Slikovni predlošci i fiksirane slike
Na ovoj stranici
Lekcija je ponovno napisana 2. studenoga 2026. na temelju dokumentacije Reference-to-Video od xAI-ja: slikovni predlošci omogućuju pojavljivanje specifičnih osoba, predmeta ili odjeće, označenih u upitu kao
<IMAGE_0>,<IMAGE_1>… — ne samo za nametanje stila; na modelugrok-imagine-video-1.5sada mogu pratiti parametarimage, fiksiranu završnu sliku, ključne kadrove i glasove. Stara je verzija tvrdila da suimageireference_imagesnespojivi. Izvori: Reference-to-Video · Reference Videos.
Opskrba modela vizualnim sadržajem
Izravna animacija slike nije jedini način da modelu dostaviš vizualne elemente. xAI-jev video API nudi drugi mehanizam: slikovne predloške (reference images). Umjesto da pokreću sliku kakva jest, oni modelu daju elemente koje video mora prikazati — osobu, proizvod, komad odjeće — bez zamrzavanja prednjeg plana. Razumijevanje razlike između parametara image i reference_images ključ je ove lekcije.
Dva parametra, dvije namjere
Parametar image dostavlja sliku koju treba animirati: ona postaje prvi kadar videa, a njezin sadržaj se pokreće. To je „image-to-video“ iz prethodnih lekcija.
Parametar reference_images dostavlja slike čije elemente model ponovno koristi: lice modela, majicu, bočicu parfema. Sama scena slijedi tvoj upit. xAI navodi tri tipične uporabe: virtualno isprobavanje odjeće, plasman proizvoda i priče s likovima koji se ponavljaju. Svaki predložak može biti javni HTTPS URL, podaci kodirani u base64 ili file_id prenesene datoteke, a u jednom zahtjevu možeš miješati sva tri oblika.
{
"model": "grok-imagine-video-1.5",
"prompt": "Slow tracking shot on a white runway. The model from <IMAGE_0> enters from the background and walks toward the camera; they are wearing the shirt from <IMAGE_1> and black jeans. Slow motion, high quality, detailed faces.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Navođenje predložaka u upitu
Upit označava svaki predložak njegovim položajem na popisu: <IMAGE_0> za prvi, <IMAGE_1> za drugi i tako dalje. Ako uz to dostaviš i image kako bi fiksirao prvi kadar, on zauzima <IMAGE_0>, a tvoji predlošci počinju od <IMAGE_1>.
Kod više predložaka, xAI preporučuje da svakom dodijeliš samo jednu ulogu i fiksno mjesto u sceni, držiš glumačku postavu ograničenom i koristiš statične rekvizite. Predložak koji služi istovremeno kao lik i kao dekor, ili deset predmeta koji se kreću odjednom, stvara zbunjujuće scene.
Pravila
| Ograničenje | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Slikovni predlošci | maks. 14 | maks. 7 |
| Trajanje | maks. 15 s | maks. 10 s |
| Razlučivost | maks. 720p | maks. 720p |
| Prva slika fiksirana s predlošcima, zadnja slika, ključni kadrovi | Da | Ne |
Glasovi (reference_audios) | maks. 3 unaprijed definirana glasa | Ne |
Zahtjev ove vrste mora sadržavati barem jedan slikovni predložak, glas, završnu sliku ili ključni kadar.
Fiksiranje određenih slika (grok-imagine-video-1.5)
Na modelu grok-imagine-video-1.5 možeš fiksirati točne slike u određenim trenucima videa:
imageilast_framezajedno: video počinje od prve slike i završava na zadnjoj, a model interpolira između te dvije točke- samo
last_frame: model izmišlja početak i završava na fiksiranoj slici last_frames predlošcima ili glasovima: zadnja slika je fiksirana, predlošci usmjeravaju ostatak; dodajimageako želiš fiksirati i početakkeyframes: do četiri ključna kadra, svaki satimestamp_sstrogo između 0 i trajanja videa; sidrišta se poravnavaju na mrežu od trećine sekunde, pa dva ključna kadra moraju biti razmaknuta barem za trećinu sekunde
{
"model": "grok-imagine-video-1.5",
"prompt": "The flower opens slowly under the morning light",
"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
}
Isti model može tvojim likovima dodijeliti i glasove: reference_audios prihvaća do tri unaprijed definirana glasa, označena njihovim voice_id (iz xAI-jeva kataloga glasova za tekst-u-govor, npr. eve ili leo), koje upit navodi kao <AUDIO_0>, <AUDIO_1>…
Što omogućuju predlošci
Prva i u profesionalnom kontekstu najisplativija uporaba jest kontinuitet: isti lik, isti proizvod, iz videa u video. Zamisli kampanju od deset videa proizvedenu u tri tjedna: bez predložaka, proizvod bi suptilno mijenjao oblik, a maskota lice od isječka do isječka. Sustavnim korištenjem istih predložaka sidriš ono što mora ostati identično, a samo upit mijenja scenu.
{
"model": "grok-imagine-video-1.5",
"prompt": "The smartphone from <IMAGE_0> sits on a minimalist desk; its screen turns on gradually, soft morning light",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
Plasman proizvoda slijedi istu logiku — tvoja bočica, tvoja cipela u izmišljenoj sceni — a virtualno isprobavanje ide korak dalje: osoba i odjevni predmet, svaki na vlastitom predlošku, ujedinjeni u istom kadru.
Odabir i kombiniranje predložaka
Odaberi oštre, dobro osvijetljene slike u kojima element za ponovnu uporabu zauzima većinu kadra: majica fotografirana sama na neutralnoj pozadini funkcionira bolje nego majica koju netko nosi u gomili. Jedan predložak, jedan subjekt.
Pisanje upita slijedi raspodjelu uloga: predlošci donose elemente, upit opisuje scenu i radnju. Imenuj svaki predložak njegovom oznakom tamo gdje nastupa i budi izričit oko kretanja, jer nijedna slika ne nosi pokret.
Kada se suočiš sa zahtjevom, odluka se svodi na jedno pitanje. Ako želiš animirati određenu sliku kakva jest, upotrijebi image. Ako želiš novu scenu u kojoj se pojavljuju određene osobe ili predmeti, upotrijebi reference_images. Ako želiš kontrolirati početak, kraj ili specifične trenutke, upotrijebi fiksirane slike modela grok-imagine-video-1.5. A ako ništa od toga nije bitno, sam upit je dovoljan.
Ključne točke
imageanimira sliku koja postaje prva u videu;reference_imagesomogućuje pojavljivanje elemenata bez zamrzavanja prednjeg plana- Upit navodi predloške po položaju:
<IMAGE_0>,<IMAGE_1>… (imagezauzima<IMAGE_0>kada je naveden) - Do 14 predložaka na
grok-imagine-video-1.5(15 s), 7 nagrok-imagine-video(10 s), maks. 720p - Na
grok-imagine-video-1.5,image,last_frame,keyframesireference_audiosnadopunjuju predloške - Jedna uloga po predlošku, ograničena glumačka postava, statični rekviziti