Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Vaizdiniai atskaitos ir pritvirtinti vaizdiniai

Paskaita 5 iš 12 Atnaujinta 2026 m. lapkričio 2 d. Vidutinis lygis
Šiame puslapyje
  1. Vaizdinių pateikimas modeliui
  2. Du parametrai, du tikslai
  3. Atskaitų nurodymas prompte
  4. Taisyklės
  5. Konkrečių vaizdinių pritvirtinimas (grok-imagine-video-1.5)
  6. Ką leidžia daryti atskaitos
  7. Atskaitų pasirinkimas ir derinimas
  8. Svarbiausi punktai

Pamoka perrašyta 2026 m. lapkričio 2 d. remiantis Reference-to-Video dokumentacija iš xAI: atskaitos vaizdiniai leidžia atsirasti konkrečiams žmonėms, objektams ar drabužiams, prompte žymimiems kaip <IMAGE_0>, <IMAGE_1>… – tai ne tik stiliaus nustatymas; modelyje grok-imagine-video-1.5 jie dabar gali būti derinami su image (pritvirtintas paskutinis kadras), pagrindiniais kadrais (keyframes) ir balsais. Senoji versija teigė, kad image ir reference_images yra nesuderinami. Šaltiniai: Reference-to-Video · Reference Videos.

Vaizdinių pateikimas modeliui

Tiesioginis vaizdinio animavimas nėra vienintelis būdas pateikti modeliui vaizdinę medžiagą. xAI vaizdo įrašų API siūlo antrą mechanizmą: atskaitos vaizdinius (reference images). Užuot judinę vaizdinį tokį, koks jis yra, jie pateikia elementus, kurie turi atsirasti vaizdo įraše – asmenį, produktą, drabužio detalę – neužšaldydami priekinio plano. Supratimas, kur eina riba tarp image ir reference_images, yra šios pamokos raktas.

Du parametrai, du tikslai

Parametras image pateikia vaizdinį, kurį reikia animuoti: jis tampa pirmuoju vaizdo įrašo kadru, o jo turinys pajudinamas. Tai yra „image-to-video“ iš ankstesnių pamokų.

Parametras reference_images pateikia vaizdinius, kurių elementus modelis panaudoja iš naujo: modelio veidą, marškinėlius, kvepalų buteliuką. Pati scena vystosi pagal tavo promptą. xAI išskiria tris tipinius naudojimo atvejus: virtualų apsirengimą, produktų integraciją ir istorijas su pasikartojančiais veikėjais. Kiekviena atskaita gali būti viešas HTTPS URL, base64 koduoti duomenys arba įkeltos failo file_id, o viename užklausos metu galima maišyti visas tris formas.

{
  "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"
}

Atskaitų nurodymas prompte

Prompte kiekviena atskaita nurodoma pagal jos poziciją sąraše: <IMAGE_0> pirmajai, <IMAGE_1> antrajai ir t. t. Jei taip pat pateiki image, kad pritvirtintum pirmąjį kadrą, jis užima vietą <IMAGE_0>, o tavo atskaitos prasideda nuo <IMAGE_1>.

Naudojant kelias atskaitas, xAI rekomenduoja kiekvienai skirti vieną vaidmenį ir fiksuotą vietą scenoje, apriboti veikėjų skaičių ir naudoti statinius rekvizitus. Atskaita, tarnaujanti tiek kaip veikėjas, tiek kaip dekoracija, arba dešimt vienu metu judančių objektų sukuria painias scenas.

Taisyklės

Ribojimasgrok-imagine-video-1.5grok-imagine-video
Atskaitos vaizdiniaiMaks. 14Maks. 7
TrukmėMaks. 15 sMaks. 10 s
RaiškaMaks. 720pMaks. 720p
Pirmas vaizdinys pritvirtintas su atskaitomis, paskutinis vaizdinys, pagrindiniai kadraiTaipNe
Balsai (reference_audios)Maks. 3 iš anksto nustatyti balsaiNe

Tokio tipo užklausa privalo turėti bent vieną atskaitos vaizdinį, balsą, paskutinį vaizdinį arba pagrindinius kadrus.

Konkrečių vaizdinių pritvirtinimas (grok-imagine-video-1.5)

Modelyje grok-imagine-video-1.5 gali fiksuoti tikslius vaizdinius konkrečiais vaizdo įrašo momentais:

  • image ir last_frame kartu: vaizdo įrašas prasideda nuo pirmojo vaizdinio ir baigiasi paskutiniuoju, o modelis interpoliuoja tarp jų.
  • Tik last_frame: modelis sugalvoja pradžią ir baigia pritvirtintame vaizdinyje.
  • last_frame su atskaitomis ar balsais: paskutinis vaizdinys pritvirtinamas, atskaitos nukreipia likusią dalį; pridėk image, kad pritvirtintum ir pradžią.
  • keyframes: iki keturių pagrindinių kadrų, kurių kiekvienas turi timestamp_s, griežtai esantį tarp 0 ir vaizdo įrašo trukmės; inkarai prisiriša prie trečdalio sekundės tinklelio, todėl tarp dviejų pagrindinių kadrų turi būti bent trečdalio sekundės tarpas.
{
  "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
}

Tas pats modelis gali suteikti balsus tavo veikėjams: reference_audios priima iki trijų iš anksto nustatytų balsų, nurodomų jų voice_id (iš xAI teksto į kalbą balsų katalogo, pvz., eve arba leo), kuriuos prompte cituoji kaip <AUDIO_0>, <AUDIO_1>…

Ką leidžia daryti atskaitos

Pirmasis ir profesionaliame kontekste ekonomiškiausias naudojimo atvejis yra tęstinumas: tas pats veikėjas, tas pats produktas nuo vieno vaizdo įrašo iki kito. Įsivaizduok dešimties vaizdo įrašų kampaniją, kuriamą per tris savaites: be atskaitų produktas subtiliai keičia formą, o maskotas – veidą nuo vieno klipo iki kito. Sistemingai pateikdamas tas pačias atskaitas, tu inkaruoji tai, kas turi likti identiška, o promptas keičia tik sceną.

{
  "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
}

Produktų integracija laikosi tos pačios logikos – tavo butelis, tavo batas sugalvotoje scenoje – o virtualus apsirengimas eina dar toliau: asmuo ir drabužis, kiekvienas savo atskaitoje, suvienijami tame pačiame kadre.

Atskaitų pasirinkimas ir derinimas

Rinkis ryškius, gerai apšviestus vaizdinius, kuriuose pakartotinai naudojamas elementas užima didžiąją kadro dalį: marškinėliai, nufotografuoti vieni neutraliame fone, veikia geriau nei marškinėliai, dėvimi minioje. Viena atskaita – vienam objektui.

Prompto rašymas seka vaidmenų paskirstymą: atskaitos pateikia elementus, o promptas aprašo sceną ir veiksmą. Pavadink kiekvieną atskaitą jos žyma ten, kur ji įsiterpia, ir aiškiai apibrėžk judesį, kurio joks vaizdinys savaime neturi.

Susidūręs su užklausa, sprendimas redukuojamas į vieną klausimą. Jei nori animuoti konkretų vaizdinį tokį, koks jis yra, naudok image. Jei nori naujos scenos, kurioje atsiranda konkretūs žmonės ar objektai, naudok reference_images. Jei nori kontroliuoti pradžią, pabaigą ar konkrečius momentus, naudok pritvirtintus grok-imagine-video-1.5 vaizdinius. O jei niekas iš to nėra svarbu, pakanka vien prompto.

Svarbiausi punktai

  • image animuoja vaizdinį, kuris tampa pirmuoju vaizdo įraše; reference_images leidžia elementams atsirasti neužšaldant priekinio plano
  • Prompte atskaitos cituojamos pagal poziciją: <IMAGE_0>, <IMAGE_1>… (image užima <IMAGE_0>, kai pateikiamas)
  • Iki 14 atskaitų modelyje grok-imagine-video-1.5 (15 s), 7 modelyje grok-imagine-video (10 s), maks. 720p raiška
  • Modelyje grok-imagine-video-1.5, image, last_frame, keyframes ir reference_audios papildo atskaitas
  • Vienas vaidmuo vienai atskaitai, ribotas veikėjų skaičius, statiniai rekvizitai