Scrieți prompturi video eficiente
Pe această pagină
Actualizat la 3 noiembrie 2026. Pe baza paginilor Video Overview și Video Generation de la xAI și a ghidului său de generare a imaginilor: xAI vă solicită să descrieți întregul cadru, inclusiv mișcarea camerei, lumina și sunetul. Regula „maximum două sau trei propoziții“ din versiunea anterioară nu apare pe nicio pagină xAI; dimpotrivă, ghidul pentru imagini recomandă patru până la șase propoziții pentru o singură imagine. Această lecție acoperă, de asemenea, rezoluția 1080p pentru modelele 1.5, cele nouă formate de aspect și pista audio generată implicit. Surse: Video Overview · Video Generation · Image Prompting Guide.
Arta promptului video
Calitatea videoclipului generat depinde direct de precizia promptului dumneavoastră, iar un prompt video necesită mai mult decât unul pentru imagini. În timp ce o descriere statică este suficientă pentru a produce o ilustrație, un prompt video trebuie să transmită și mișcarea, temporalitatea și dinamica scenei – și, deoarece videoclipul este livrat cu coloană sonoră, ceea ce se aude în el. Un prompt care descrie perfect un decor fără a specifica niciodată ce se mișcă riscă să producă un cadru aproape înghețat, animat tehnic, dar vizual lipsit de viață. Această lecție vă învață să vă structurați descrierile pentru a obține cele mai bune rezultate de la modelele Grok Imagine Video.
Cele patru componente ale unei descrieri bune
Un prompt video eficient articulează patru straturi de informații, pe care le lucrați separat.
Primul este subiectul: elementul sau elementele principale ale scenei, descrise cu o precizie suficientă pentru ca modelul să nu fie nevoit să inventeze. Scrierea „o pasăre“ lasă câmpul larg deschis; scrierea „un colibri cu pene iridescente albastre și verzi“ fixează aspectul și face generațiile dumneavoastră mai consistente de la o încercare la alta.
Urmează acțiunea, componenta cea mai decisivă în video. Nu este suficient să spuneți că ceva se mișcă; trebuie să specificați mișcarea, direcția și intensitatea acesteia. „O pasăre care zboară“ este o intenție, nu o instrucțiune de regie. „Un colibri hrănindu-se dintr-o floare de hibiscus roșu, bătând rapid din aripi“ oferă modelului un gest, o țintă și un ritm.
Al treilea strat este mediul: locul, lumina, vremea și starea de spirit. Un simplu „într-o grădină“ lasă modelul să aleagă pentru dumneavoastră momentul și anotimpul. „Într-o grădină tropicală luxuriantă, lumină aurie de sfârșit de după-amiază filtrând prin frunziș“ setează atmosfera și, incidental, direcția luminii asupra subiectului dumneavoastră.
În final, stilul vizual, care determină randarea: cinematografic, documentar, animat. O frază precum „stil cinematografic, adâncime de câmp redusă, culori calde“ stabilește un registru publicitar, în timp ce „animație 3D stilizată, paletă pastelată“ vă transportă într-un univers complet diferit cu aceeași scenă de intrare.
Ordinea contează. Ghidul xAI pentru generarea imaginilor, scris pentru imagini statice dar util și aici, observă că un prompt care începe cu starea de spirit, granulația filmului sau o listă de interdicții produce o scenă șlefuită în care subiectul devine doar un figurant de fundal. Așadar, începeți cu subiectul și acțiunea sa, și păstrați stilul pentru final.
Două straturi specifice video: camera și sunetul
Pentru text-to-video, xAI își rezumă instrucțiunea într-o singură propoziție: descrieți cadrul, inclusiv mișcarea camerei, lumina și sunetul. Două dintre aceste elemente nu există în imaginile statice.
Camera este controlată prin vocabular de filmare: cadru static, zoom lent, travelling, vedere din dronă, timelapse. Exemplele din documentația xAI le folosesc ca atare: un zoom lent pe un podium de pistă, o cameră care alunecă de la o ușă însorită spre o fereastră, o filmare cu drona printre vârfuri, un timelapse al unei flori care înflorește. Dacă nu spuneți nimic, lăsați această alegere la latitudinea modelului.
Lumina beneficiază de o descriere detaliată, așa cum face ghidul xAI pentru imagini: sursa, direcția și duritatea acesteia, suficient de puternice încât subiectul să rămână lizibil. „Soare puternic de după-amiază venind din stânga“ îi spune modelului ce să ilumineze; „lumină plăcută“ nu îi spune nimic.
Sunetul face parte din rezultat: un videoclip generat include implicit o pistă audio, cu sincronizare bucală (lip-sync) pentru vorbire pe grok-imagine-video-1.5 și versiunea sa -lite. Așadar, descrieți peisajul sonor dorit – ploaie pe asfalt, murmur de cameră, muzică soft – sau tăiați pista cu "generate_audio": false dacă intenționați să adăugați propria coloană sonoră în post-producție.
Un ultim detaliu operațional schimbă modul în care scrieți: la modelele 1.5, text-to-video randează mai întâi o imagine statică din prompt, apoi o animează. Prin urmare, scena de start trebuie să se citească ca o imagine clară – subiect, decor, lumină – iar mișcarea ca ceea ce se întâmplă ulterior.
Trei prompturi, trei stiluri
Aceste straturi se combină diferit în funcție de destinația clipului. Pentru uz publicitar, acordați atenție materialelor și luminii, iar acțiunea rămâne minimală, dar perfect descrisă:
A steaming cup of coffee on a rustic wooden table,
steam rising in gentle spirals. Natural side light from
the left, very slow zoom toward the cup, shallow depth of
field, advertising style. Muted coffee shop ambiance.
Pentru vizualizarea datelor destinată unei prezentări, mișcarea devine structurală – ea transportă informația – iar stilul devine deliberat sobru. Acest videoclip va rula sub un comentariu live: generați-l mut, cu "generate_audio": false.
A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.
În animația creativă, în final, subiectul poate fi abstract, cu condiția ca transformarea să fie descrisă precis:
Abstract geometric shapes transforming fluidly
into one another, vivid color palette on black background.
Camera slowly orbits the shapes, contemporary motion design
style, synth pads.
Luați un moment pentru a identifica, în fiecare dintre aceste trei blocuri, unde se află subiectul, acțiunea, mediul și stilul, apoi camera și sunetul. Acest exercițiu de lectură face scrierea naturală ulterior.
Potrivirea parametrilor cu conținutul
Promptul nu funcționează singur: durata, raportul de aspect și rezoluția trebuie să îi răspundă. Durata variază de la 1 la 15 secunde, 8 fiind valoarea implicită. O durată de 1 până la 3 secunde se potrivește unei singure acțiuni, unei tranziții sau unui randare de tip GIF; de la 4 la 7 secunde, obțineți o scenă scurtă cu un început și un sfârșit; între 8 și 15 secunde, intrați într-o secvență narativă cu evoluție. Cu cât videoclipul este mai lung, cu atât timpul de generare crește, iar prețul se calculează pe secundă: începeți scurt și creșteți progresiv.
Alegeți raportul de aspect în funcție de destinația finală. API-ul oferă nouă opțiuni: 16:9 (implicit) pentru ecran larg, web și prezentări, 9:16 pentru mobil, stories și Reels, 1:1 pentru postări sociale și miniaturi, 4:3 și 3:4 pentru prezentări și portrete, 3:2 și 2:3 pentru un randare fotografic, 21:9 pentru un format cinematografic ultra-larg, 5:2 pentru un banner sau antet de site. În image-to-video, această alegere dispare: ieșirea urmează raportul imaginii.
În ceea ce privește rezoluția, păstrați 480p pentru previzualizări și ciorne – aceasta este valoarea implicită, iar randarea este mai rapidă – apoi treceți la 720p sau 1080p când clipul intră în producție. 1080p există doar pe modelele 1.5: nativ pe grok-imagine-video-1.5, obținut prin upsampling de la 720p pe versiunea sa -lite, în timp ce grok-imagine-video se oprește la 720p. Pentru videoclipuri simple, xAI recomandă grok-imagine-video-1.5-lite, cel mai ieftin pe secundă, și rezervă grok-imagine-video-1.5 pentru imagini de referință, voci, imagini impuse și 1080p nativ.
Ce face ca un prompt să eșueze
Cinci capcane reapar frecvent. Prima este promptul prea vag: „o scenă frumoasă“ nu conține nicio informație utilizabilă. A doua este promptul care vrea să spună totul – multiple subiecte, multiple locații, multiple scene în câteva secunde. Pentru o poveste cu mai multe cadre, urmați exemplul Storyboard to Short Film din cookbook-ul xAI: acesta descompune narațiunea în patru cadre, generează fiecare separat, cu scena și mișcarea camerei sale, apoi le asamblează în editare. A treia, deja menționată, este absența mișcării descrise, ceea ce duce la un cadru static. A patra constă în conflicte logice: a cere „o pisică ce zboară în apă“ pune modelul în fața unei contradicții, iar rezultatul va fi probabil incoerent. A cincea este lista de negative – „fără mașini, fără text, fără mulțime“. Ghidul xAI pentru imagini notează că o listă lungă de elemente de evitat este ușor ignorată și umple promptul cu obiecte care ajung să apară: descrieți în schimb ceea ce doriți să vedeți.
În ceea ce privește lungimea, documentația xAI nu oferă o măsură ideală pentru video și nu cuantifică limita dincolo de care un prompt prea lung este refuzat (eroare invalid_argument). Ghidul său pentru imagini sugerează patru până la șase propoziții pentru o singură imagine: subiectul și detaliile sale, apoi decorul, lumina și încadrarea. Pentru un cadru video, porniți de la această structură și adăugați acțiunea, camera și sunetul.
Pentru a exersa, scrieți un prompt complet pentru trei destinații diferite: un video de fundal pentru site-ul web al unui restaurant, un clip de 3 secunde pentru un story Instagram al unui brand de îmbrăcăminte și o animație abstractă pentru o prezentare tehnică. Pentru fiecare, verificați dacă cele patru straturi sunt prezente, dacă camera și sunetul sunt descrise – sau dacă pista audio este tăiată – și dacă durata și raportul corespund utilizării intenționate.
Puncte cheie
- Un prompt video bun conține subiect, acțiune, mediu și stil, începând cu subiectul
- xAI vă solicită, de asemenea, să descrieți mișcarea camerei, lumina și sunetul
- Pista audio este generată implicit;
"generate_audio": falseoferă un video mut - Adaptați durata (1 până la 15 s, 8 implicit), raportul (nouă formate) și rezoluția (până la 1080p pe modelele 1.5) la utilizarea finală
- O poveste cu mai multe cadre este generată cadru cu cadru, apoi editată
- Descrieți ceea ce doriți să vedeți, nu ceea ce nu doriți