Képek és videók generálása
Ezen az oldalon
Frissítve: 2026. november 2.: Imagine. A
grok-imagine-image-qualitymodellt 2026. november 2-án nyugdíjazták: a kéréseket mostantól az Imagine Image 2.0 (grok-imagine-image-2.0, képenként 0,04 USD) szolgálja kilowminőségben. Ha régebbi kódot használsz, cseréld le a modellazonosítót, és állítsd be a kívánt minőséget; agrok-imagine-image(1.0-s verzió) működését ez nem érinti. Az Imagine Image 2.0 legfeljebb öt referenciaképet fogad el, és támogatja azautominőséget, amely mostantól az alapértelmezett.
Vizuális alkotás a Grokkal
Most, hogy láttad, hogyan érti meg a Grok a képeket, nézzük meg, hogyan készít is ilyet. A grok-imagine modellcsalád szöveges leírások alapján generál képeket és videókat, így kiváló eszköz tartalomgyártáshoz, vizuális prototípus-készítéshez és illusztrációhoz. Egy vizuális ötletet, amely korábban briefet, alvállalkozót és két napos várakozást igényelt, most percek alatt tesztelhetsz – még akkor is, ha a végleges verziót később profira bízod.
Kép generálása
A grok.com oldalon a generálás beépült a beszélgetési felületbe: egyszerűen írd le az üzenetedben, milyen képet szeretnél. Az eredmény minősége szinte kizárólag a leírás pontosságától függ, ahogy az alábbi példa is mutatja, amely meghatározza a témát, a helyszínt, az időpontot és a stílust:
Create an illustration of a ginger cat sitting on a Paris
rooftop at sunset, in watercolor style.
A Grok automatikusan a grok-imagine modellt használja a kép létrehozásához; a kép megjelenik a beszélgetésben, és letölthető. Két modell létezik az igényeid szerint: a grok-imagine-image a szabványos modell, gyors és olcsó, ideális iterációkhoz és kompozíciós kísérletekhez, míg a grok-imagine-image-2.0 (Imagine Image 2.0) részletgazdagabb, realisztikusabb rendereket készít, amelyeket a végleges változat mentésére tartogatsz.
Az API-n keresztül precízen irányíthatod a generálást:
response = client.images.generate(
model="grok-imagine-image",
prompt="A futuristic landscape with floating buildings",
n=1,
aspect_ratio="16:9",
resolution="2k"
)
Elérhető képarányok: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 és továbbiak; ennyiből ugyanabból a promptból elkészíthetsz egy banneret és annak függőleges mobilváltozatát is. Kérésenként legfeljebb 10 képet generálhatsz – ez a helyes módszer egy művészeti irány felderítésére: tíz variáció egy jó promptból többet ér, mint egyetlen kép egy szerinted tökéletes promptból.
A Grok képes meglévő képek szerkesztésére is. Az API-n keresztüli szerkesztéssel elemeket adhatsz hozzá, megváltoztathatod a stílust vagy a hangulatot, kijavíthatsz részleteket, és ami a legfontosabb: egymás után láncolhatod a szerkesztéseket úgy, hogy az egyik kérés kimenetét a következő bemeneteként használod fel. Ez a láncolás sokkal jobb, mint egy gigantikus prompt, amely mindent egyszerre próbál megtenni: világos korrekciókkal haladsz előre, és vissza is léphetsz. Szerkesztési kérésenként legfeljebb 5 forrásképet adhatsz meg.
Videó generálása
A képekkel ellentétben, amelyek azonnal elkészülnek, a videókészítés aszinkron folyamat, ami közvetlen következménnyel jár a kódodra nézve: a kérésen belül nem várhatod meg a választ. A menetrend a következő:
- Elküldöd a kérést egy leírással
- Kapsz egy kérésazonosítót (request ID)
- A videó a háttérben generálódik
- A generálás befejezése után lekérdezed az eredményt
Három megközelítés létezik. A Text-to-Video szöveges leírásból készít videót, az Image-to-Video egy meglévő képet animál (ez a legmegbízhatóbb út, ha már megvan a kívánt kiinduló vizuális anyag), a referenciaképek pedig stílusiránytűként szolgálnak a videóhoz, így az összhangban marad a márkaidentitással.
| Paraméter | Értékek |
|---|---|
| Időtartam | Generálásonként 1–15 másodperc |
| Képarány | 1:1, 16:9, 9:16, 4:3 és továbbiak |
| Felbontás | 480p vagy 720p |
A generált videót is meghosszabbíthatod: egy meglévő klip végéhez 2–10 másodpercet adj hozzá egy olyan prompttal, amely leírja, mi történjen ezután. Ez a legegyszerűbb módja annak, hogy túllépj egy egyes generálás hosszán anélkül, hogy elveszítenéd a vizuális folytonosságot.
Írj olyan promptokat, amelyek megállják a helyüket
Kép esetén írd le a témát, a stílust, a színeket, a hangulatot és a világítást, ne csak nevezd meg a tárgyat. Nevezd meg explicit módon a kívánt stílust (vízfestmény, fotó, vektorillusztráció, pixel art), mert ellenkező esetben a modell dönt helyetted. Add meg a kompozíciót (szemből, felülnézet, közeli, panoráma), majd azokat a részleteket, amelyek horgonyként rögzítik a jelenetet: textúrák, anyagok, napszak, évszak.
Videó esetén a mozgás viszi előre az eredményt: add meg, mi mozog, milyen irányba és milyen sebességgel, majd a kívánt hangulatot (nyugodt, dinamikus, drámai vagy vidám). Légy realista a scope tekintetében, mert a rövid, egyszerű mozgásokat tartalmazó klipek jobb eredményt adnak, mint egy komplex beállítás, amelyet egyszerre kérsz le.
Négy korlát, amivel már az első próbálkozástól számolnod kell
A generált képek és videók URL-címei ideiglenesek: azonnal töltsd le az alkotásaidat, különben újra kell generálnod őket, és egy azonos generálás soha nem ad pontosan ugyanazt az eredményt. A tartalommoderáció automatikusan működik. A videógenerálás alapértelmezett időtúllépési ideje tíz perc, amit a hibakezelésedben figyelembe kell venned. Végül a videoszerkesztés kimenete maximum 8,7 másodperc lehet, legfeljebb 720p felbontással: érdemes tudni, mielőtt erre építenél egy szerkesztői formátumot.
Főbb megállapítások
- A grok-imagine képeket (szabványos és 2.0) és videókat generál
- A képek azonnal, a videók aszinkron módon készülnek el
- Több képarány és felbontás elérhető
- A képszerkesztés és a videóbővítés kibővíti a kreatív lehetőségeidet
- A generált URL-ek ideiglenesek: azonnal töltsd le az alkotásaidat