Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Immagini di riferimento e immagini fissate

Lezione 5 di 12 Aggiornata il 2 novembre 2026 Intermedio
In questa pagina
  1. Fornire elementi visivi al modello
  2. Due parametri, due intenzioni
  3. Citare i riferimenti nel prompt
  4. Le regole
  5. Fissare immagini specifiche (grok-imagine-video-1.5)
  6. Cosa rendono possibile i riferimenti
  7. Scegliere e abbinare i tuoi riferimenti
  8. Punti chiave

Lezione riscritta il 2 novembre 2026 sulla base della documentazione Reference-to-Video di xAI: le immagini di riferimento fanno apparire persone, oggetti o abiti specifici, designati nel prompt come <IMAGE_0>, <IMAGE_1>… non solo per imporre uno stile; su grok-imagine-video-1.5, possono ora accompagnare image, un’ultima immagine fissata, i keyframe e le voci. La vecchia versione affermava che image e reference_images fossero incompatibili. Fonti: Reference-to-Video · Reference Videos.

Fornire elementi visivi al modello

Animare direttamente un’immagine non è l’unico modo per fornire elementi visivi al modello. L’API video di xAI offre un secondo meccanismo: le immagini di riferimento. Invece di muovere l’immagine così com’è, esse forniscono elementi che il video deve far apparire — una persona, un prodotto, un capo d’abbigliamento — senza bloccare il primo piano. Comprendere il confine tra image e reference_images è la chiave di questa lezione.

Due parametri, due intenzioni

Il parametro image fornisce l’immagine da animare: diventa il primo fotogramma del video e il suo contenuto viene messo in movimento. Questo è l’image-to-video delle lezioni precedenti.

Il parametro reference_images fornisce immagini i cui elementi vengono riutilizzati dal modello: il volto di un modello, una camicia, una bottiglia di profumo. La scena stessa segue il tuo prompt. xAI cita tre usi tipici: virtual try-on, product placement e storie con personaggi ricorrenti. Ogni riferimento è un URL HTTPS pubblico, dati codificati in base64 o l’file_id di un file caricato, e puoi mescolare tutte e tre le forme in una singola richiesta.

{
  "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"
}

Citare i riferimenti nel prompt

Il prompt designa ogni riferimento in base alla sua posizione nell’elenco: <IMAGE_0> per il primo, <IMAGE_1> per il secondo e così via. Se fornisci anche image per fissare il primo fotogramma, questa occupa <IMAGE_0> e i tuoi riferimenti iniziano da <IMAGE_1>.

Con più riferimenti, xAI consiglia di assegnare a ciascuno un singolo ruolo e una posizione fissa nella scena, mantenendo il cast limitato e utilizzando oggetti di scena statici. Un riferimento che funge sia da personaggio che da arredamento, o dieci oggetti che si muovono contemporaneamente, producono scene confuse.

Le regole

Limitegrok-imagine-video-1.5grok-imagine-video
Immagini di riferimentoMax 14Max 7
DurataMax 15 sMax 10 s
RisoluzioneMax 720pMax 720p
Prima immagine fissata con riferimenti, ultima immagine, keyframeSìNo
Voci (reference_audios)Max 3 voci predefiniteNo

Una richiesta di questo tipo deve contenere almeno un’immagine di riferimento, una voce, un’ultima immagine o dei keyframe.

Fissare immagini specifiche (grok-imagine-video-1.5)

Su grok-imagine-video-1.5, puoi fissare immagini esatte in momenti specifici del video:

  • image e last_frame insieme: il video inizia dalla prima immagine e termina con l’ultima, con il modello che interpola tra le due
  • Solo last_frame: il modello inventa l’apertura e atterra sull’immagine fissata
  • last_frame con riferimenti o voci: l’ultima immagine è fissata, i riferimenti guidano il resto; aggiungi image per fissare anche la prima
  • keyframes: fino a quattro keyframe, ciascuno con un timestamp_s strettamente compreso tra 0 e la durata del video; gli ancoraggi si agganciano a una griglia di un terzo di secondo, quindi due keyframe devono essere distanziati di almeno un terzo di secondo
{
  "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
}

Lo stesso modello può dare voce ai tuoi personaggi: reference_audios accetta fino a tre voci predefinite, designate dal loro voice_id (dal catalogo voci text-to-speech di xAI, ad esempio eve o leo), che il prompt cita come <AUDIO_0>, <AUDIO_1>…

Cosa rendono possibile i riferimenti

Il primo caso d’uso, e il più conveniente in un contesto professionale, è la continuità: lo stesso personaggio, lo stesso prodotto, da un video all’altro. Immagina una campagna di dieci video prodotta in tre settimane: senza riferimenti, il prodotto cambia leggermente forma e la mascotte cambia volto da una clip all’altra. Fornendo sistematicamente gli stessi riferimenti, ancori ciò che deve rimanere identico e solo il prompt varia la scena.

{
  "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
}

Il product placement segue la stessa logica — la tua bottiglia, la tua scarpa in una scena inventata — e il virtual try-on spinge oltre il concetto: una persona e un capo d’abbigliamento, ciascuno sul proprio riferimento, uniti nella stessa inquadratura.

Scegliere e abbinare i tuoi riferimenti

Scegli immagini nitide e ben illuminate in cui l’elemento da riutilizzare occupa la maggior parte dell’inquadratura: una camicia fotografata da sola su uno sfondo neutro funziona meglio di una camicia indossata in mezzo alla folla. Un riferimento, un soggetto.

La scrittura del prompt segue la distribuzione dei ruoli: i riferimenti portano gli elementi, il prompt descrive la scena e l’azione. Nomina ogni riferimento con il suo tag nel punto in cui interviene e sii esplicito sul movimento, che nessuna immagine trasporta.

Di fronte a una richiesta, la decisione si riduce a una domanda. Se vuoi animare un’immagine specifica così com’è, usa image. Se vuoi una nuova scena in cui appaiano persone o oggetti dati, usa reference_images. Se vuoi controllare l’inizio, la fine o momenti specifici, usa le immagini fissate di grok-imagine-video-1.5. E se nulla di tutto questo conta, il solo prompt è sufficiente.

Punti chiave

  • image anima un’immagine che diventa la prima del video; reference_images fa apparire elementi senza bloccare il primo piano
  • Il prompt cita i riferimenti per posizione: <IMAGE_0>, <IMAGE_1>… (image occupa <IMAGE_0> se fornito)
  • Fino a 14 riferimenti su grok-imagine-video-1.5 (15 s), 7 su grok-imagine-video (10 s), max 720p
  • Su grok-imagine-video-1.5, image, last_frame, keyframes e reference_audios completano i riferimenti
  • Un ruolo per riferimento, cast limitato, oggetti di scena statici