Przejdź do głównej treści
Polski— Wybierz język
Menu

Generowanie obrazów i wideo

Lekcja 12 z 16 Zaktualizowano 2 listopada 2026 Początkujący
Na tej stronie
  1. Tworzenie wizualne z Grokiem
  2. Generowanie obrazu
  3. Generowanie wideo
  4. Pisanie skutecznych promptów
  5. Cztery ograniczenia, które warto uwzględnić od pierwszej próby
  6. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 r.: Imagine. Model grok-imagine-image-quality został wycofany 2 listopada 2026 r.: jego żądania są teraz obsługiwane przez Imagine Image 2.0 (grok-imagine-image-2.0, 0,04 USD za obraz) w jakości low. Jeśli posiadasz starszy kod, zamień identyfikator modelu i ustaw wybraną jakość; model grok-imagine-image (wersja 1.0) nie podlega zmianom. Imagine Image 2.0 akceptuje do pięciu obrazów referencyjnych oraz jakość auto, która jest teraz domyślna.

Tworzenie wizualne z Grokiem

Skoro zobaczyłeś już, jak Grok rozumie obraz, czas zobaczyć, jak go tworzy. Rodzina modeli grok-imagine generuje obrazy i wideo na podstawie opisów tekstowych, co czyni ją narzędziem do tworzenia treści, prototypowania wizualnego i ilustracji. Pomysł wizualny, który kiedyś wymagał briefu, wykonawcy i dwóch dni oczekiwania, możesz teraz przetestować w kilka minut, nawet jeśli finalną wersję przekażesz później profesjonaliście.

Generowanie obrazu

Na stronie grok.com generowanie jest wbudowane w interfejs konwersacyjny: wystarczy opisać pożądany obraz w swojej wiadomości. Jakość wyniku zależy niemal całkowicie od precyzji tego opisu, jak w poniższym przykładzie, który określa temat, miejsce, czas i styl:

Create an illustration of a ginger cat sitting on a Paris
rooftop at sunset, in watercolor style.

Grok automatycznie używa modelu grok-imagine do stworzenia obrazu, który pojawia się w konwersacji i można go pobrać. Współistnieją dwa modele, w zależności od Twoich potrzeb: grok-imagine-image, model standardowy, szybki i niedrogi, idealny do iteracji i testowania kadrowania, oraz grok-imagine-image-2.0 (Imagine Image 2.0), który tworzy bardziej szczegółowe i realistyczne rendery, przeznaczone do wersji finalnej.

Poprzez API uzyskujesz precyzyjną kontrolę nad generowaniem:

response = client.images.generate(
    model="grok-imagine-image",
    prompt="A futuristic landscape with floating buildings",
    n=1,
    aspect_ratio="16:9",
    resolution="2k"
)

Dostępne proporcje obrazu to m.in. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 i inne – wystarczy, aby na podstawie tego samego promptu wygenerować baner i jego pionową wersję mobilną. Możesz generować do 10 obrazów na żądanie, co jest właściwym sposobem na eksplorację kierunku artystycznego: dziesięć wariantów dobrego promptu da lepszy efekt niż pojedynczy obraz z promptu, który uważasz za idealny.

Grok potrafi również edytować istniejące obrazy. Edycja przez API pozwala dodawać elementy, zmieniać styl lub nastrój, naprawiać detale, a przede wszystkim łączyć kolejne edycje w łańcuch, przekazując wynik jednego żądania jako wejście do następnego. Takie chainowanie jest znacznie lepsze niż gigantyczny prompt próbujący zrobić wszystko naraz: posuwasz się naprzód dzięki wyraźnym korektom i możesz cofnąć się w razie potrzeby. Do jednego żądania edycji możesz dostarczyć do 5 obrazów źródłowych.

Generowanie wideo

W przeciwieństwie do obrazów, które powstają natychmiastowo, tworzenie wideo jest procesem asynchronicznym, co ma bezpośredni wpływ na Twój kod: nie możesz oczekiwać na odpowiedź w ramach tego samego żądania. Sekwencja wygląda następująco:

  1. Wysyłasz żądanie z opisem
  2. Otrzymujesz identyfikator żądania
  3. Wideo jest generowane w tle
  4. Pobierasz wynik po zakończeniu generowania

Istnieją trzy podejścia. Text-to-Video tworzy wideo na podstawie opisu tekstowego, Image-to-Video animuje istniejący obraz (najbardziej niezawodna droga, gdy masz już pożądany obraz startowy), a obrazy referencyjne działają jako przewodnik stylistyczny dla wideo, zapewniając spójność z identyfikacją marki.

ParametrWartości
Czas trwaniaOd 1 do 15 sekund na generowanie
Proporcje obrazu1:1, 16:9, 9:16, 4:3 i inne
Rozdzielczość480p lub 720p

Możesz również przedłużyć wygenerowane wideo: dodajesz od 2 do 10 sekund na koniec istniejącego klipu, używając promptu opisującego, co ma się wydarzyć dalej. To najprostszy sposób na przekroczenie długości pojedynczego generowania bez utraty ciągłości wizualnej.

Pisanie skutecznych promptów

W przypadku obrazu opisz temat, styl, kolory, nastrój i oświetlenie, zamiast jedynie nazywać obiekt. Jawnie określ pożądany styl (akwarela, fotografia, ilustracja wektorowa, pixel art), ponieważ w przeciwnym razie model zdecyduje za Ciebie. Określ kompozycję (widok z przodu, wysoki kąt, zbliżenie lub panorama), a następnie detale kotwiczące scenę: tekstury, materiały, pora dnia, pora roku.

W przypadku wideo ruch jest kluczowy dla wyniku: określ, co się porusza, w jakim kierunku i z jaką prędkością, a następnie nastrój, jaki chcesz uzyskać (spokojny, dynamiczny, dramatyczny lub radosny). Bądź realistą co do zakresu, ponieważ krótkie klipy z prostymi ruchami dają lepsze rezultaty niż złożone ujęcie żądane jednorazowo.

Cztery ograniczenia, które warto uwzględnić od pierwszej próby

Adresy URL wygenerowanych obrazów i wideo są tymczasowe: pobierz swoje kreacje niezwłocznie, inaczej będziesz musiał je wygenerować ponownie, a identyczne generowanie nigdy nie da dokładnie tego samego wyniku. Automatycznie stosowana jest moderacja treści. Generowanie wideo ma domyślny limit czasu wynoszący dziesięć minut, co musisz uwzględnić w obsłudze błędów. Na koniec, edycja wideo jest ograniczona do 8,7 sekundy wyjścia przy maksymalnej rozdzielczości 720p: warto o tym wiedzieć, zanim zbudujesz na tym format redakcyjny.

Kluczowe wnioski

  • grok-imagine generuje obrazy (standardowe i 2.0) oraz wideo
  • Obrazy są generowane natychmiastowo; wideo są generowane asynchronicznie
  • Dostępnych jest kilka proporcji obrazu i rozdzielczości
  • Edycja obrazu i przedłużanie wideo rozszerzają Twoje możliwości twórcze
  • Wygenerowane adresy URL są tymczasowe: pobierz swoje kreacje bez zwłoki