Gerar imagens e vídeos
Nesta página
Atualizado em 2 de novembro de 2026: Imagine. O modelo
grok-imagine-image-qualityfoi desativado em 2 de novembro de 2026: os seus pedidos são agora processados pelo Imagine Image 2.0 (grok-imagine-image-2.0, $0.04 por imagem) com qualidadelow. Se tiver código antigo, substitua o ID do modelo e defina a qualidade desejada; ogrok-imagine-image(versão 1.0) não é afetado. O Imagine Image 2.0 aceita até cinco imagens de referência e a qualidadeauto, que é agora a predefinição.
Criação visual com o Grok
Agora que viu como o Grok compreende uma imagem, veja como ele cria uma. A família de modelos grok-imagine gera imagens e vídeos a partir de descrições textuais, tornando-se uma ferramenta para criação de conteúdos, prototipagem visual e ilustração. Uma ideia visual que antes exigia um briefing, um contratante e dois dias de espera pode agora ser testada em minutos, mesmo que depois entregue a versão final a um profissional.
Gerar uma imagem
No grok.com, a geração está integrada na interface de conversação: basta descrever a imagem que deseja na sua mensagem. A qualidade do resultado depende quase inteiramente da precisão dessa descrição, como neste exemplo, que define o sujeito, o local, a hora e o estilo:
Create an illustration of a ginger cat sitting on a Paris
rooftop at sunset, in watercolor style.
O Grok utiliza automaticamente o modelo grok-imagine para criar a imagem, que aparece na conversa e pode ser transferida. Coexistem dois modelos consoante as suas necessidades: o grok-imagine-image, o modelo padrão, rápido e económico, é ideal para iterações e testes de enquadramento, enquanto o grok-imagine-image-2.0 (Imagine Image 2.0) produz renderizações mais detalhadas e realistas, que deve guardar para a versão final.
Através da API, obtém um controlo preciso sobre a geração:
response = client.images.generate(
model="grok-imagine-image",
prompt="A futuristic landscape with floating buildings",
n=1,
aspect_ratio="16:9",
resolution="2k"
)
As proporções disponíveis incluem 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, entre outras, o suficiente para produzir um banner e a sua versão vertical para telemóvel a partir do mesmo prompt. Pode gerar até 10 imagens por pedido, que é a forma correta de explorar uma direção artística: dez variações de um bom prompt valem mais do que uma única imagem de um prompt que julga perfeito.
O Grok também pode editar imagens existentes. A edição através da API permite adicionar elementos, alterar o estilo ou o ambiente, corrigir detalhes e, acima de tudo, encadear edições sucessivas alimentando a saída de um pedido no seguinte. Esse encadeamento é muito melhor do que um prompt gigante que tenta fazer tudo de uma vez: avança através de correções claras e pode recuar. Pode fornecer até 5 imagens de origem por pedido de edição.
Gerar um vídeo
Ao contrário das imagens, que são produzidas instantaneamente, a criação de vídeo é um processo assíncrono, o que tem uma consequência direta no seu código: não pode aguardar a resposta dentro do pedido. A sequência é a seguinte:
- Submete o seu pedido com uma descrição
- Recebe um ID de pedido
- O vídeo é gerado em segundo plano
- Recupera o resultado assim que a geração termina
Existem três abordagens. O Text-to-Video cria um vídeo a partir de uma descrição textual, o Image-to-Video anima uma imagem existente (o caminho mais fiável quando já tem o visual inicial desejado) e as imagens de referência atuam como guia de estilo para o vídeo, garantindo consistência com a identidade da marca.
| Parâmetro | Valores |
|---|---|
| Duração | 1 a 15 segundos por geração |
| Proporção | 1:1, 16:9, 9:16, 4:3, entre outras |
| Resolução | 480p ou 720p |
Também pode estender um vídeo gerado: adiciona 2 a 10 segundos ao final de um clipe existente, com um prompt a descrever o que deve acontecer a seguir. É a forma mais simples de ultrapassar a duração de uma única geração sem perder continuidade visual.
Escrever prompts eficazes
Para uma imagem, descreva o sujeito, o estilo, as cores, o ambiente e a iluminação, em vez de apenas nomear um objeto. Nomeie explicitamente o estilo desejado (aguarela, fotografia, ilustração vetorial, pixel art), pois caso contrário o modelo decide por si. Especifique a composição (vista frontal, ângulo elevado, close-up ou panorâmica) e, em seguida, os detalhes que ancoram a cena: texturas, materiais, hora do dia, estação do ano.
Para um vídeo, o movimento é o que sustenta o resultado: especifique o que se move, em que direção e a que velocidade, e depois o ambiente desejado (calmo, dinâmico, dramático ou alegre). Seja realista quanto ao âmbito, pois clipes curtos com movimentos simples dão melhores resultados do que uma tomada complexa solicitada de uma só vez.
Quatro limitações a planear desde o início
Os URLs das imagens e vídeos gerados são temporários: transfira as suas criações imediatamente, ou terá de as regenerar, e uma geração idêntica nunca dá exatamente o mesmo resultado. A moderação de conteúdos aplica-se automaticamente. A geração de vídeo tem um tempo limite predefinido de dez minutos, o que deve ter em conta no tratamento de erros. Por fim, a edição de vídeo está limitada a 8,7 segundos de saída com uma resolução máxima de 720p: vale a pena saber antes de construir um formato editorial sobre esta base.
Pontos-chave
- O grok-imagine gera imagens (padrão e 2.0) e vídeos
- As imagens são geradas instantaneamente; os vídeos são gerados assincronamente
- Estão disponíveis várias proporções e resoluções
- A edição de imagens e a extensão de vídeos expandem as suas opções criativas
- Os URLs gerados são temporários: transfira as suas criações sem demora