Animar uma imagem com image-to-video
Nesta página
Atualizado a 2 de novembro de 2026 com base na referência da API de vídeo da xAI: a imagem de origem deve ser inserida num objeto
image({"url": ...}ou{"file_id": ...}), e não como uma simples cadeia de caracteres. Fontes: Image-to-Video · Referência de Vídeo.
Dê vida às suas imagens
A API da xAI não gera apenas vídeos do zero. Ela também consegue animar uma imagem existente — pegando num visual que já possui e colocando-o em movimento. Esta funcionalidade, designada por image-to-video, altera a natureza do trabalho: deixa de pedir ao modelo que invente uma cena para lhe pedir que estenda a sua. É exatamente o que precisa para transformar uma ficha de produto num anúncio, uma ilustração editorial destinada às redes sociais ou um visual de marca já aprovado por um cliente.
O parâmetro image
Tecnicamente, tudo se resume a adicionar um objeto image, que identifica o visual de origem através do seu url (endereço público ou dados codificados em base64) ou pelo file_id de um ficheiro carregado via 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
}
O modelo analisa a imagem fornecida, preserva o seu conteúdo visual e injeta o movimento descrito no prompt. Três condições regem esta chamada: a imagem deve ser acessível (URL público, dados base64 ou ficheiro carregado), estar nos formatos JPEG, PNG ou WebP, e o prompt deve descrever o movimento desejado em vez da própria imagem — o modelo já a vê, e redescrivê-la apenas desperdiça atenção.
Escreva um prompt quando a imagem já fala
Esta é a mudança mais importante desta lição. No text-to-video, o seu prompt carrega tudo: sujeito, cenário, estilo, ação. No image-to-video, os três primeiros são dados, restando-lhe trabalhar apenas no quarto. Um bom prompt de animação assemelha-se, portanto, a uma nota de realização dirigida a um diretor de fotografia que já tem o cenário à sua frente.
Concentre-se primeiro no que precisa de se mover, nomeando o elemento e a natureza do gesto: «as folhas agitam-se suavemente ao vento», «a água do rio flui lentamente», «a personagem vira a cabeça para a direita». Pode depois adicionar uma camada de ambiente dinâmico, que não diz respeito a um objeto específico, mas à atmosfera geral — «luz solar a filtrar-se gradualmente através das nuvens», «chuva ligeira a começar a cair». Dois hábitos a desaprender: não redescreva a imagem («uma paisagem de montanha» não acrescenta nada) e não solicite uma transformação radical do seu conteúdo — não é essa a função deste endpoint.
Três exemplos concretos
Uma fotografia de produto, digamos um relógio pousado numa almofada de veludo, presta-se a um movimento mecânico simples e a um jogo de luzes. O formato quadrado adequa-se ao feed social para o qual se destina.
{
"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"
}
Uma paisagem — neste caso, um lago de montanha ao amanhecer — permite vários movimentos simultâneos, desde que permaneçam lentos e naturais. A duração mais longa justifica-se porque a dissipação da neblina é um efeito que necessita de tempo para ser percecionado.
{
"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"
}
Um retrato, finalmente, exige contenção: alguns segundos bastam, e o movimento deve permanecer microscópico sob risco de cair no estranho. O formato vertical prepara-o para publicação como 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"
}
Onde esta abordagem faz a diferença
O image-to-video encontra o seu terreno natural onde quer que já existam ativos visuais. No comércio eletrónico, transforma um catálogo fotográfico num inventário de anúncios em vídeo sem necessidade de novas sessões de fotografia. Nas redes sociais, dá nova vida a publicações estáticas cujo engagement estagnou. Em apresentações, anima diapositivos e ilustrações que nunca justificariam um orçamento de produção. E para o trabalho criativo, permite explorar variantes animadas da mesma obra a um custo negligenciável.
Três limitações moderam este entusiasmo, e é melhor conhecê-las antes de prometer um resultado. O modelo respeita geralmente a composição da imagem de origem, mas podem surgir distorções em detalhes finos — tipografia, mãos, padrões repetitivos. Movimentos complexos, como uma personagem a caminhar ou um veículo a acelerar, são significativamente mais difíceis de obter do que movimentos subtis de vento, água ou luz; oriente os seus pedidos para estes últimos. Por fim, a qualidade do resultado depende estreitamente da resolução da imagem de origem: um visual medíocre na entrada nunca produzirá um vídeo limpo na saída.
Pontos-chave
- O parâmetro
imageaceita um URL da imagem a animar - O prompt deve descrever o movimento, não a imagem
- Movimentos subtis (vento, água, luz) produzem os melhores resultados
- O image-to-video é ideal para comércio eletrónico e redes sociais
- A qualidade da imagem de origem impacta diretamente o resultado