Generera bilder och videor
På denna sida
Uppdaterat 2 november 2026: Imagine.
grok-imagine-image-qualitytogs ur bruk den 2 november 2026: dess förfrågningar hanteras nu av Imagine Image 2.0 (grok-imagine-image-2.0, 0,04 USD per bild) med kvalitetenlow. Om du har äldre kod, byt ut modell-ID:t och ange den kvalitet du önskar;grok-imagine-image(version 1.0) påverkas inte. Imagine Image 2.0 accepterar upp till fem referensbilder och kvalitetslägetauto, som nu är standard.
Visuell skapande med Grok
Nu när du har sett hur Grok förstår en bild, ska vi titta på hur den skapar en. Modellfamiljen grok-imagine genererar bilder och videor från textbeskrivningar, vilket gör den till ett verktyg för innehållsskapande, visuell prototyping och illustration. En visuell idé som tidigare krävde en brief, en frilansare och två dagars väntan kan nu testas på några minuter, även om du sedan lämnar den slutgiltiga versionen till en professionell.
Generera en bild
På grok.com är genereringen inbyggd i det konversationsbaserade gränssnittet: beskriv helt enkelt bilden du vill ha i ditt meddelande. Resultatets kvalitet beror nästan uteslutande på hur exakt den beskrivningen är, som i detta exempel där motiv, plats, tidpunkt och stil specificeras:
Create an illustration of a ginger cat sitting on a Paris
rooftop at sunset, in watercolor style.
Grok använder automatiskt modellen grok-imagine för att skapa bilden, som visas i konversationen och kan laddas ner. Två modeller samexisterar beroende på vad du behöver: grok-imagine-image, standardmodellen, är snabb och billig och lämpar sig väl för iterationer och att testa kompositioner, medan grok-imagine-image-2.0 (Imagine Image 2.0) producerar mer detaljerade och realistiska renderingar som du sparar för den slutgiltiga versionen.
Via API:t får du exakt kontroll över genereringen:
response = client.images.generate(
model="grok-imagine-image",
prompt="A futuristic landscape with floating buildings",
n=1,
aspect_ratio="16:9",
resolution="2k"
)
Tillgängliga bildformat inkluderar 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 och andra, vilket räcker för att producera en banner och dess vertikala mobilversion från samma prompt. Du kan generera upp till 10 bilder per förfrågan, vilket är rätt sätt att utforska en konstnärlig riktning: tio variationer av en bra prompt slår en enda bild från en prompt du tror är perfekt.
Grok kan också redigera befintliga bilder. Redigering via API:t låter dig lägga till element, ändra stil eller stämning, fixa detaljer och framför allt kedja successiva redigeringar genom att mata utdata från en förfrågan in i nästa. Den här kedjningen är långt bättre än en jättelik prompt som försöker göra allt på en gång: du rör dig framåt genom tydliga korrigeringar och kan gå tillbaka. Du kan ange upp till 5 källbilder per redigeringsförfrågan.
Generera en video
Till skillnad från bilder, som produceras omedelbart, är videoskapande en asynkron process, och det får en direkt konsekvens för din kod: du kan inte vänta på svaret inom själva förfrågan. Sekvensen ser ut så här:
- Du skickar din förfrågan med en beskrivning
- Du får ett förfrågnings-ID
- Videon genereras i bakgrunden
- Du hämtar resultatet när genereringen är klar
Det finns tre metoder. Text-to-Video skapar en video från en textbeskrivning, Image-to-Video animerar en befintlig bild (den mest tillförlitliga vägen när du redan har den startbild du vill ha) och referensbilder fungerar som en stilguide för videon så att den håller sig konsekvent med en varumärkesidentitet.
| Parameter | Värden |
|---|---|
| Längd | 1 till 15 sekunder per generering |
| Bildformat | 1:1, 16:9, 9:16, 4:3 och andra |
| Upplösning | 480p eller 720p |
Du kan också förlänga en genererad video: du lägger till 2 till 10 sekunder i slutet av ett befintligt klipp, med en prompt som beskriver vad som ska hända härnäst. Det är det enklaste sättet att gå längre än längden på en enda generering utan att tappa den visuella kontinuiteten.
Skriv prompts som håller
För en bild, beskriv motivet, stilen, färgerna, stämningen och belysningen snarare än att bara nämna ett objekt. Namnge stilen du vill ha explicit (akvarell, fotografi, vektorillustration, pixelkonst), för annars bestämmer modellen åt dig. Specificera kompositionen (framsida, fågelperspektiv, närbild eller panorama) och därefter detaljerna som förankrar scenen: texturer, material, tid på dygnet, årstid.
För en video är rörelse det som bär resultatet: specificera vad som rör sig, i vilken riktning och hur snabbt, samt den stämning du vill ha (lugn, dynamisk, dramatisk eller glad). Var realistisk med omfattningen, för korta klipp med enkla rörelser ger bättre resultat än ett komplext skott som begärs på en gång.
Fyra begränsningar att planera för från första försöket
URL:erna till genererade bilder och videor är tillfälliga: ladda ner dina skapelser direkt, annars måste du generera om dem, och en identisk generering ger aldrig exakt samma resultat. Innehållsmoderering tillämpas automatiskt. Videogenerering har en standardtidsgräns på tio minuter, vilket du måste ta hänsyn till i din felhantering. Slutligen är videoredigering begränsad till 8,7 sekunders utdata med en maximal upplösning på 720p: värt att veta innan du bygger ett redaktionellt format på det.
Viktiga punkter
- grok-imagine genererar bilder (standard och 2.0) och videor
- Bilder genereras omedelbart; videor genereras asynkront
- Flera bildformat och upplösningar finns tillgängliga
- Bildredigering och videoförlängning utökar dina kreativa möjligheter
- Genererade URL:er är tillfälliga: ladda ner dina skapelser utan dröjsmål