Animuj obraz za pomocą funkcji image-to-video
Na tej stronie
Zaktualizowano 2 listopada 2026 r. na podstawie dokumentacji API wideo od xAI: obraz źródłowy przekazuje się w obiekcie
image({"url": ...}lub{"file_id": ...}), a nie jako zwykły ciąg znaków. Źródła: Image-to-Video · Video Reference.
Tchnij życie w swoje obrazy
API xAI nie tylko generuje wideo od zera. Potrafi również animować istniejący obraz – biorąc grafikę, którą już posiadasz, i wprawiając ją w ruch. Ta funkcja, zwana image-to-video, zmienia charakter pracy: nie prosisz już modelu o wymyślenie sceny, lecz o rozwinięcie Twojej własnej. To dokładnie to, czego potrzebujesz, gdy karta produktu ma stać się reklamą, ilustracja redakcyjna trafić do mediów społecznościowych, a wizualizacja marki została już zatwierdzona przez klienta.
Parametr image
Technicznie rzecz biorąc, wszystko sprowadza się do dodania obiektu image, który identyfikuje grafikę źródłową za pomocą jej url (publiczny adres lub dane zakodowane w base64) lub przez file_id pliku przesłanego wcześniej przez API Files.
{
"model": "grok-imagine-video",
"prompt": "Animate this scene with a wind effect in the hair",
"image": {"url": "https://exemple.com/photo-portrait.jpg"},
"duration": 5
}
Model analizuje dostarczony obraz, zachowuje jego zawartość wizualną i wprowadza ruch opisany w prompcie. To wywołanie podlega trzem warunkom: obraz musi być dostępny (publiczny URL, dane base64 lub przesłany plik), mieć format JPEG, PNG lub WebP, a prompt musi opisywać żądaną dynamikę, a nie sam obraz – model już go widzi, więc jego ponowny opis to tylko marnowanie uwagi.
Jak pisać prompt, gdy obraz mówi sam za siebie
To najważniejsza zmiana w tej lekcji. W trybie text-to-video prompt dźwiga wszystko: temat, scenerię, styl i akcję. W image-to-video pierwsze trzy elementy są dane, a Ty pracujesz tylko nad czwartym. Dobry prompt animacyjny brzmi więc jak uwaga reżyserska skierowana do operatora, który ma już przed sobą plan zdjęciowy.
Skup się najpierw na tym, co ma się poruszać, nazywając element i rodzaj gestu: „liście delikatnie szumią na wietrze“, „woda w rzece powoli płynie“, „postać odwraca głowę w prawo“. Możesz potem dodać warstwę dynamicznej atmosfery, która nie dotyczy konkretnego obiektu, lecz ogólnego nastroju – „promienie słońca stopniowo przebijają się przez chmury“, „zaczyna padać lekki deszcz“. Dwa nawyki, których musisz się oduczyć: nie opisuj ponownie obrazu („krajobraz górski“ nic nie wnosi) i nie żądaj radykalnej transformacji jego treści – ten endpoint tego nie robi.
Trzy konkretne przykłady
Zdjęcie produktowe, np. zegarek leżący na aksamitnej poduszce, nadaje się do prostego ruchu mechanicznego i gry światła. Format kwadratowy pasuje do feedu w mediach społecznościowych, do którego jest przeznaczony.
{
"model": "grok-imagine-video",
"prompt": "Slow rotation of the watch on itself, light reflections sparkling on the dial",
"image": {"url": "https://exemple.com/montre.jpg"},
"duration": 5,
"aspect_ratio": "1:1"
}
Krajobraz – tutaj jezioro górskie o świcie – pozwala na kilka ruchów jednocześnie, pod warunkiem że pozostaną one powolne i naturalne. Dłuższy czas trwania jest uzasadniony, ponieważ rozpraszająca się mgła to efekt, który potrzebuje czasu, by został właściwie odczytany.
{
"model": "grok-imagine-video",
"prompt": "Slight ripples on the lake surface, morning mist dissipating slowly, birds crossing the sky",
"image": {"url": "https://exemple.com/lac-montagne.jpg"},
"duration": 8,
"aspect_ratio": "16:9"
}
Portret wreszcie wymaga powściągliwości: kilka sekund wystarczy, a ruch musi pozostać mikroskopijny, by nie popaść w efekt „doliny niesamowitości“. Format pionowy przygotowuje go do publikacji jako relacja (story).
{
"model": "grok-imagine-video",
"prompt": "The person blinks gently and smiles slightly, hair moving with a light breeze",
"image": {"url": "https://exemple.com/portrait.jpg"},
"duration": 3,
"aspect_ratio": "9:16"
}
Gdzie to podejście robi różnicę
Image-to-video znajduje swoje naturalne zastosowanie wszędzie tam, gdzie istnieją już zasoby wizualne. W e-commerce zamienia katalog zdjęciowy w inventory reklam wideo bez konieczności organizowania nowej sesji. W mediach społecznościowych tchnie nowe życie w statyczne posty, których zasięgi spadły. W prezentacjach animuje slajdy i ilustracje, na które nigdy nie przeznaczono by budżetu produkcyjnego. A w pracy twórczej pozwala badać animowane warianty tego samego dzieła przy znikomych kosztach.
Trzy ograniczenia temperują ten entuzjazm i warto je znać, zanim obiecasz konkretny rezultat. Model generalnie szanuje kompozycję obrazu źródłowego, ale na drobnych detalach mogą pojawić się zniekształcenia – typografia, dłonie, powtarzalne wzory. Złożone ruchy, takie jak chód postaci czy przyspieszający pojazd, są znacznie trudniejsze do uzyskania niż subtelne ruchy wiatru, wody czy światła; kieruj swoje żądania ku tym drugim. Wreszcie, jakość wyniku zależy ściśle od rozdzielczości obrazu źródłowego: przeciętna grafika na wejściu nigdy nie da czystego wideo na wyjściu.
Kluczowe wnioski
- Parametr
imageprzyjmuje URL do obrazu, który ma zostać animowany - Prompt musi opisywać ruch, a nie sam obraz
- Subtelne ruchy (wiatr, woda, światło) dają najlepsze rezultaty
- Image-to-video idealnie sprawdza się w e-commerce i mediach społecznościowych
- Jakość obrazu źródłowego bezpośrednio wpływa na wynik końcowy