Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Raksti efektīvus video uzvedņus

Nodarbība 2 no 12 Atjaunota 2026. gada 3. novembris Vidējs
Šajā lapā
  1. Video uzvedņa māksla
  2. Četri laba apraksta komponenti
  3. Divi slāņi, kas raksturīgi tikai video: kamera un skaņa
  4. Trīs uzvedņi, trīs stili
  5. Parametru saskaņošana ar saturu
  6. Kas liek uzvednim neizdoties
  7. Galvenās atziņas

Atjaunināts 2026. gada 3. novembrī. Pamatojoties uz xAI lapām Video Overview un Video Generation, kā arī attēlu uzvedņu rokasgrāmatu: xAI lūdz aprakstīt visu kadru, ieskaitot kameras kustību, gaismu un skaņu. Iepriekšējās versijas noteikums „maksimāli divi vai trīs teikumi” nav atrodams nevienā xAI lapā; patiesībā attēlu rokasgrāmata vienam attēlam iesaka četrus līdz sešus teikumus. Šī nodarbība aptver arī 1080p izšķirtspēju 1.5 modeļiem, deviņus attēla formātus un pēc noklusējuma ģenerēto skaņas celiņu. Avoti: Video Overview · Video Generation · Image Prompting Guide.

Video uzvedņa māksla

Ģenerētā video kvalitāte ir tieši atkarīga no tava uzvedņa precizitātes, un video uzvednim ir nepieciešams vairāk nekā attēla uzvednim. Ja statisks apraksts pietiek ilustrācijas radīšanai, tad video uzvednim ir jānodod arī ainas kustība, laicīgums un dinamika — un, tā kā video tiek izvadīts ar skaņas celiņu, arī tas, ko tajā dzirdi. Uzvednis, kas perfekti apraksta vidi, bet nekad nepasaka, kas tieši kustas, riskē radīt gandrīz sasalušu kadru, kas tehniski ir animēts, bet vizuāli nedzīvs. Šī nodarbība iemācīs tev strukturēt aprakstus, lai iegūtu maksimālu labumu no Grok Imagine Video modeļiem.

Četri laba apraksta komponenti

Efektīvs video uzvednis artikulē četrus informācijas slāņus, un ar katru no tiem strādā atsevišķi.

Pirmais ir subjekts: ainas galvenais elements vai elementi, kas aprakstīti ar tādu precizitāti, lai modelim nebūtu tie jāizgudro. Rakstot „putns”, tu atstāj lauku plaši atvērtu; rakstot „kolibri ar kairējošiem ziliem un zaļiem spalvām”, tu fiksē izskatu un padari savas ģenerācijas konsekventākas no mēģinājuma uz mēģinājumu.

Tālāk seko darbība — viss izšķirošākais komponents video gadījumā. Nepietiek tikai teikt, ka kaut kas kustas; tev ir jāprecizē kustība, tās virziens un intensitāte. „Lidojošs putns” ir nodoms, nevis režijas norāde. „Kolibri, kas barojas no sarkana hibiska zieda, ātri vēcinot spārnus” dod modelim žestu, mērķi un ritmu.

Trešais slānis ir vide: vieta, gaisma, laika apstākļi un noskaņa. Vienkāršs „dārzā” ļauj modelim pašam izvēlēties dienas laiku un gadalaiku. „Bagātīgā tropu dārzā, zeltaina vēla pēcpusdienas gaisma, kas filtrējas caur lapotni” iestata atmosfēru un, starp citu, gaismas virzienu uz tavu subjektu.

Visbeidzot, vizuālais stils, kas nosaka attēlojumu: kinematogrāfisks, dokumentāls, animēts. Frāze „kinematogrāfisks stils, sekls lauka dziļums, siltas krāsas” nosaka reklāmas reģistru, savukārt „stilizēta 3D animācija, pasteļtoņu palete” aizved tevi pavisam citā visumā ar to pašu ievades ainu.

Secībai ir nozīme. xAI attēlu uzvedņu rokasgrāmata, kas rakstīta statiskiem attēliem, bet noderīga arī šeit, norāda, ka uzvednis, kas sākas ar noskaņu, filmas graudainumu vai aizliegumu sarakstu, rada pulētu ainu, kurā subjekts ir tikai fona statista loma. Tāpēc sāc ar subjektu un tā darbību, bet stilu atstāj beigām.

Divi slāņi, kas raksturīgi tikai video: kamera un skaņa

Teksta pārvēršanai video formātā xAI savu instrukciju apkopo vienā teikumā: apraksti kadru, ieskaitot kameras kustību, gaismu un skaņu. Divi no šiem elementiem statiskos attēlos nepastāv.

Kameru kontrolē, izmantojot filmēšanas terminoloģiju: statisks kadrs, lēns tālummaiņas pietuvinājums, sekojošs kadrs, drona skats, laika intervāls (timelapse). xAI dokumentācijas piemēri tos izmanto tieši tā: lēns tālummaiņas pietuvinājums skrejceļa paaugstinājumam, kamera, kas slīd no saulainām durvīm uz logu, drona kadrs starp virsotnēm, zieda uzplaukuma laika intervāls. Ja tu neko nesaki, tu atstāj šo izvēli modelim.

Gaismai ir izdevīgi, ja to apraksta tā, kā to dara xAI attēlu rokasgrāmata: tās avots, virziens un cietība, pietiekami spēcīgi, lai subjekts paliktu salasāms. „Cieta pēcpusdienas saule no kreisās puses” pasaka modelim, ko apgaismot; „jauka gaisma” nepasaka neko.

Skaņa ir rezultāta sastāvdaļa: ģenerēts video pēc noklusējuma ietver skaņas celiņu ar lūpu sinhronizētu runu modelī grok-imagine-video-1.5 un tā -lite versijā. Tāpēc apraksti vēlamo skaņas ainavu — lietus uz bruģa, telpas murmēšana, maiga mūzika — vai arī izslēdz celiņu ar "generate_audio": false, ja montāžas laikā uzliksi savu skaņu celiņu.

Vēl viena operatīva detaļa maina to, kā tu raksti: 1.5 modeļos teksta pārvēršana video vispirms no uzvedņa renderē statisku attēlu un pēc tam to animē. Tāpēc sākuma ainai ir jāizskatās pēc asa attēla — subjekts, dekors, gaisma — un kustībai ir jābūt tam, kas notiek tālāk.

Trīs uzvedņi, trīs stili

Šie slāņi kombinējas atšķirīgi atkarībā no klipa galamērķa. Reklāmas vajadzībām tu rūpējies par materiālu un gaismu, un darbība paliek minimāla, bet perfekti aprakstīta:

A steaming cup of coffee on a rustic wooden table,
steam rising in gentle spirals. Natural side light from
the left, very slow zoom toward the cup, shallow depth of
field, advertising style. Muted coffee shop ambiance.

Datubāzes vizualizācijai, kas paredzēta prezentācijai, kustība kļūst strukturāla — tā nes informāciju — un stils kļūst apzināti atturīgs. Šis video tiks atskaņots zem tiešraides komentāra: ģenerē to bez skaņas, izmantojot "generate_audio": false.

A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.

Visbeidzot, radošajā animācijā subjekts var būt abstrakts, ja vien transformācija ir aprakstīta precīzi:

Abstract geometric shapes transforming fluidly
into one another, vivid color palette on black background.
Camera slowly orbits the shapes, contemporary motion design
style, synth pads.

Pavadi brīdi, lai katrā no šiem trim blokiem identificētu, kur atrodas subjekts, darbība, vide un stils, un pēc tam — kamera un skaņa. Šis lasīšanas vingrinājums pēc tam padara rakstīšanu dabisku.

Parametru saskaņošana ar saturu

Uzvednis nedarbojas viens pats: ilgumam, formātam un izšķirtspējai ir jāatbilst tam. Ilgums svārstās no 1 līdz 15 sekundēm, pēc noklusējuma 8 sekundes. Ilgums no 1 līdz 3 sekundēm ir piemērots vienai darbībai, pārejai vai GIF stila renderējumam; no 4 līdz 7 sekundēm tu iegūsti īsu ainu ar sākumu un beigām; starp 8 un 15 sekundēm tu nonāc pie naratīvas sekvences ar attīstību. Jo garāks ir video, jo vairāk laika prasa ģenerēšana, un cena tiek skaitīta par sekundi: sāc ar īsiem klipiem un pakāpeniski palielini garumu.

Izvēlies formātu atkarībā no galamērķa. API piedāvā deviņus: 16:9 (pēc noklusējuma) platleņķa ekrāniem, tīmeklim un prezentācijām, 9:16 mobilajām ierīcēm, stāstiem un Reels, 1:1 sociālo mediju ierakstiem un sīktēliem, 4:3 un 3:4 prezentācijām un portretiem, 3:2 un 2:3 fotogrāfiskam attēlojumam, 21:9 ultra-platam kino formātam, 5:2 banerim vai vietnes galvene. Attēla pārvēršanā video šī izvēle pazūd: izeja seko attēla formātam.

Kas attiecas uz izšķirtspēju, priekšskatījumiem un melnrakstiem paturi 480p — tā ir noklusējuma vērtība, un renderēšana ir ātrāka — tad pārej uz 720p vai 1080p, kad klips nonāk ražošanā. 1080p pastāv tikai 1.5 modeļos: natīvi modelī grok-imagine-video-1.5, iegūts, paaugstinot izšķirtspēju no 720p tā -lite versijā, savukārt grok-imagine-video apstājas pie 720p. Vienkāršiem video xAI iesaka grok-imagine-video-1.5-lite, kas ir lētākais par sekundi, un rezervē grok-imagine-video-1.5 atsauces attēliem, balsīm, uzspiestiem attēliem un natīvai 1080p izšķirtspējai.

Kas liek uzvednim neizdoties

Piecas kļūdas atkārtojas bieži. Pirmā ir pārāk neskaidrs uzvednis: „skaista aina” nesatur nekādu izmantojamu informāciju. Otrā ir uzvednis, kas vēlas pastāstīt visu — vairāki subjekti, vairākas vietas, vairākas ainas dažās sekundēs. Daudzkadru stāstam seko Storyboard to Short Film piemēram no xAI pavārgrāmatas: tas sadala naratīvu četros kadros, ģenerē katru atsevišķi ar savu ainu un kameras kustību, un pēc tam salīmē tos montāžā. Trešā, jau minētā, ir aprakstītas kustības trūkums, kas rada statisku kadru. Ceturtā slēpjas loģiskos konfliktos: prasot „kaķis, kas lido ūdenī”, tu nostādi modeli pretrunas priekšā, un rezultāts, visticamāk, būs nesakarīgs. Piektā ir negatīvo elementu saraksts — „bez automašīnām, bez teksta, bez pūļa”. xAI attēlu rokasgrāmata norāda, ka garš elementu saraksts, no kuriem jāizvairās, tiek viegli ignorēts un piepilda uzvedni ar objektiem, kas beigās tomēr parādās: tā vietā apraksti to, ko vēlies redzēt.

Kas attiecas uz garumu, xAI dokumentācija nenorāda ideālu mēru video gadījumā un nekvantificē robežu, pēc kuras pārāk garš uzvednis tiek noraidīts (invalid_argument kļūda). Tās attēlu rokasgrāmata vienam attēlam iesaka četrus līdz sešus teikumus: subjekts un tā detaļas, pēc tam dekors, gaisma un kadrējums. Video kadram sāc no šīs struktūras un pievieno darbību, kameru un skaņu.

Lai praktizētos, uzraksti pilnu uzvedni trim dažādiem galamērķiem: fona video restorāna vietnei, 3 sekunžu klipam Instagram stāstam apģērbu zīmolam un abstraktu animāciju tehniskai prezentācijai. Katrā no tiem pārbaudi, vai ir klāt četri slāņi, vai ir aprakstīta kamera un skaņa (vai skaņas celiņš ir izslēgts) un vai ilgums un formāts atbilst paredzētajam lietojumam.

Galvenās atziņas

  • Labs video uzvednis satur subjektu, darbību, vidi un stilu, sākot ar subjektu
  • xAI arī lūdz aprakstīt kameras kustību, gaismu un skaņu
  • Skaņas celiņš tiek ģenerēts pēc noklusējuma; "generate_audio": false rada video bez skaņas
  • Pielāgo ilgumu (1 līdz 15 s, 8 pēc noklusējuma), formātu (deviņi formāti) un izšķirtspēju (līdz 1080p 1.5 modeļos) galalietojumam
  • Daudzkadru stāsts tiek ģenerēts kadrs pa kadrām un pēc tam montēts
  • Apraksti to, ko vēlies redzēt, nevis to, ko nevēlies redzēt