Generowanie obrazów i wideo
Na tej stronie
Zaktualizowano 2 listopada 2026 r.: Imagine. Model
grok-imagine-image-qualityzostał 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 jakościlow. Jeśli posiadasz starszy kod, zamień identyfikator modelu i ustaw wybraną jakość; modelgrok-imagine-image(wersja 1.0) nie podlega zmianom. Imagine Image 2.0 akceptuje do pięciu obrazów referencyjnych oraz jakośćauto, 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:
- Wysyłasz żądanie z opisem
- Otrzymujesz identyfikator żądania
- Wideo jest generowane w tle
- 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.
| Parametr | Wartości |
|---|---|
| Czas trwania | Od 1 do 15 sekund na generowanie |
| Proporcje obrazu | 1:1, 16:9, 9:16, 4:3 i inne |
| Rozdzielczość | 480p 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