如何在Grok AI影片中改善動作、物理效果和音訊
當一段Grok影片看起來不對勁時，添加更多電影化的形容詞通常無法解決問題。解決方案往往是簡化鏡頭、讓運動可觀察、提供更強的參考，或明確說明必須保持不變的身體和視覺細節。
本故障排查指南聚焦於xAI為Grok Imagine Video 1.5強調的三個領域：運動、物理和音訊。您可以在Grok本身中應用該工作流程，或透過Elser AI的Grok Imagine介面測試模型時使用。
再生前進行診斷
分類故障：
- 身份： 面部、角色、服裝或產品已更改。
- 動作： 動作僵硬、急促或不穩定。
- 物理： 重量、碰撞、液體、布料或幾何體感覺不真實。
- 攝影機： 運動忽略提示或破壞構圖。
- 音訊： 對白、環境音或特效與場景不匹配。
- 連續性： 獨立的鏡頭不再屬於同一序列。
使用一項針對性修正重新生成。如果你重寫所有內容，就無法判斷哪項改動起了作用。
改善主體運動
描述一個有開始、中間和結尾的動作：
弱：
一位女性在電影場景中自然地移動。
更好：
她停頓了一下，將目光轉向窗戶，然後頭部大約旋轉了15度。肩膀保持不動，動作最終定格在一個放鬆的四分之三側面姿勢。
有用的動作詞彙包括：settles（沉降）、shifts（移動）、unfolds（展開）、rotates（旋轉）、glides（滑行）、leans（傾斜）、recoils（回縮）以及comes to rest（靜止下來）。它們暗示了時間結構。
為了快速動作，將事件分解為多個鏡頭。一次跳躍、落地、轉身和攻擊可能對一個短生成來說過於複雜。
提升物理真實感
告訴模型哪些部分有重量，哪些部分保持剛性。
對於產品：
保持瓶子的精確幾何形狀和標籤。瓶蓋逆時針旋轉並垂直抬起。瓶子保持靜止。反射隨移動光線變化；玻璃不彎曲。
對於服裝：
厚重的外套隨著身體的轉動略有延遲，然後平復下來。只有寬鬆的下擺和頭髮隨風而動。
對於液體：
咖啡以連續的水流注入杯中，恰好滿而不溢，並泛起一圈細小的圓形漣漪。鏡頭鎖定，重力效果逼真。
避免在同一鏡頭中組合複雜的液體、透明材質、多個指針和快速旋轉。
改進相機控制
使用一個主攝影機運動：
- 已鎖定： 最適合變換和產品幾何形狀。
- 推入式： 強調情感或細節。
- 拉回： 揭示上下文。
- 平移/搖鏡： 跟隨橫向移動。
- 追蹤： 隨主體移動。
- 軌道： 揭示形狀，但可能增加變形風險。
- 吊臂： 改變高度和比例。
狀態速度與範圍：「慢速15度軌道」比「動態鏡頭」更可控。如果背景發生彎曲，請減少鏡頭移動或請求鎖定畫面。
提升身份與設計一致性
從一張乾淨的參考圖像開始。然後添加一個緊湊的鎖定語句：
保留面部特徵、黑色短髮、琥珀色眼睛、紅色夾克、深藍色襯衫、銀色耳環及身體比例。請勿重新設計服裝或添加配飾。
對於產品，鎖定幾何形狀、材料、標籤位置和顏色。對於插圖，鎖定線條、渲染風格、調色板和服裝輪廓。
當工作流程支援多個參考時，請為每個圖像明確指定角色：臉部、服裝、側視圖或環境。Elser AI 的 Grok 登入頁面描述了支援模式下以參考為主導的選項；請查看 elser.ai/m/grok 上的當前控制選項。
改善生成的音訊
直接音訊層：
- 對話: 精確的短句，說話者，語氣，節奏。
- 動作音效： 腳步聲、門閂聲、撞擊聲、布料摩擦聲、引擎聲。
- 氛圍： 雨聲、室內環境音、人群聲、風聲、機械聲。
- 音樂： 通常最好在後期製作中添加，除非模型的草稿已經足夠。
範例：
安靜的工坊氛圍，伴隨屋外輕柔的雨聲。箱子打開時，傳來一聲清脆的金屬鎖扣聲。角色用平靜的語氣說道：「隨時可以開始。」無背景音樂，也無其他聲音。
保持對話簡短。當涉及精確措辭、發音或品牌合規性時，替換生成的語音。
使用迭代階梯
從簡單到複雜：
- 鎖定鏡頭，單一主體，單一動作；
- 加入細微的環境動態；
- 新增一個攝影機移動；
- 添加音頻方向；
- 渲染最終格式和解析度。
保存每個通過鏡頭的提示詞和設定。若所選介面暴露相關控制項，固定種子或參考引導式工作流程可能有助於重現視覺行為。
品質控制檢查清單
以全速、半速和逐幀觀看片段。檢查：
- 面部結構與眼睛方向；
- 手指、關節和接觸點；
- 商標與產品幾何形狀；
- 反射與陰影；
- 遮擋後的物體恆存性；
- 起始幀和結束幀；
- 音訊同步；
- 意外的文字或符號；
- 水印及揭露要求。
獲得更好輸出的最快途徑是受控迭代，而非更長的提示詞。從穩定的來源開始，指定一個操作，只有在基礎工作完成後才增加複雜性。你可以在 Elser AI 上的 Grok Imagine Video 中運行該流程，並在可用模式之間比較結果。
