Grok Imagine Video 1.5 Reference to Video

Grok Imagine Video 1.5 Reference to Video 由 xAI 開發，可將你的參考圖片與選用的音訊，轉化為完整動畫影片。這款模型不只從單一畫面開始，而是支援你輸入多張圖片，做為影片外觀與內容的導引，再結合描述動作、情緒與場景的文字提示，共同打造出具體呈現你視覺需求的短片，讓已經擁有插畫、照片、產品照或情緒版的創作者，能直覺地將其帶入動畫。

此模型的核心功能是多圖參考。你可輸入一至七張參考圖片，模型會將它們同時當作風格及內容指標。在文字提示中，你可單獨對應每一張圖片，精確指示各元素如何互動、融合或轉場。這讓你得以細膩描述「用這三張圖片探索場景並加入酷炫動態圖形」等場景，模型則會將影像串聯為統一且連貫的動畫片段。不論是導入角色、背景、材質與配色，或者同一主題的三種變化，模型都將每個參考影像視為構成要素。

音訊也是一等一的輸入。你可加入一段參考音訊，並在文字提示中同時標註。如此你可實作如讓影像中的人物，配上音訊中的聲音發聲，達到聲畫同步的效果。由於圖片與音訊都能直接在提示標籤中指定，你可細緻掌控每個元素在影片成品中的比例與作用。

輸出影片以每秒 24 格產生，並可選擇兩種解析度：較輕巧的 480p，適合快速測試與草稿；較細膩的 720p，適合呈現更精緻的成果。影片長度彈性大，可自 1 秒至 15 秒，你可以輕鬆創作短循環或完整場景。範例輸出為 1280x720、24fps、約十秒，展現模型單次生成可達的流暢度與長度。

畫面比例支援廣泛，涵蓋電影院 16:9 寬螢幕、社群 9:16 直式、1:1 正方形，及經典的 4:3、3:2、2:3、3:4 等多種比率。這讓你無需額外裁切，即可精準符合各平台需求——不論是直式短片、正方形廣告或寬螢幕大景都能滿足。

創意控制簡單直覺。你的文字提示負責主要溝通，描述動作及故事發展，同時標註參考圖片和音訊。你可選擇參考圖片數量及順序，設定長度、解析度與螢幕比例。提示內容可詳盡撰寫，讓你盡情描述畫面如何組合、哪些元素移動、場景隨時間改變的細節。

誰最適合？影像創作者及影片人員可快速導入概念畫或場景照片，直接描述動作即生成原型。設計師與動態創作人可將靜態圖自動帶入動畫，融合多個視覺資產。短影音內容創作者可將幾張圖片快速製成各種比例短片。市場行銷與產品團隊，則可透過動態描述，讓靜態產品照躍然螢幕。若你習慣從現有視覺庫工作（而不是全新起稿），參考導向流程尤其高效，讓最終影片忠於你既有的風格與內容。

幾點實用提醒：模型執行時需至少一張參考圖片與一則文字提示，每次最多七張圖片及一段音訊。因輸入圖片同時做為風格與內容導引，建議選擇清楚、構圖佳的圖片，成效最可控。在提示中標註每張圖片，有助於精確掌控其組合方式。此模型已通過商用許可，適用於客戶案與正式發布。請確保所有請求遵循 xAI 的使用條款。

總結：Grok Imagine Video 1.5 Reference to Video 為打造忠實於原始影像，並能加上動態與聲音的創作者設計。結合多圖參考、音訊輸入、最高 15 秒彈性時長、雙解析度及全比例輸出，讓你以高掌控度呈現獨特題材的動態視覺。