Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Ako písať efektívne výzvy pre videá

Lekcia 2 z 12 Aktualizované 3. novembra 2026 Mierne pokročilý
Na tejto strane
  1. Umenie tvorby výziev pre videá
  2. Štyri zložky dobrého opisu
  3. Dve vrstvy špecifické pre video: kamera a zvuk
  4. Tri výzvy, tri štýly
  5. Prispôsobenie parametrov obsahu
  6. Čo spôsobuje zlyhanie výzvy
  7. Kľúčové poznatky

Aktualizované 3. novembra 2026. Na základe stránok Video Overview a Video Generation od xAI a jeho sprievodcu tvorbou výziev pre obrázky: xAI od teba žiada, aby si popísal celý záber vrátane pohybu kamery, svetla a zvuku. Pravidlo „maximálne dve alebo tri vety“ z predchádzajúcej verzie sa na žiadnej stránke xAI nevyskytuje; v skutočnosti sprievodca pre obrázky odporúča štyri až šesť viet pre jeden obrázok. Táto lekcia tiež pokrýva rozlíšenie 1080p pre modely 1.5, deväť formátov strán a zvukovú stopu generovanú štandardne. Zdroje: Video Overview · Video Generation · Image Prompting Guide.

Umenie tvorby výziev pre videá

Kvalita vygenerovaného videa priamo závisí od presnosti tvojej výzvy (promptu) a výzva pre video si vyžaduje viac než výzva pre obrázok. Kým na vytvorenie ilustrácie stačí statický opis, výzva pre video musí preniesť aj pohyb, časovosť a dynamiku scény – a keďže video obsahuje aj zvukovú stopu, aj to, čo v ňom počuť. Výzva, ktorá dokonale opisuje prostredie, ale nikdy nešpecifikuje, čo sa hýbe, riskuje vznik takmer zamrznutého záberu, ktorý je technicky animovaný, ale vizuálne bez života. Táto lekcia ťa naučí štruktúrovať tvoje opisy tak, aby si z modelov Grok Imagine Video vyťažil maximum.

Štyri zložky dobrého opisu

Efektívna výzva pre video artikuluje štyri vrstvy informácií a na každej z nich pracuješ samostatne.

Prvou je subjekt: hlavný prvok alebo prvky scény, opísané s dostatočnou presnosťou, aby model nemusel nič vymýšľať. Napísanie „vták“ necháva modelu veľký priestor na interpretáciu; napísanie „kolibrík s dúhovými modrými a zelenými perami“ fixuje vzhľad a zabezpečuje konzistentnejšie výsledky od jedného pokusu k druhému.

Ďalej prichádza akcia, čo je v prípade videa najrozhodujúcejšia zložka. Nestačí povedať, že sa niečo hýbe; musíš špecifikovať pohyb, jeho smer a intenzitu. „Lietajúci vták“ je zámer, nie inštrukcia pre réžiu. „Kolibrík sajúci nektár z červeného kvetu ibišteka, rýchlo mávajúci krídlami“ dáva modelu konkrétne gesto, cieľ a rytmus.

Treťou vrstvou je prostredie: miesto, svetlo, počasie a nálada. Jednoduché „v záhrade“ necháva model, aby si za teba vybral čas a ročné obdobie. „V bujnej tropickej záhrade, zlaté neskoropoludňajšie svetlo prenikajúce cez lístie“ nastavuje atmosféru a mimochodom aj smer osvetlenia tvojho subjektu.

Nakoniec tu je vizuálny štýl, ktorý určuje render: filmový, dokumentárny, animovaný. Fráza ako „filmový štýl, malá hĺbka ostrosti, teplé farby“Establishuje reklamný register, zatiaľ čo „štylizovaná 3D animácia, pastelová paleta“ ťa s rovnakou vstupnou scénou prenesie do úplne iného vesmíru.

Poradie záleží. Sprievodca xAI pre tvorbu výziev k obrázkom, písaný pre statické obrázky, ale užitočný aj tu, konštatuje, že výzva začínajúca náladou, filmovým zrnitím alebo zoznamom zákazov vytvorí uhladenú scénu, kde je subjekt len kulisovou postavou. Začni preto subjektom a jeho akciou a štýl si nechaj na koniec.

Dve vrstvy špecifické pre video: kamera a zvuk

Pri prevode textu na video (text-to-video) xAI zhrňuje svoju inštrukciu do jednej vety: opíš záber vrátane pohybu kamery, svetla a zvuku. Dva z týchto prvkov pri statických obrázkoch neexistujú.

Kamera sa ovláda pomocou filmovej terminológie: statický záber, pomalý nájazd (zoom), jazda kamery (tracking shot), pohľad z dronu, časozberný záber (timelapse). Príklady v dokumentácii xAI ich používajú presne takto: pomalý nájazd na mólo na dráhe, kamera kĺžuca od slnečných dverí k oknu, záber z dronu medzi vrcholmi, časozberný záber rozkvitajúceho kvetu. Ak nič nepovieš, necháš túto voľbu na modeli.

Svetlo profituje z toho, keď ho opíšeš tak, ako to robí sprievodca xAI pre obrázky: jeho zdroj, smer a tvrdosť, dostatočne výrazne, aby zostal subjekt čitateľný. „Tvrdé popoludňajšie slnko zľava“ hovorí modelu, čo má osvetliť; „pekné svetlo“ mu nepovie nič.

Zvuk je súčasťou výsledku: vygenerované video obsahuje štandardne zvukovú stopu so synchronizáciou pohybu pier (lip-sync) pri hovore na modeli grok-imagine-video-1.5 a jeho verzii -lite. Opíš teda zvukovú kulisu, ktorú chceš – dážď na dláždení, šum miestnosti, jemná hudba – alebo vypni stopu pomocou "generate_audio": false, ak plánuješ v strihu pridať vlastný soundtrack.

Jeden posledný prevádzkový detail mení spôsob, akým píšeš: na modeloch 1.5 najprv text-to-video vyrenderuje z výzvy statický obrázok a až potom ho animuje. Počiatočná scéna sa preto musí čítať ako ostrý obrázok – subjekt, dekor, svetlo – a pohyb ako to, čo sa deje potom.

Tri výzvy, tri štýly

Tieto vrstvy sa kombinujú rôzne v závislosti od účelu klipu. Pre reklamné použitie sa staráš o materiál a svetlo a akcia zostáva minimálna, ale perfektne opísaná:

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.

Pre vizualizáciu dát určenú na prezentáciu sa pohyb stáva štrukturálnym – nesie informáciu – a štýl sa zámerne stáva strohým. Toto video sa bude prehrávať pod živým komentárom: vygeneruj ho bez zvuku pomocou "generate_audio": false.

A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.

Napokon, pri kreatívnej animácii môže byť subjekt abstraktný, za predpokladu, že transformácia je opísaná presne:

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.

Venuj chvíľu tomu, aby si v každom z týchto troch blokov identifikoval, kde sa nachádza subjekt, akcia, prostredie a štýl, a následne kamera a zvuk. Toto čitateľské cvičenie ti následne uľahčí prirodzené písanie.

Prispôsobenie parametrov obsahu

Výzva nefunguje sama: dĺžka, formát a rozlíšenie jej musia zodpovedať. Dĺžka sa pohybuje od 1 do 15 sekúnd, predvolená hodnota je 8. Dĺžka 1 až 3 sekundy vyhovuje jednej akcii, prechodu alebo renderu v štýle GIF; od 4 do 7 sekúnd získaš krátku scénu so začiatkom a koncom; medzi 8 a 15 sekundami vstupuješ do naratívnej sekvencie s vývojom. Čím dlhšie video, tým viac času generovanie zaberie a cena sa účtuje za sekundu: začni krátko a postupne dĺžku zvyšuj.

Formát (pomer strán) vyberaj podľa konečného určenia. API ponúka deväť možností: 16:9 (predvolené) pre širokouhlé formáty, web a prezentácie, 9:16 pre mobilné zariadenia, stories a Reels, 1:1 pre príspevky na sociálne siete a miniatúry, 4:3 a 3:4 pre prezentácie a portréty, 3:2 a 2:3 pre fotografický render, 21:9 pre ultraširoký kinematografický formát, 5:2 pre banner alebo hlavičku stránky. Pri prevode obrázka na video (image-to-video) táto voľba odpadá: výstup nasleduje pomer strán vstupného obrázka.

Pokiaľ ide o rozlíšenie, na náhľady a koncepty používaj 480p – toto je predvolená hodnota a render je rýchlejší – a až keď klip ide do produkcie, prejdite na 720p alebo 1080p. Rozlíšenie 1080p existuje len na modeloch 1.5: natívne na grok-imagine-video-1.5, získané prevzorkovaním (upsampling) z 720p na jeho verzii -lite, zatiaľ čo grok-imagine-video končí na 720p. Pre jednoduché videá xAI odporúča grok-imagine-video-1.5-lite, čo je najlacnejšia možnosť za sekundu, a grok-imagine-video-1.5 si necháva pre referenčné obrázky, hlasy, vnútené obrázky a natívne 1080p.

Čo spôsobuje zlyhanie výzvy

Často sa opakujú päť úskalí. Prvým je príliš vágna výzva: „krásna scéna“ neobsahuje žiadne použiteľné informácie. Druhým je výzva, ktorá chce povedať všetko naraz – viacero subjektov, viacero lokalít, viacero scén v priebehu niekoľkých sekúnd. Pre príbeh s viacerými zábermi nasleduj príklad Storyboard to Short Film z kuchárky (cookbook) xAI: rozdeľ rozprávanie na štyri zábery, každý vygeneruj samostatne s vlastnou scénou a pohybom kamery a až potom ich poskladaj v strihu. Tretím, už spomenutým, je absencia opísaného pohybu, čo vedie k statickému záberu. Štvrté úskalie spočíva v logických konfliktoch: požiadavka na „mačku lietajúcu vo vode“ stavia model pred rozpor a výsledok bude pravdepodobne nekonzistentný. Piatym je zoznam negatív – „žiadne autá, žiadny text, žiadny dav“. Sprievodca xAI pre obrázky poznamenáva, že dlhý zoznam prvkov, ktorým sa treba vyhnúť, sa ľahko ignoruje a zaplní výzvu objektmi, ktoré sa nakoniec aj tak objavia: namiesto toho opíš to, čo chceš vidieť.

Pokiaľ ide o dĺžku, dokumentácia xAI neuvádza ideálnu mieru pre video a nekvantifikuje limit, po ktorom je príliš dlhá výzva odmietnutá (chyba invalid_argument). Jej sprievodca pre obrázky navrhuje štyri až šesť viet pre jeden obrázok: subjekt a jeho detaily, potom dekor, svetlo a kompozícia. Pre video záber vychádzaj z tejto štruktúry a pridaj akciu, kameru a zvuk.

Na precvičenie si napíš úplnú výzvu pre tri rôzne účely: video na pozadie pre webovú stránku reštaurácie, 3-sekundový klip pre Instagram Story módnej značky a abstraktnú animáciu pre technickú prezentáciu. Pri každej over, či sú prítomné štyri vrstvy, či sú opísané kamera a zvuk (alebo či je zvuková stopa vypnutá) a či dĺžka a formát zodpovedajú zamýšľanému použitiu.

Kľúčové poznatky

  • Dobrá výzva pre video obsahuje subjekt, akciu, prostredie a štýl, pričom začína subjektom
  • xAI tiež žiada, aby si opísal pohyb kamery, svetlo a zvuk
  • Zvuková stopa sa generuje štandardne; "generate_audio": false vytvorí nemé video
  • Prispôsob dĺžku (1 až 15 s, predvolené 8), formát (deväť formátov) a rozlíšenie (až 1080p na modeloch 1.5) konečnému použitiu
  • Príbeh s viacerými zábermi sa generuje záber po zábere a následne sa strihá
  • Opíš to, čo chceš vidieť, namiesto toho, čo nechceš