將場景描述變成動態鏡頭
先選定一個主體及一個清楚的動作。
寫明主體、環境、動作及鏡頭移動,讓描述圍繞一個連貫鏡頭。例如以側光照明的陶瓷花瓶,配合緩慢環繞的鏡頭,比在一段短片內安排多次轉場更容易判斷效果。文字生成影片毋須上載圖片;先檢視構圖和動作是否符合構思,再繼續剪接或調整。
寫下場景描述,或上載一張起始圖片,製作附原生音訊的短片。選擇 4–15 秒片長,確認預計積分,再逐步調整理想鏡頭。

Grok Imagine Video 1.5 Lite 可將文字或一張起始圖片變成短片,並生成原生音訊。你可以嘗試產品動態、社交平台短片及分鏡構思,選用 4–15 秒片長,以及 480p、720p 或放大至 1080p 的輸出。

準備清晰的描述,選好輸出設定,再檢查動作、聲音及畫面細節。
先選定一個主體及一個清楚的動作。
寫明主體、環境、動作及鏡頭移動,讓描述圍繞一個連貫鏡頭。例如以側光照明的陶瓷花瓶,配合緩慢環繞的鏡頭,比在一段短片內安排多次轉場更容易判斷效果。文字生成影片毋須上載圖片;先檢視構圖和動作是否符合構思,再繼續剪接或調整。
選用主體清晰、留有活動空間的圖片。
上載一張不超過 10 MB 的 JPG、PNG 或 WEBP 圖片,再描述畫面如何移動。圖片宜有清晰主體、適當背景空間,而且構圖接近你想要的影片。以圖片生成時,影片比例會跟隨起始圖片。人臉、產品標籤及細小邊緣在動態過程中可能改變,請與原圖比較。
製作 4–15 秒、以整秒計的短片。
片長可由 4 至 15 秒,以整秒選擇。四秒短片宜集中呈現一個動作;若動作需要逐步展開,可選較長片段。文字生成影片提供自動、16:9、9:16、1:1、4:3、3:4、3:2 及 2:3 比例。手機限時動態可用直向畫面,簡報則可用橫向畫面;用圖片生成時,請先裁切好比例才上載。
按下一步用途選擇合適解像度。
可以先用 480p 試驗鏡頭,再考慮以 720p 或 1080p 用於較大的展示畫面。1080p 是由 720p 放大而成,並非原生 1080p 渲染。較高解像度需要更多積分,也不能修正不連貫的動作、錯誤文字或改變了的人臉。下載後,請按實際展示大小檢查畫質。
交代適合鏡頭的環境聲或音效。
模型支援生成原生音訊。你可以寫明與場景配合的環境聲或簡單音效,例如寧靜海岸的浪聲,或杯子放到木枱上的聲音。目前工作區沒有獨立音訊上載或聲音開關。分享前,請聽清楚對白、聲音出現的時間、背景雜音及音樂;指定台詞和聲畫同步未必能準確呈現。
4 秒 480p 文字生成影片由 10 積分起。
登入後查看積分餘額及畫面上的預計用量。純文字生成 480p 影片,4 秒需 10 積分,8 秒需 20 積分;4 秒 720p 需 15 積分,1080p 則需 70 積分。加入一張起始圖片會在最後取整前增加少量費用,因此 4 秒 480p 圖片生成影片需 12 積分。片長和解像度都會影響用量,提交前請再次確認。
嘗試產品動態、分鏡及社交平台短片。
可以嘗試產品動態測試、分鏡的開場鏡頭,或直向社交平台短片構思。保持同一份描述,每次只改一項主要設定,會較容易比較結果。選好影片後,再用剪片軟件加入準確的標題、標誌及字體排版。公開使用前,請確認參考素材內人物、產品及作品的使用權限。
確認畫面與聲音後,再用於其他項目。
生成完成後,完整播放一次,留意人物外貌變化、物件扭曲、突兀動作或多餘文字。聆聽音訊,並將開頭畫面與參考圖比較。使用結果旁的下載按鈕儲存檔案,再開啟影片檢查,以便繼續剪接或發佈。生成所需時間會有變化;商業用途須視乎輸入素材的權限,以及適用的模型和服務條款。
柔和側光照着陶瓷花瓶,鏡頭緩慢環繞,背景保持平靜。留意整段動作中輪廓及表面標記有沒有改變。
鏡頭緩慢推向黃昏的店舖櫥窗。先檢查反光和玻璃邊緣,再用剪片軟件加上正確店名。
以廣闊海岸、小浪及緩慢橫移的鏡頭作開場。描述寧靜的海浪聲,再檢查地平線與音訊。
用已獲准使用的人像試做輕微轉頭,將五官與起始圖片比較,避免一次安排太大的動作。
鏡頭緩慢掃過房間,試驗開場構圖。把片段用作較長影片的參考前,先檢查空間關係是否連貫。
一碗熱食放在枱上,蒸氣輕輕升起。減少鏡頭晃動,仔細檢查食物形狀及餐具邊緣。
在緩慢變化的光線下拍攝手工作品近鏡。留意細小花紋,不要假設生成的紋理與原件完全一致。
以 9:16 畫面展示產品,留空間放短標題。文字留待剪接時加入,並檢查主體有沒有移出畫面。
Grok Imagine Video 1.5 Lite FAQ
也可以了解 Grok Imagine Video 1.5 Preview 或 Grok Imagine 的影片創作方式。
你可以用文字生成短片,或以一張起始圖片配合文字動作描述,讓畫面動起來。本頁選用 Lite 模型,與 Grok Imagine Video 1.5 Preview 是不同模型,兩者的設定和功能未必相同。
上載一張不超過 10 MB 的 JPG、PNG 或 WEBP 圖片,再寫明動作和鏡頭方向。文字生成和圖片生成都必須填寫描述。這裏不支援多張參考圖、尾幀或影片輸入。
可選 4–15 秒,以整秒計,解像度包括 480p、720p 及 1080p。預設為 4 秒 480p;1080p 由 720p 原始畫面放大而成,並非原生 1080p 渲染。
文字生成影片可選自動、16:9、9:16、1:1、4:3、3:4、3:2 及 2:3 比例。圖片生成影片的比例則跟隨起始圖片,請在上載前將圖片裁切成需要的形狀。
純文字生成 4 秒 480p 影片需 10 積分,8 秒需 20 積分;4 秒 720p 需 15 積分,1080p 需 70 積分。加一張起始圖片後,4 秒 480p 預計需 12 積分。費用按片長和解像度計算,圖片附加費計入後才統一向上取整。請以提交前顯示的即時預估為準。
模型支援原生音訊生成,你可以在描述中加入環境聲或音效方向。目前工作區不支援獨立音訊輸入,也沒有聲音開關。使用影片前,請先聽清楚結果,檢查對白和聲畫同步。
清晰的起始圖片和適度動作有助表達構思,但人物外貌、物件形狀和文字仍可能改變。請完整檢查影片,並與原始素材比較。若品牌元素或字幕必須準確,建議在剪片軟件內加入及核對。
生成完成後,按結果的下載按鈕儲存影片,再開啟檔案檢查畫面和音訊,便可用慣用軟件繼續剪接。公開發佈或商業使用須視乎輸入素材的使用權,以及適用的服務和模型條款;並無保證固定生成時間,也不代表你已獲授權使用所有第三方素材。
圖像
JPG, JPEG, PNG, WEBP · 10MB
拖放圖片或點擊上載。