Grok Imagine Video 1.5 przekształca obrazy w dynamiczne filmy z realistycznym ruchem, interakcjami obiektów, zsynchronizowanym dźwiękiem i kontrolą obrazu na wideo.
curl-X POST 'https://pollo.ai/api/platform/v1/generation/xai/grok-imagine-video-1-5/video'\-H'Content-Type: application/json'\-H'x-api-key: YOUR_API_KEY'\-d'{ "input": { "prompt": "A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field", "image": "https://example.com/first-frame.jpg", "duration": 5, "resolution": "480p" }}'
Opcjonalnie dołącz webhookUrl, aby otrzymać wywołanie zwrotne w przypadku powodzenia lub niepowodzenia zadania.
Opcjonalne pole żądania
{"input":{"prompt":"A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field","image":"https://example.com/first-frame.jpg","duration":5,"resolution":"480p"},"webhookUrl":"https://example.com/webhooks/pollo"}
Schemat
Pola wejściowe dla wybranego punktu końcowego i trybu.
Pole
Typ
Wymagany
Opis
prompt
string
Tak
Text prompt describing the content to generate.
image
string
Tak
First-frame / reference image URL (HTTP(S).
duration
integer
NIE
The duration of the generated video, in seconds.
resolution
string
NIE
Output resolution of the generated media (e.g. 720p, 1080p, 2K, 4K). Values are case-insensitive.
Błędy
Typowe publiczne kody odpowiedzi API.
400
Nieprawidłowe dane wejściowe lub ograniczenie modelu
Grok Imagine 1.5 obsługuje generowanie wideo z obrazu na wideo na podstawie pojedynczego obrazu źródłowego, dodając ruch postaci, interakcje obiektów i zsynchronizowany dźwięk, przy jednoczesnym zachowaniu wyglądu głównego obiektu i stylu wizualnego źródła.
Dzięki Pollo API możesz zintegrować Grok Imagine 1.5 z aplikacjami do animacji obrazów, z konfigurowalnym czasem trwania klipu, proporcjami obrazu i rozdzielczością wyjściową dla każdego żądania.
Kluczowe funkcje Grok Imagine 1.5 API
Ruch sterowany obrazem
Generuj wideo na podstawie obrazu źródłowego i promptu tekstowego, wykorzystując obiekt, kompozycję, kadrowanie i styl wizualny obrazu jako wskazówki do generowania.
Zsynchronizowany dźwięk
Generuj zsynchronizowane dialogi, dźwięki otoczenia i efekty dźwiękowe razem z wideo, dopasowując sygnały audio do ruchu postaci i wydarzeń na ekranie.
Interakcja obiektów
Obsługuj interakcje między postaciami, obiektami, cieczami i elementami środowiska, w tym chwytanie, pluskanie, kontakt oraz ruch oparty na kolizjach.
Zachowanie obiektu
Utrzymuj rozpoznawalne rysy twarzy, produkty, obiekty i szczegóły sceny z obrazu źródłowego przez cały wygenerowany ruch.
Elastyczna długość klipu
Obsługuj konfigurowalny czas trwania wideo dla krótkich pętli, pojedynczych akcji i dłuższych sekwencji obraz-na-wideo.
Przypadki użycia Grok Imagine 1.5 API
Animacja nieruchomego zdjęcia: Zamień archiwalny portret lub zdjęcie produktu w krótki ruchomy klip, zachowując jego główny obiekt, kompozycję i kierunek wizualny.
Klipy społecznościowe z dźwiękiem: Generuj pionowe filmy ze zsynchronizowanym dźwiękiem dla krótkich feedów, stories i mobilnych workflowów treści.
Ujęcia produktowe dla ecommerce: Ożywiaj obrazy katalogowe, aby pokazać ruch produktu, ruch tkaniny, otwieranie lub stan po włączeniu na potrzeby prezentacji produktów i ofert.
Interaktywne mikro-sceny: Twórz krótkie sceny, w których postaci i obiekty wchodzą ze sobą w interakcje, np. piłka wpadająca do wody lub zapałka uderzająca o powierzchnię.
Klipy muzyczne i instrumentalne: Animuj obrazy wykonawców z zsynchronizowanym ruchem rąk i wygenerowanym dźwiękiem instrumentów do zastosowań muzycznych i kreatorskich.
Klipy kulinarne i efekt „sizzle”: Animuj zdjęcia jedzenia lub gotowania z parą, ruchem, efektem skwierczenia i ambientowym dźwiękiem kuchni.
Pętle ze zwierzętami i postaciami: Dodawaj subtelny ruch i wygenerowany dźwięk do portretów zwierząt lub ilustrowanych postaci w krótkich zapętlonych klipach.
Jak używać Grok Imagine 1.5 API
Uzyskaj klucz API: Utwórz konto Pollo API i wygeneruj swój klucz API w panelu deweloperskim.
Wybierz model: Wyślij żądanie do endpointu Grok Imagine 1.5 pod adresem /generation/grok/grok-imagine-video-1.5.
Dodaj dane wejściowe: Podaj URL image i prompt, a następnie ustaw length (do 15), resolution (480p, 720p lub 1080p) i aspectRatio według potrzeb.
Wygeneruj i pobierz: Wyślij zadanie, odpytyj zwrócony status zadania i pobierz gotowe wideo z dźwiękiem po pomyślnym zakończeniu przetwarzania.
Najlepsze praktyki promptowania dla Grok Imagine 1.5 API
Ponieważ każde generowanie zaczyna się od obrazu źródłowego, skoncentruj prompt na zamierzonym ruchu, interakcjach obiektów, zachowaniu kamery i zsynchronizowanym dźwięku.
Prosta formuła promptu
Obiekt na obrazie + ruch, który wykonuje + sposób interakcji obiektów + dźwięk, jaki powinna wydawać scena + tempo lub nastrój
Na co warto zwrócić uwagę
Zakotwicz w obrazie: Opisuj ruch obiektu, który już jest pokazany na obrazie, i unikaj dodawania niepowiązanych elementów wizualnych.
Nazwij dźwięk: Określ zamierzony dźwięk, np. pluskanie, skwierczenie lub szarpnięty dźwięk struny, aby ukierunkować zsynchronizowany dźwięk wyjściowy.
Kieruj interakcjami: Sprecyzuj, które postaci lub obiekty mają się dotykać, zderzać lub reagować, aby ukierunkować kontakt i interakcję w scenie.
Trzymaj się jednej akcji: Opisz jeden wyraźny ruch na klip, aby ukierunkować ruch i rozwój sceny przy różnych długościach.
Dopasuj kadrowanie do źródła: Wybierz proporcje obrazu zbliżone do obrazu źródłowego, aby zachować więcej jego oryginalnej kompozycji i kadrowania.
Przykładowe prompty
Skwierczące street food
"Zbliżenie na szaszłyki na grillu węglowym ze zdjęcia zaczyna się smażyć, tłuszcz kapie i wybucha płomieniem, dym unosi się ku górze, a skwierczenie narasta, gdy dłoń obraca jeden szaszłyk. Ciepłe wieczorne światło, niespieszne tempo."
Interakcja przy nalewaniu napoju
"Butelka na obrazie przechyla się i nalewa bursztynowy płyn do szklanki, lód pęka i przesuwa się podczas napełniania, piana osiada na krawędzi, z wyraźnym dźwiękiem nalewania i musowania. Stabilne kadrowanie na blacie."
Akustyczny moment
"Siedzący gitarzysta ze zdjęcia zaczyna fingerpicking, palce poruszają się po strunach, podczas gdy pudło gitary rezonuje, a miękki melodyjny dźwięk odpowiada każdemu ruchowi. Delikatne światło we wnętrzu, spokojny i intymny nastrój."
Deszczowe okno
"Krople deszczu na oknie z nieruchomego ujęcia zaczynają spływać i łączyć się na szybie, rozmyte światła ulicy za nimi migoczą, słychać równomierny deszcz i odległy ruch uliczny. Ciche, refleksyjne tempo, bez ruchu kamery."
Grok Imagine 1.5 vs Kling 2.6 vs Hailuo 2.3
Funkcja
Grok Imagine 1.5
Kling 2.6
Hailuo 2.3
Główne wejście
✅ Obraz-na-wideo z promptem
✅ Tekst i obraz-na-wideo
✅ Tekst i obraz-na-wideo
Zsynchronizowany dźwięk
✅ Generowany razem z klipem
❌ Nienatywne
❌ Nienatywne
Interakcja obiektów
✅ Silny reaktywny kontakt
✅ Dobry ruch
✅ Ruch ukierunkowany na fizykę
Zachowanie obiektu
✅ Wierne obrazowi źródłowemu
✅
✅
Długość klipu
Do 15 sekund
Krótkie kierowane klipy
6 lub 10 sekund
Opcje rozdzielczości
480p, 720p, 1080p
Do 1080p
768P i 1080P
Zalecane do
Ożywianie statycznych obrazów z dopasowanym dźwiękiem
Ujęcia wideo z naciskiem na tekst
Ruch zgodny z fizyką
Dlaczego warto wybrać Grok Imagine 1.5 API?
Gdy aplikacja musi animować obrazy źródłowe ze skoordynowanym ruchem i dźwiękiem, Grok Imagine 1.5 obsługuje zachowanie obiektu, interakcję obiektów i zsynchronizowany dźwięk w ramach jednego wygenerowanego klipu.
Może obsługiwać ruch produktów, animację portretów, filmy społecznościowe, treści muzyczne i sceny interakcji obiektów.
Pollo API daje Ci dostęp do Grok Imagine 1.5 i innych obsługiwanych modeli w tym samym workflow żądań i zarządzania zadaniami, co ułatwia porównywanie wyników, skalowanie generowania i wybór modeli w ramach ujednoliconej integracji.
FAQ Grok Imagine 1.5 API
Czym jest Grok Imagine 1.5?
Grok Imagine 1.5 to model Grok obraz-na-wideo, który animuje nieruchomy obraz realistycznym ruchem, interakcją obiektów i zsynchronizowanym dźwiękiem, zachowując wygląd obiektu.
Czy Grok Imagine 1.5 API obsługuje generowanie tylko z tekstu?
Nie. Każde żądanie wymaga obrazu i promptu, więc model animuje istniejący nieruchomy obraz, zamiast generować wideo wyłącznie z tekstu.
Czy generuje dźwięk?
Tak. Klipy zawierają dźwięk zsynchronizowany z akcją na ekranie, więc nalewane ciecze, instrumenty i inne ruchy mają pasujące brzmienie.
Jakie długości klipów i rozdzielczości są dostępne?
Możesz ustawić długość klipu do 15 sekund i wybrać wyjście 480p, 720p lub 1080p, z kilkoma proporcjami obrazu na żądanie.
Jak dobrze zachowuje oryginalny obiekt?
Zachowanie obiektu to jego kluczowa mocna strona, więc twarze, produkty i szczegóły sceny z obrazu źródłowego pozostają rozpoznawalne podczas wygenerowanego ruchu.
Dlaczego uruchamiać Grok Imagine 1.5 przez Pollo API?
Pollo API umożliwia dostęp do Grok Imagine 1.5 obok innych czołowych modeli, dzięki czemu łatwiej porównasz wyniki, skalujesz generowanie i wybierzesz odpowiedni model do każdego workflow.
