Obrázky ako referencie a pripnuté obrázky
Na tejto strane
Lekcia prepísaná 2. novembra 2026 na základe dokumentácie Reference-to-Video od xAI: referenčné obrázky zabezpečujú výskyt konkrétnych ľudí, objektov alebo oblečenia, ktoré sú v pronte označené ako
<IMAGE_0>,<IMAGE_1>… – nie len na vynútenie štýlu; na modeligrok-imagine-video-1.5môžu teraz sprevádzať parameterimage, pripnutý posledný obrázok, kľúčové snímky (keyframes) a hlasy. Staršia verzia tvrdila, žeimageareference_imagessú nekompatibilné. Zdroje: Reference-to-Video · Reference Videos.
Ako modelu dodať vizuálne prvky
Priama animácia obrázka nie je jediným spôsobom, ako modelu poskytnúť vizuálny obsah. Video API od xAI ponúka druhý mechanizmus: referenčné obrázky. Namiesto toho, aby sa obrázok hýbal tak, ako je, slúžia tieto obrázky ako zdroje prvkov, ktoré sa majú vo videu objaviť – osoba, produkt, kus oblečenia – bez zmrazenia popredia. Pochopenie rozdielu medzi parametrami image a reference_images je kľúčom k tejto lekcii.
Dva parametre, dva závery
Parameter image poskytuje obrázok na animáciu: stáva sa prvým snímkom videa a jeho obsah sa uvedie do pohybu. Toto je klasické image-to-video z predchádzajúcich lekcií.
Parameter reference_images poskytuje obrázky, ktorých prvky model znovu využije: tvár modelky, košeľu, fľašu parfumu. Samotná scéna sa riadi tvojím promptom. xAI uvádza tri typické použitia: virtuálne vyskúšanie oblečenia (virtual try-on), umiestnenie produktu a príbehy s opakujúcimi sa postavami. Každá referencia môže byť verejná URL adresa HTTPS, údaje zakódované v base64 alebo file_id nahraného súboru a všetky tri formy môžeš v jednej požiadavke kombinovať.
{
"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"
}
Odvolávanie sa na referencie v prompte
Prompt označuje každú referenciu podľa jej pozície v zozname: <IMAGE_0> pre prvú, <IMAGE_1> pre druhú a tak ďalej. Ak zároveň poskytuješ parameter image na pripnutie prvého snímku, tento zaberie pozíciu <IMAGE_0> a tvoje referencie začínajú až od <IMAGE_1>.
Pri viacerých referenciách xAI odporúča priradiť každej z nich jedinú úlohu a fixné miesto v scéne, udržať obsadenie obmedzené a používať statické rekvizity. Referencia, ktorá slúži súčasne ako postava aj ako dekorácia, alebo desať objektov pohybujúcich sa naraz, vytvára zmätočné scény.
Pravidlá
| Limit | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Referenčné obrázky | max. 14 | max. 7 |
| Dĺžka | max. 15 s | max. 10 s |
| Rozlíšenie | max. 720p | max. 720p |
| Prvý obrázok pripnutý s referenciami, posledný obrázok, kľúčové snímky | Áno | Nie |
Hlasy (reference_audios) | max. 3 preddefinované hlasy | Nie |
Požiadavka tohto typu musí obsahovať aspoň jeden referenčný obrázok, hlas, posledný obrázok alebo kľúčové snímky.
Pripnutie konkrétnych obrázkov (grok-imagine-video-1.5)
Na modeli grok-imagine-video-1.5 môžeš fixovať presné obrázky v daných časoch videa:
imagealast_framespolu: video začína prvým obrázkom a končí posledným, pričom model interpoluje medzi nimi- Samotné
last_frame: model vymyslí úvod a skončí na pripnutom obrázku last_frames referenciami alebo hlasmi: posledný obrázok je pripnutý, referencie usmerňujú zvyšok; pridajimage, ak chceš pripnúť aj začiatokkeyframes: až štyri kľúčové snímky, každý s hodnotoutimestamp_sstriktne medzi 0 a dĺžkou videa; kotvy sa prichytávajú na mriežku po tretinách sekundy, takže dva kľúčové snímky musia byť od seba vzdialené aspoň o jednu tretinu sekundy
{
"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
}
Ten istý model dokáže tvojim postavám prepožičať aj hlasy: parameter reference_audios prijíma až tri preddefinované hlasy, označené ich voice_id (z katalógu hlasov text-to-speech od xAI, napríklad eve alebo leo), ktoré prompt označuje ako <AUDIO_0>, <AUDIO_1>…
Čo umožňujú referencie
Prvým prípadom použitia a tým najvýhodnejším v profesionálnom kontexte je kontinuita: tá istá postava, ten istý produkt z videa na video. Predstav si kampaň s desiatimi videami vyrobenú počas troch týždňov: bez referencií by sa produkt jemne menil na tvare a maskot by si z klipu na klip menil tvár. Systematickým poskytovaním rovnakých referencií ukotvíš to, čo musí zostať identické, a promptom meníš len scénu.
{
"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
}
Umiestnenie produktu funguje na rovnakej logike – tvoja fľaša, tvoja topánka vo vymyslenej scéne – a virtuálne vyskúšanie to posúva ešte ďalej: osoba a odev, každý na vlastnej referencii, spojené v jednom zábere.
Výber a kombinovanie referencií
Vyberaj ostré, dobre osvetlené obrázky, kde prvok na opätovné použitie zaberá väčšinu záberu: košeľa odfotená samotná na neutrálnom pozadí funguje lepšie než košeľa nosená v dave. Jedna referencia, jeden subjekt.
Tvorba promptu sa riadi rozdelením úloh: referencie prinášajú prvky, prompt opisuje scénu a akciu. Každú referenciu pomenuj jej tagom tam, kde zasahuje, a buď explicitný ohľadom pohybu, ktorý žiadny obrázok neobsahuje.
Keď čelíš požiadavke, rozhodovanie sa redukuje na jednu otázku. Ak chceš animovať konkrétny obrázok tak, ako je, použi image. Ak chceš novú scénu, v ktorej sa objavia daní ľudia alebo objekty, použi reference_images. Ak chceš kontrolovať začiatok, koniec alebo konkrétne momenty, použi pripnuté obrázky modelu grok-imagine-video-1.5. A ak na ničom z toho nezáleží, stačí samotný prompt.
Kľúčové poznatky
imageanimuje obrázok, ktorý sa stane prvým snímkom videa;reference_imageszabezpečuje výskyt prvkov bez zmrazenia popredia- Prompt odkazuje na referencie podľa pozície:
<IMAGE_0>,<IMAGE_1>… (imagezaberie<IMAGE_0>, ak je poskytnutý) - Až 14 referencií na
grok-imagine-video-1.5(15 s), 7 nagrok-imagine-video(10 s), max. 720p - Na
grok-imagine-video-1.5dopĺňajú referencie parametreimage,last_frame,keyframesareference_audios - Jedna úloha na referenciu, obmedzené obsadenie, statické rekvizity