Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Pildiviited ja kinnitatud pildid

Õppetund 5 / 12 Värskendatud 2. november 2026 Kesktase
Sellel lehel
  1. Visuaalide sisestamine mudelisse
  2. Kaks parameetrit, kaks eesmärki
  3. Viidete mainimine promptis
  4. Reeglid
  5. Kindlate piltide kinnitamine (grok-imagine-video-1.5)
  6. Milleks viited võimalusi annavad
  7. Viidete valimine ja paaritamine
  8. Peamised punktid

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; mudelil grok-imagine-video-1.5 saavad need nüüd kaasneda parameetritega image (kinnitatud viimane pilt), võtmekaadrid ja hääled. Vana versioon väitis, et image ja reference_images on 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

Piiranggrok-imagine-video-1.5grok-imagine-video
Viitepildidmaks 14maks 7
Kestusmaks 15 smaks 10 s
Resolutsioonmaks 720pmaks 720p
Esimene pilt kinnitatud koos viidetega, viimane pilt, võtmekaadridJahEi
Hääled (reference_audios)maks 3 eelmääratud häältEi

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:

  • image ja last_frame koos: video algab esimesest pildist ja lõpeb viimasega, mudel interpoleerib kahe vahel
  • Ainult last_frame: mudel leiutab alguse ja maandub kinnitatud pildile
  • last_frame koos viidete või häältega: viimane pilt on kinnitatud, viited juhivad ülejäänut; lisa image, et kinnitada ka algus
  • keyframes: kuni neli võtmekaadrit, igaühel timestamp_s rangelt 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

  • image animeerib pildi, millest saab video esimene kaader; reference_images toob elemendid esile, kinnitamata esiplaani
  • Prompt viitab viidetele positsiooni järgi: <IMAGE_0>, <IMAGE_1>… (image hõivab <IMAGE_0>, kui see on olemas)
  • Kuni 14 viidet mudelil grok-imagine-video-1.5 (15 s), 7 mudelil grok-imagine-video (10 s), maks resolutsioon 720p
  • Mudelil grok-imagine-video-1.5 täiendavad viiteid image, last_frame, keyframes ja reference_audios
  • Üks roll viite kohta, piiratud tegelaskond, staatilised rekvisiidid