Slikovne reference in pripete slike
Na tej strani
Lekcija je bila na novo napisana 2. novembra 2026 na podlagi dokumentacije Reference-to-Video podjetja xAI: slikovne reference omogočajo pojav specifičnih oseb, predmetov ali oblačil, ki jih poziv označi kot
<IMAGE_0>,<IMAGE_1>… – ne zgolj za vsiljevanje sloga; pri modelugrok-imagine-video-1.5lahko zdaj sobivajo s parametromimage, pripeto zadnjo sliko, ključnimi sličicami in glasovi. Stara različica je trdila, da staimageinreference_imagesnezdružljiva. Viri: Reference-to-Video · Reference Videos.
Modelu posredujemo vizualne vsebine
Neposredna animacija slike ni edini način za posredovanje vizualnih vsebin modelu. Video API podjetja xAI ponuja drugi mehanizem: slikovne reference. Namesto da bi sliko premikali takšno, kot je, te zagotavljajo elemente, ki se morajo v videu pojaviti – oseba, izdelek, kos oblačila – ne da bi zamrznili ospredje. Razumevanje meje med image in reference_images je ključ do te lekcije.
Dva parametra, dva namena
Parameter image posreduje sliko za animacijo: ta postane prvi kader videa in njena vsebina se spravi v gibanje. To je pretvorba slike v video iz prejšnjih lekcij.
Parameter reference_images posreduje slike, katerih elemente model ponovno uporabi: obraz modela, srajco, stekleničko parfuma. Sama scena sledi vašemu pozivu. xAI navaja tri tipične primere uporabe: virtualno preizkušanje oblačil, umestitev izdelka in zgodbe s ponavljajočimi se liki. Vsaka referenca je javni URL HTTPS, podatki, kodirani v base64, ali file_id naložene datoteke; v enem samem zahtevku lahko mešate vse tri oblike.
{
"model": "grok-imagine-video-1.5",
"prompt": "Počasen vozeči posnetek na beli modni pisti. Model iz <IMAGE_0> vstopi iz ozadja in hodi proti kameri; nosi srajco iz <IMAGE_1> in črne kavbojke. Upočasnjeno, visoka kakovost, podrobni obrazi.",
"reference_images": [
{"url": "https://exemple.com/mannequin.jpg"},
{"url": "https://exemple.com/chemise.jpg"}
],
"duration": 10,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Navajanje referenc v pozivu
Poziv vsako referenco označi z njenim položajem na seznamu: <IMAGE_0> za prvo, <IMAGE_1> za drugo in tako naprej. Če poleg tega posredujete še image za pripetje prvega kadra, ta zavzame <IMAGE_0>, vaše reference pa se začnejo pri <IMAGE_1>.
Pri več referencah xAI priporoča, da vsaki dodelite eno samo vlogo in fiksno mesto v sceni, omejite število likov in uporabite statične rekvizite. Referenca, ki služi hkrati kot lik in kulisa, ali deset predmetov, ki se premikajo hkrati, ustvarjata zmedene scene.
Pravila
| Omejitev | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|
| Slikovne reference | Največ 14 | Največ 7 |
| Trajanje | Največ 15 s | Največ 10 s |
| Ločljivost | Največ 720p | Največ 720p |
| Prva slika pripeta z referencami, zadnja slika, ključne sličice | Da | Ne |
Glasovi (reference_audios) | Največ 3 vnaprej določeni glasovi | Ne |
Zahtevek te vrste mora vsebovati vsaj eno slikovno referenco, glas, zadnjo sliko ali ključne sličice.
Pripetje specifičnih slik (grok-imagine-video-1.5)
Pri modelu grok-imagine-video-1.5 lahko fiksirate točne slike ob določenih časih v videu:
imageinlast_frameskupaj: video se začne s prvo sliko in konča z zadnjo, model pa interpolira med njima- Samo
last_frame: model izumi začetek in pristane na pripeti sliki last_framez referencami ali glasovi: zadnja slika je pripeta, reference vodijo preostanek; dodajteimage, da pripnete tudi prvokeyframes: do štiri ključne sličice, vsaka stimestamp_s, ki je strogo med 0 in trajanjem videa; sidrišča se pritrdijo na mrežo tretjin sekunde, zato morata biti dve ključni sličici razmaknjeni vsaj za tretjino sekunde
{
"model": "grok-imagine-video-1.5",
"prompt": "Cvet se počasi odpre pod jutranjo svetlobo",
"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
}
Isti model lahko vašim likom posodi tudi glasove: reference_audios sprejme do tri vnaprej določene glasove, označene z njihovim voice_id (iz kataloga glasov za pretvorbo besedila v govor podjetja xAI, na primer eve ali leo), ki jih poziv navaja kot <AUDIO_0>, <AUDIO_1>…
Kaj omogočajo reference
Prvi primer uporabe in najbolj stroškovno učinkovit v profesionalnem okolju je kontinuiteta: isti lik, isti izdelek iz videa v video. Predstavljajte si kampanjo z desetimi videi, izdelano v treh tednih: brez referenc se izdelek subtilno spremeni v obliki, maskota pa si zamenja obraz iz posnetka v posnetek. Z doslednim zagotavljanjem istih referenc zasidrate tisto, kar mora ostati enako, medtem ko poziv spreminja le sceno.
{
"model": "grok-imagine-video-1.5",
"prompt": "Pametni telefon iz <IMAGE_0> stoji na minimalistični pisalni mizi; njegov zaslon se postopoma vklopi, mehka jutranja svetloba",
"reference_images": [
{"url": "https://exemple.com/smartphone-officiel.jpg"}
],
"duration": 6
}
Umestitev izdelka sledi isti logiki – vaša steklenička, vaš čevelj v izmišljeni sceni – virtualno preizkušanje oblačil pa to pelje še dlje: oseba in oblačilo, vsak na svoji referenci, združena v istem kadru.
Izbira in združevanje referenc
Izberite ostre, dobro osvetljene slike, kjer element za ponovno uporabo zavzema večino kadra: srajca, fotografirana sama na nevtralnem ozadju, deluje bolje kot srajca, ki jo nosi nekdo v gneči. Ena referenca, en subjekt.
Pisanje poziva sledi porazdelitvi vlog: reference prinašajo elemente, poziv pa opisuje sceno in dejanje. Vsako referenco poimenujte z njeno oznako tam, kjer nastopi, in bodite izrecni glede gibanja, ki ga nobena slika ne nosi s seboj.
Ko se soočite z zahtevo, se odločitev свede na eno vprašanje. Če želite animirati specifično sliko takšno, kot je, uporabite image. Če želite novo sceno, v kateri se pojavijo določene osebe ali predmeti, uporabite reference_images. Če želite nadzorovati začetek, konec ali specifične trenutke, uporabite pripete slike modela grok-imagine-video-1.5. In če nič od tega ni pomembno, zadostuje zgolj poziv.
Ključne ugotovitve
imageanimira sliko, ki postane prva v videu;reference_imagesomogoča pojav elementov brez zamrzovanja ospredja- Poziv navaja reference po položaju:
<IMAGE_0>,<IMAGE_1>… (imagezavzame<IMAGE_0>, če je podan) - Do 14 referenc pri
grok-imagine-video-1.5(15 s), 7 prigrok-imagine-video(10 s), največ 720p - Pri
grok-imagine-video-1.5parametriimage,last_frame,keyframesinreference_audiosdopolnjujejo reference - Ena vloga na referenco, omejena zasedba, statični rekviziti