Grok 圖像轉影片指南：提示詞、運動控制與常見問題

圖像轉影片從你已經認可的幀開始。這是它的優勢，也是它的限制。圖像鎖定了開場構圖，但模型仍需推斷深度、隱藏的身體部位、物體行為、時間安排以及接下來應該發生什麼。

好的結果因此在上傳之前就已開始。選擇一張看起來可以合理移動的圖片，定義一個小型表演節拍，並將提示詞寫為接下來幾秒的指令——而不是對畫面的二次描述。

本指南反映了截至2026年9月18日的官方xAI文件。產品控制措施和消費者計劃限制可能會有所變更。

Grok 圖像轉影片功能簡介

在標準圖像轉影片模式下，輸入圖像被固定為起始幀。提示詞描述後續的運動。當前xAI關於Grok Imagine Video 1.5的文件還描述了參考轉影片、可選參考音訊、首尾幀工作流程、編輯、擴展以及支援圖像轉影片請求的原生1080p。

差異很重要：

起始影像： 決定精確的第一幀。
參考圖像： 指導身份、外觀或風格，但不一定成為第一幀。
最後一幀： 定義運動必須到達的位置。
編輯請求： 修改現有影片而非為靜態圖像添加動畫效果。

請查閱官方 xAI 影片生成指南以了解當前 API 欄位及支援的組合。

第一步：選擇一張能經得起運動考驗的圖片

最好的源圖像並不總是最富戲劇性的插圖，而是具有最清晰空間資訊的幀。

首選：

一個主導主題；
清晰可辨的手和四肢；
主體與背景之間清晰分離；
一張足夠大的臉以供保存；
一致的光照；
運動方向周圍的房間；
無意外文本或水印；
一個可能作為鏡頭開頭的構圖。

謹慎對待：

雙手交叉遮住臉；
頭髮遮住雙眼；
角色必須行走時，腳部被裁剪；
複雜的人群；
顯示主體第二個版本的倒影；
極端透視縮短；
需要精確手指接觸的微小道具；
已繪製的速度線與新動作衝突。

如果圖像是由AI圖像生成器創建的，請在動畫前修正主要的解剖結構、服裝和物體錯誤。影片無法可靠地修復糟糕的規範幀。

第2步：決定允許更改的內容

將畫面分為三類：

已鎖定

必須保持穩定的細節，如面部、頭髮、制服、產品標籤、關鍵道具或房間佈局。

移動

主要性能：轉身、抬頭、邁步、舉手、開門或做出反應。

回覆

動作引起的次級運動：頭髮垂落、布料隨慣性飄動、光線變化、塵土揚起、樹葉搖曳，或倒影變幻。

這會生成一個清晰的方向說明：

鎖定：面部，白色短髮，藍色外套，銀色吊墜，車站建築。
移動：她看向駛來的火車，後退了一步。
衣擺和散發在列車氣流中飄動。

第三步：撰寫以動作為優先的提示詞

避免重複已經可見的細節，除非它們是身份錨點。從當前狀態開始，描述發生了什麼變化。

弱：

美麗的動漫女孩，銀髮，藍色外套，電影感，傑作，驚豔的動作。

導演：

她注意到月台外的動靜，先是轉動目光，然後緩緩轉過身來。
頭部微微抬起約三十度。她的右手緊緊攥著包帶。一列火車駛過
在她的外套下擺和鬆散的髮絲間激起一陣短暫的波動。中景鎖定鏡頭，帶著一絲微妙的
在最後一秒推入。保留她的面部、髮型、外套、吊墜和背景
架構。一個連續鏡頭，沒有新人物，沒有場景切換。

第二個版本定義了效能、序列、相機、物理響應和連續性。

第四步：將鏡頭語言與主體運動分離

使用可識別的相機指令：

鎖定攝像頭；
緩慢推進；
緩慢拉回；
橫向追蹤；
溫和的軌道；
向上傾斜；
手持式微動；
在命名主體之間進行拉焦轉換。

通常一個鏡頭運動就足夠了。結合軌道、變焦、升降、抖動和快速搖攝，可能會迫使模型重新解讀整個畫面。

為了保持角色一致性，從鎖定攝影機開始。當表演效果正常後，測試一個微妙的攝影機版本。

步驟 5：用時間感代替形容詞堆砌

以簡單的節拍來安排動作順序：

前兩秒：他保持靜止，傾聽。
中景：他將燈籠舉到齊肩高。
最後兩秒：暖光映出門道；他定格了最後的姿勢。

時機讓「戲劇性」變得可衡量，同時也為剪輯創造了一個穩定的最終畫面。

六種可適配的提示模式

微妙的肖像

她自然地呼吸，眨了一次眼，將目光從窗戶移向鏡頭。
散發頭髮對室內氣流有輕微反應。近距離鎖定，柔和連續的光線，
保留面部結構和耳環，無言語，無場景變化。

動漫動作準備

他降低重心，將劍拔出一半，在攻擊前停住。
外套跟隨身體移動，帶有可信的延遲感。緩慢的橫向鏡頭滑動，克制而內斂
刀片後的能量粒子，保留面部、服裝、武器形狀及環境。

產品揭曉

相機圍繞產品緩慢順時針弧線運動，而物體保持固定。
一道狹窄的高光沿著金屬邊緣移動。保留標籤文本和幾何形狀。
乾淨的工作室背景，無手部，無變形，無額外添加物體。

環境鏡頭

晨霧緩緩穿過現有的樹木。懸掛的招牌在不同
根據距離計算的費率。攝影機沿著空曠的路徑向前推進。保持
建築佈局與色彩搭配。畫面中不出現人物。

無生成語音的對話反應

她聽著畫外某人的話，短暫地低頭，然後不情願地微微點了點頭。
自然呼吸，肩部動作最小化。鎖定中近景，保留面部及
均勻、安靜的房間音調，無唇部動作且無剪輯。

首幀到末幀過渡

從提供的起始幀透過一個自然的轉彎移動到提供的最終幀。
角色繞過桌子而非穿過它。保持服裝，
在整個過程中保持面部、桌面幾何形狀、光照方向和螢幕方向的一致性。

最後一種模式依賴於當前xAI API文件中描述的控制；它在每個消費者界面中可能不會完全相同地出現。

在重新生成前診斷故障

身份漂移

可能的原因包括臉部太小、旋轉幅度過大、遮擋、光線變化或動作過多。請使用更清晰的源素材、更小的動作幅度、更短的時長以及更少的同步效果。

橡膠般的身體運動

所請求的動作可能需要畫面中未顯示的隱藏解剖結構。請選擇關節可見的來源，或將鏡頭改為近景表演節拍。

不必要的縮放

「鎖定鏡頭，固定構圖。」移除暗示移動的電影術語，並明確僅指定的主體部分移動。

動作太弱

將「微妙的動畫」替換為一個序列和距離：兩步，手抬至肩高，頭部轉動三十度，或門打開後窗簾移動一次。

背景融化或變化

減少相機視差和大範圍移動。明確保留建築結構。複雜背景可能需要分離到另一個鏡頭中。

手部或道具失敗

避免在單次生成中進行複雜操作。在接觸前開始，接觸後結束，或在設定與結果之間切換。在來源圖像中賦予物體清晰的形狀。

結尾無法連接到另一個鏡頭

讓角色保持穩定的最終姿勢並維持螢幕方向。在生成當前鏡頭之前設計好下一個鏡頭。

多個片段中的角色一致性

圖像到影片保留的是開場幀，而非整部製作聖經。對於一個序列：

批准一個規範的字符參考；
保持固定的身份語言；
從相同的已批准參考中生成每個起始幀；
保持衣櫃和道具的記錄；
規劃畫面方向和鏡頭景別；
每次只動畫化一個鏡頭；
將每個結果與規範表進行比較，而不僅僅是先前生成的片段。

如果你需要在同一處建立靜態影像並為其添加動畫效果，Elser AI 整合了針對動漫的影像生成、角色設計、漫畫工作流程以及影像動畫功能。其影像動畫器支援上傳或生成影像，然後透過模型和相機選項來引導運動。當靜態影像本身在動畫化之前需要修改時，這個工作流程特別實用。

成本與選秀策略

xAI API 按生成時長和解析度計費，外加支援的媒體輸入。當前官方定價列出了 480p、720p 和 1080p 的不同每秒費率。消費者版 Grok 使用套餐配額，而非 API 價格表。

高效起草：

測試一個代表性鏡頭；
使用最低可接受的草稿解析度；
保持持續時間短；
避免同時更改五個變數；
在生成最終決議之前批准動議；
記錄每個被接受片段的提示和設定。

請參閱 xAI API 定價了解當前費率，而非依賴快取文章。

常見問題解答

Grok 會把我上傳的圖片用作第一幀嗎？

在標準圖像轉影片模式下，是的。參考轉影片則不同：參考圖像可以引導身份或外觀，而不必作為起始幀。

我應該再次描述這張圖片嗎？

只描述必須保持穩定的細節。將提示的大部分內容用於動作、鏡頭、時間、環境反應和約束。

Grok 能否使用首幀和尾幀？

當前 Grok Imagine Video 1.5 API 文件包含一個 last_frame 選項，並支援同時固定首幀和尾幀的組合。介面可用性可能有所不同。

Grok 能透過圖像生成影片並帶有音訊嗎？

當前的 API 文件描述了生成的音訊和受支援的預設語音。您也可以在 API 中請求靜音輸出。請查看活躍的消費者介面以了解其可用的音訊控制功能。

為什麼靜止的角色在動畫中會發生變化？

模型必須推斷未見視圖和過渡解剖結構。大幅運動、遮擋、複雜光線或來源不清晰會使這種推斷更加困難。

我可以對受版權保護的藝術作品進行動畫化嗎？

技術能力不等於授權。請使用您擁有或有權修改的圖片，並在發布或商業化結果前檢查平台條款及適用法律。

結論

Grok 圖像轉影片功能在靜態影像已解決身份與構圖問題時效果最佳。為模型提供一個表演節拍、一個鏡頭創意、幾個連續性錨點以及一個穩定的落點。當結果失敗時，診斷問題是否源於來源幀、動作、鏡頭、時間或接觸——而非缺乏裝飾性提示詞。