionaalses kontekstis kuluefektiivseim kasutusjuhtum on järjepidevus: sama tegelane, sama toode ühest videost teise. Kujuta ette kümne videoga kampaaniat, mis valmib kolme nädalaga: ilma viideteta muutub toode klipiti veidi kuju ja maskott nägu. Esitades süstemaatiliselt samu viiteid, ankurdad selle, mis peab jääma identseks, ja ainult prompt varieerib stseeni.
{
"model": "grok-imagine-video-1.5",
"prompt": "Nutitelefon <IMAGE_0> seisab minimalistlikul kirjutuslaual; selle ekraan süttib järk-järgult, pehme hommikuvalgus",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
Toote paigutamine järgib sama loogikat – sinu pudel, sinu king leiutatud stseenis – ja virtuaalne proovimine viib selle veel kaugemale: inimene ja rõivaese, kumbki oma viitel, ühendatud samas kaadris.
Viidete valimine ja paaritamine
Vali teravad, hästi valgustatud pildid, kus taaskasutatav element hõivab suurema osa kaadrist: neutraalsel taustal üksi pildistatud särk toimib paremini kui rahva seas kantud särk. Üks viide, üks subjekt.
Prompti kirjutamine järgib rollide jaotust: viited toovad elemendid, prompt kirjeldab stseeni ja tegevust. Nimeta iga viidet selle sildiga kohas, kus see sekkub, ja ole liikumise osas selgesõnaline, mida ükski pilt endas ei kanna.
Kui seisad taotluse ees, taandub otsus ühele küsimusele. Kui soovid animeerida kindlat pilti sellisena, nagu see on, kasuta image. Kui soovid uut stseeni, kus ilmuvad antud inimesed või objektid, kasuta reference_images. Kui soovid kontrollida algust, lõppu või kindlaid hetki, kasuta mudeli grok-imagine-video-1.5 kinnitatud pilte. Ja kui ükski sellest pole oluline, piisab ainult promptist.
Peamised punktid
imageanimeerib pildi, millest saab video esimene kaader;reference_imagestoob elemendid esile, kinnitamata esiplaani- Prompt viitab viidetele positsiooni järgi:
<IMAGE_0>,<IMAGE_1>… (imagehõivab<IMAGE_0>, kui see on olemas) - Kuni 14 viidet mudelil
grok-imagine-video-1.5(15 s), 7 mudelilgrok-imagine-video(10 s), maks resolutsioon 720p - Mudelil
grok-imagine-video-1.5täiendavad viiteidimage,last_frame,keyframesjareference_audios - Üks roll viite kohta, piiratud tegelaskond, staatilised rekvisiidid