Attēlu atsauces un fiksēti attēli
Šajā lapā
Nodarbība pārrakstīta 2026. gada 2. novembrī, balstoties uz Reference-to-Video dokumentāciju no xAI: atsauces attēli ļauj parādīties konkrētām personām, objektiem vai apģērbam, norādot tos uzvednē kā
<IMAGE_0>,<IMAGE_1>… — ne tikai stila uzspiešanai; modelīgrok-imagine-video-1.5tie tagad var līdzpastāvēt arimage(fiksēts pēdējais attēls), atslēgas kadriem un balsīm. Vecajā versijā tika apgalvots, kaimageunreference_imagesir nesavietojami. Avoti: Reference-to-Video · Reference Videos.
Modeļa nodrošināšana ar vizuālo materiālu
Attēla animēšana tiešā veidā nav vienīgais paņēmiens, kā nodrošināt modeli ar vizuālo saturu. xAI video API piedāvā otru mehānismu: atsauces attēlus. Tā vietā, lai pārvietotu attēlu tādu, kāds tas ir, tie nodrošina elementus, kuriem video jāparādās — persona, produkts, apģērba gabals — nesasaldējot priekšplānu. Izpratne par robežu starp image un reference_images ir šīs nodarbības atslēga.
Divi parametri, divi nolūki
Parametrs image nodrošina attēlu, ko animēt: tas kļūst par video pirmo kadru, un tā saturs tiek iekustināts. Tas ir attēla-pārvēršana-video no iepriekšējām nodarbībām.
Parametrs reference_images nodrošina attēlus, kuru elementus modelis atkārtoti izmanto: modeļa seju, kreklu, smaržu pudeli. Pati aina seko tavai uzvednei. xAI min trīs tipiskus lietojumus: virtuāla piemērīšana, produktu izvietošana un stāsti ar atkārtoti parādošiem varoņiem. Katra atsauce ir publiska HTTPS URL, base64 kodēti dati vai augšupielādēta faila file_id, un vienā pieprasījumā vari sajaukt visas trīs formas.
{
"model": "grok-imagine-video-1.5",
"prompt": "Lēns sekojošs kadrs uz baltas skatuves. Modelis no <IMAGE_0> ieiet no fona un dodas uz kameras pusi; tam mugurā ir krekls no <IMAGE_1> un melnas džinsu bikses. Palēninājums, augsta kvalitāte, detalizētas sejas.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Atsauču norādīšana uzvednē
Uzvedne norāda katru atsauci pēc tās pozīcijas sarakstā: <IMAGE_0> pirmajai, <IMAGE_1> otrajai un tā tālāk. Ja papildus norādi image, lai fiksētu pirmo kadru, tas ieņem <IMAGE_0>, un tavas atsauces sākas ar <IMAGE_1>.
Strādājot ar vairākām atsaucēm, xAI iesaka katrai piešķirt vienu lomu un fiksētu vietu ainā, uzturot tēlu skaitu ierobežotu un izmantojot statiskus rekvizītus. Atsauce, kas kalpo gan kā varonis, gan kā dekorācija, vai desmit objekti, kas kustas vienlaicīgi, rada haotiskas ainas.
Noteikumi
| Ierobežojums | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Atsauces attēli | Maks. 14 | Maks. 7 |
| Ilgums | Maks. 15 s | Maks. 10 s |
| Izšķirtspēja | Maks. 720p | Maks. 720p |
| Pirmais attēls fiksēts kopā ar atsaucēm, pēdējais attēls, atslēgas kadri | Jā | Nē |
Balsis (reference_audios) | Maks. 3 iepriekš definētas balsis | Nē |
Šāda veida pieprasījumam jābūt vismaz vienam atsauces attēlam, balsij, pēdējam attēlam vai atslēgas kadriem.
Konkrētu attēlu fiksēšana (grok-imagine-video-1.5)
Modelī grok-imagine-video-1.5 vari fiksēt precīzus attēlos noteiktos video brīžos:
imageunlast_framekopā: video sākas no pirmā attēla un beidzas ar pēdējo, modelim interpolējot starp abiem- Tikai
last_frame: modelis izgudro sākumu un nonāk pie fiksētā attēla last_framekopā ar atsaucēm vai balsīm: pēdējais attēls ir fiksēts, atsauces virza pārējo; pievienoimage, lai fiksētu arī sākumukeyframes: līdz četriem atslēgas kadriem, katram artimestamp_sstingri starp 0 un video ilgumu; enkuri piesaista pie trešdaļsekundes režģa, tāpēc starp diviem atslēgas kadriem jābūt vismaz trešdaļsekundes atstarpei
{
"model": "grok-imagine-video-1.5",
"prompt": "Zieds lēni uzplaukst rīta gaismā",
"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 spēj piešķirt balsis taviem varoņiem: reference_audios pieņem līdz trim iepriekš definētām balsīm, kuras norāda ar to voice_id (no xAI teksta-pārvēršanas-runā balsu kataloga, piemēram, eve vai leo), un uzvednē tās tiek citētas kā <AUDIO_0>, <AUDIO_1>…
Ko ļauj sasniegt atsauces
Pirmais un profesionālā vidē izdevīgākais lietojums ir nepārtrauktība: tas pats varonis, tas pats produkts no viena video uz nākamo. Iedomājies desmit video kampaņu, kas ražota trīs nedēļu laikā: bez atsaucēm produkts smalki maina formu, bet talismans — seju no klipa uz klipu. Sistemātiski nodrošinot tās pašas atsauces, tu nostiprini to, kam jāpaliek nemainīgam, un tikai uzvedne maina ainu.
{
"model": "grok-imagine-video-1.5",
"prompt": "Viedtālrunis no <IMAGE_0> atrodas uz minimālistiska rakstāmgalda; tā ekrāns pakāpeniski iedegas, maiga rīta gaisma",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
Produktu izvietošana seko tai pašai loģikai — tava pudele, tavs apavs izgudrotā ainā — un virtuāla piemērīšana to ved tālāk: persona un apģērbs, katrs savā atsaucē, apvienoti vienā kadrā.
Atsauču izvēle un savienošana
Izvēlies asus, labi apgaismotus attēlus, kuros atkārtoti izmantojamais elements aizņem lielāko daļu kadra: krekls, nofotografēts viens pats uz neitrāla fona, strādā labāk nekā krekls, kas valkāts pūlī. Viena atsauce, viens subjekts.
Uzvednes rakstīšana seko lomu sadalījumam: atsauces nodrošina elementus, uzvedne apraksta ainu un darbību. Nosauc katru atsauci ar tās tagu tur, kur tā iesaistās, un esi skaidrs attiecībā uz kustību, ko neviens attēls nesatur.
Saskaroties ar uzdevumu, lēmums reducējas uz vienu jautājumu. Ja vēlies animēt konkrētu attēlu tādu, kāds tas ir, izmanto image. Ja vēlies jaunu ainu, kurā parādās dotas personas vai objekti, izmanto reference_images. Ja vēlies kontrolēt sākumu, beigas vai konkrētus brīžus, izmanto grok-imagine-video-1.5 fiksētos attēlus. Un ja nekas no tā nav svarīgi, pietiek tikai ar uzvedni.
Galvenās atziņas
imageanimē attēlu, kas kļūst par video pirmo;reference_imagesliek parādīties elementiem, nesasaldējot priekšplānu- Uzvedne citē atsauces pēc pozīcijas:
<IMAGE_0>,<IMAGE_1>… (imageieņem<IMAGE_0>, ja tas ir norādīts) - Līdz 14 atsauces modelī
grok-imagine-video-1.5(15 s), 7 modelīgrok-imagine-video(10 s), maks. 720p - Modelī
grok-imagine-video-1.5,image,last_frame,keyframesunreference_audiospapildina atsauces - Viena loma katrai atsaucei, ierobežots tēlu skaits, statiski rekvizīti