Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Imagens de Referência e Imagens Fixadas

Aula 5 de 12 Atualizada a 2 de novembro de 2026 Intermediario
Nesta página
  1. Fornecer Elementos Visuais ao Modelo
  2. Dois Parâmetros, Duas Intenções
  3. Citar Referências no Prompt
  4. As Regras
  5. Fixar Imagens Específicas (grok-imagine-video-1.5)
  6. O Que as Referências Permitem Fazer
  7. Escolher e Associar as Suas Referências
  8. Pontos-chave

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; no grok-imagine-video-1.5, podem agora acompanhar image, uma última imagem fixada, keyframes e vozes. A versão antiga afirmava que image e reference_images eram 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

Limitegrok-imagine-video-1.5grok-imagine-video
Imagens de referênciaMáx. 14Máx. 7
DuraçãoMáx. 15 sMáx. 10 s
ResoluçãoMáx. 720pMáx. 720p
Primeira imagem fixada com refs, última imagem, keyframesSimNão
Vozes (reference_audios)Máx. 3 vozes predefinidasNão

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:

  • image e last_frame em 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_frame com referências ou vozes: a última imagem é fixada, as referências guiam o resto; adicione image para fixar também o início
  • keyframes: até quatro keyframes, cada um com um timestamp_s estritamente 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

  • image anima uma imagem que se torna a primeira do vídeo; reference_images faz aparecer elementos sem congelar o primeiro plano
  • O prompt cita as referências por posição: <IMAGE_0>, <IMAGE_1>… (image ocupa <IMAGE_0> quando fornecida)
  • Até 14 referências no grok-imagine-video-1.5 (15 s), 7 no grok-imagine-video (10 s), máx. 720p
  • No grok-imagine-video-1.5, image, last_frame, keyframes e reference_audios complementam as referências
  • Um papel por referência, elenco limitado, adereços estáticos