Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Animera en bild med image-to-video

Lektion 4 av 12 Uppdaterad 2 november 2026 Medelnivå
På denna sida
  1. Väcka dina bilder till liv
  2. Parametern image
  3. Skriv en prompt när bilden redan talar
  4. Tre konkreta exempel
  5. Där detta tillvägagångssätt gör skillnad
  6. Viktiga punkter

Uppdaterat den 2 november 2026 baserat på xAI:s video-API-referens: källbilden placeras i ett image-objekt ({"url": ...} eller {"file_id": ...}), inte som en vanlig sträng. Källor: Image-to-Video · Video Reference.

Väcka dina bilder till liv

xAI:s API genererar inte bara videor från grunden. Det kan också animera en befintlig bild – det vill säga ta en visualisering du redan äger och sätta den i rörelse. Denna funktion, som kallas image-to-video, förändrar arbetets natur: du ber inte längre modellen att hitta på en scen, utan att utöka din egen. Det är exakt vad du behöver när ett produktblad ska bli till en annons, när en redaktionell illustration är avsedd för sociala medier, eller när en kund redan har godkänt en varumärkesvisualisering.

Parametern image

Tekniskt sett handlar allt om att lägga till ett image-objekt, som identifierar källvisualiseringen via dess url (offentlig adress eller base64-kodad data) eller via file_id för en fil som laddats upp via Files API.

{
  "model": "grok-imagine-video",
  "prompt": "Animate this scene with a wind effect in the hair",
  "image": {"url": "https://exemple.com/photo-portrait.jpg"},
  "duration": 5
}

Modellen analyserar den angivna bilden, bevarar dess visuella innehåll och injicerar den rörelse som beskrivs i prompten. Tre villkor styr denna anrop: bilden måste vara tillgänglig (offentlig URL, base64-data eller uppladdad fil), vara i formatet JPEG, PNG eller WebP, och prompten måste beskriva den önskade rörelsen snarare än bilden själv – modellen ser den redan, och att beskriva den på nytt slöseri bara uppmärksamhet.

Skriv en prompt när bilden redan talar

Detta är den viktigaste förändringen i denna lektion. I text-to-video bär din prompt allt: motiv, miljö, stil och action. I image-to-video ges de tre första, och du behöver bara arbeta med det fjärde. En bra animationsprompt ser därför ut som en regissörsnotis riktad till en filmfotograf som redan har scenen framför sig.

Fokusera först på vad som behöver röra sig, genom att namnge elementet och gestens karaktär: “löven rasslar mjukt i vinden”, “flodvattnet flyter långsamt”, “karaktären vänder huvudet åt höger”. Du kan sedan lägga till ett lager av dynamisk stämning, som inte rör ett specifikt objekt utan den generella atmosfären – “solljus som gradvis filtrerar genom molnen”, “ett lätt regn som börjar falla”. Två vanor att avlära sig: beskriv inte bilden på nytt (“ett bergslandskap” tillför ingenting) och be inte om en radikal omvandling av dess innehåll – det är inte vad denna endpoint gör.

Tre konkreta exempel

Ett produktfoto, säg ett armbandsur som vilar på en sammetskudde, lämpar sig för en enkel mekanisk rörelse och ett ljusspel. Det kvadratiska formatet passar det sociala flöde det är avsett för.

{
  "model": "grok-imagine-video",
  "prompt": "Slow rotation of the watch on itself, light reflections sparkling on the dial",
  "image": {"url": "https://exemple.com/montre.jpg"},
  "duration": 5,
  "aspect_ratio": "1:1"
}

Ett landskap – här en bergssjö vid gryningen – tillåter flera samtidiga rörelser, förutsatt att de förblir långsamma och naturliga. Den längre varaktigheten är motiverad eftersom den skingrande dimman är en effekt som behöver tid för att läsas.

{
  "model": "grok-imagine-video",
  "prompt": "Slight ripples on the lake surface, morning mist dissipating slowly, birds crossing the sky",
  "image": {"url": "https://exemple.com/lac-montagne.jpg"},
  "duration": 8,
  "aspect_ratio": "16:9"
}

Ett porträtt kräver slutligen återhållsamhet: några sekunder räcker, och rörelsen måste förbli mikroskopisk för att inte riskera att glida över i det kusliga. Det vertikala formatet förbereder den för publicering som en story.

{
  "model": "grok-imagine-video",
  "prompt": "The person blinks gently and smiles slightly, hair moving with a light breeze",
  "image": {"url": "https://exemple.com/portrait.jpg"},
  "duration": 3,
  "aspect_ratio": "9:16"
}

Där detta tillvägagångssätt gör skillnad

Image-to-video finner sin naturliga mark överallt där befintliga visuella tillgångar redan existerar. Inom e-handel förvandlar det en fotokatalog till ett lager av videoannonser utan en ny fotografering. På sociala medier blåser det nytt liv i statiska inlägg som har nått ett tak i engagemang. I presentationer animerar det bildspel och illustrationer som aldrig hade motiverat en produktionsbudget. Och för kreativt arbete låter det dig utforska animerade varianter av samma verk till en försumbar kostnad.

Tre begränsningar dämpar denna entusiasm, och det är bäst att känna till dem innan du lovar ett resultat. Modellen respekterar generellt kompositionen i källbilden, men förvrängningar kan uppstå på fina detaljer – typografi, händer, repetitiva mönster. Komplexa rörelser, som en karaktär som går eller ett fordon som accelererar, är betydligt svårare att uppnå än subtila rörelser av vind, vatten eller ljus; styr dina förfrågningar mot det senare. Slutligen beror kvaliteten på resultatet nära på upplösningen hos källbilden: en medioker visualisering som indata kommer aldrig att producera en ren video som utdata.

Viktiga punkter

  • Parametern image accepterar en URL till bilden som ska animeras
  • Prompten måste beskriva rörelsen, inte bilden
  • Subtila rörelser (vind, vatten, ljus) ger bäst resultat
  • Image-to-video är idealiskt för e-handel och sociala medier
  • Kvaliteten på källbilden påverkar direkt resultatet