Imagens de Referência e Imagens Fixadas
Nesta página
Lição reescrita em 2 de novembro de 2026 com base na documentação Reference-to-Video da xAI: as imagens de referência fazem aparecer pessoas, objetos ou roupas específicas, designadas no prompt como
<IMAGE_0>,<IMAGE_1>… — não servem apenas para impor um estilo; nogrok-imagine-video-1.5, podem agora acompanharimage, uma última imagem fixada, keyframes e vozes. A versão antiga afirmava queimageereference_imageseram incompatíveis. Fontes: Reference-to-Video · Reference Videos.
Fornecer Elementos Visuais ao Modelo
Animar diretamente uma imagem não é a única forma de fornecer elementos visuais ao modelo. A API de vídeo da xAI oferece um segundo mecanismo: imagens de referência. Em vez de mover a imagem tal como está, estas fornecem elementos que o vídeo deve fazer aparecer — uma pessoa, um produto, uma peça de vestuário — sem congelar o primeiro plano. Compreender a fronteira entre image e reference_images é a chave desta lição.
Dois Parâmetros, Duas Intenções
O parâmetro image fornece a imagem a animar: torna-se no primeiro quadro do vídeo e o seu conteúdo é posto em movimento. Trata-se do image-to-video das lições anteriores.
O parâmetro reference_images fornece imagens cujos elementos o modelo reutiliza: o rosto de um modelo, uma camisa, um frasco de perfume. A cena em si segue o seu prompt. A xAI cita três utilizações típicas: prova virtual (virtual try-on), colocação de produto e histórias com personagens recorrentes. Cada referência é um URL HTTPS público, dados codificados em base64 ou o file_id de um ficheiro carregado, podendo misturar todas estas formas num único pedido.
{
"model": "grok-imagine-video-1.5",
"prompt": "Slow tracking shot on a white runway. The model from <IMAGE_0> enters from the background and walks toward the camera; they are wearing the shirt from <IMAGE_1> and black jeans. Slow motion, high quality, detailed faces.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Citar Referências no Prompt
O prompt designa cada referência pela sua posição na lista: <IMAGE_0> para a primeira, <IMAGE_1> para a segunda, e assim sucessivamente. Se também fornecer image para fixar o primeiro quadro, esta ocupa <IMAGE_0> e as suas referências começam em <IMAGE_1>.
Com múltiplas referências, a xAI recomenda atribuir a cada uma um único papel e um lugar fixo na cena, mantendo o elenco limitado e utilizando adereços estáticos. Uma referência que sirva simultaneamente de personagem e cenário, ou dez objetos a moverem-se ao mesmo tempo, produzem cenas confusas.
As Regras
| Limite | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Imagens de referência | Máx. 14 | Máx. 7 |
| Duração | Máx. 15 s | Máx. 10 s |
| Resolução | Máx. 720p | Máx. 720p |
| Primeira imagem fixada com refs, última imagem, keyframes | Sim | Não |
Vozes (reference_audios) | Máx. 3 vozes predefinidas | Não |
Um pedido deste tipo deve conter pelo menos uma imagem de referência, voz, última imagem ou keyframe.
Fixar Imagens Específicas (grok-imagine-video-1.5)
No grok-imagine-video-1.5, pode fixar imagens exatas em momentos específicos do vídeo:
imageelast_frameem conjunto: o vídeo começa na primeira imagem e termina na última, com o modelo a interpolar entre as duas- Apenas
last_frame: o modelo inventa a abertura e termina na imagem fixada last_framecom referências ou vozes: a última imagem é fixada, as referências guiam o resto; adicioneimagepara fixar também o iníciokeyframes: até quatro keyframes, cada um com umtimestamp_sestritamente entre 0 e a duração do vídeo; as âncoras ajustam-se a uma grelha de um terço de segundo, pelo que dois keyframes devem estar separados por pelo menos um terço de segundo
{
"model": "grok-imagine-video-1.5",
"prompt": "The flower opens slowly under the morning light",
"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
}
O mesmo modelo pode dar voz às suas personagens: reference_audios aceita até três vozes predefinidas, designadas pelo seu voice_id (do catálogo de vozes text-to-speech da xAI, eve ou leo, por exemplo), que o prompt cita como <AUDIO_0>, <AUDIO_1>…
O Que as Referências Permitem Fazer
O primeiro caso de uso, e o mais rentável num contexto profissional, é a continuidade: a mesma personagem, o mesmo produto, de um vídeo para o outro. Imagine uma campanha de dez vídeos produzida ao longo de três semanas: sem referências, o produto muda subtilmente de forma e a mascote muda de rosto de um clipe para o outro. Ao fornecer sistematicamente as mesmas referências, ancora o que deve permanecer idêntico, e apenas o prompt varia a cena.
{
"model": "grok-imagine-video-1.5",
"prompt": "The smartphone from <IMAGE_0> sits on a minimalist desk; its screen turns on gradually, soft morning light",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
A colocação de produto segue a mesma lógica — a sua garrafa, o seu sapato numa cena inventada — e a prova virtual leva isto mais longe: uma pessoa e uma peça de vestuário, cada uma na sua própria referência, unidas na mesma tomada.
Escolher e Associar as Suas Referências
Escolha imagens nítidas e bem iluminadas onde o elemento a reutilizar ocupe a maior parte do enquadramento: uma camisa fotografada sozinha num fundo neutro funciona melhor do que uma camisa usada numa multidão. Uma referência, um sujeito.
A escrita do prompt segue a distribuição de papéis: as referências trazem os elementos, o prompt descreve a cena e a ação. Nomeie cada referência pela sua etiqueta onde esta intervém e seja explícito quanto ao movimento, que nenhuma imagem transporta.
Perante um pedido, a decisão resume-se a uma questão. Se quiser animar uma imagem específica tal como está, utilize image. Se quiser uma nova cena onde apareçam pessoas ou objetos dados, utilize reference_images. Se quiser controlar o início, o fim ou momentos específicos, utilize as imagens fixadas do grok-imagine-video-1.5. E se nada disto importar, o prompt por si só é suficiente.
Pontos-chave
imageanima uma imagem que se torna a primeira do vídeo;reference_imagesfaz aparecer elementos sem congelar o primeiro plano- O prompt cita as referências por posição:
<IMAGE_0>,<IMAGE_1>… (imageocupa<IMAGE_0>quando fornecida) - Até 14 referências no
grok-imagine-video-1.5(15 s), 7 nogrok-imagine-video(10 s), máx. 720p - No
grok-imagine-video-1.5,image,last_frame,keyframesereference_audioscomplementam as referências - Um papel por referência, elenco limitado, adereços estáticos