Grok Imagine Video 1.5 Reference to Video

Grok Imagine Video 1.5 Reference to Video, được phát triển bởi xAI, biến các hình ảnh tham chiếu và một bản âm thanh tùy chọn của bạn thành video động hoàn chỉnh. Thay vì bắt đầu từ một khung hình đơn lẻ, mô hình này cho phép bạn cung cấp một tập hợp hình ảnh để định hướng cả phong cách lẫn nội dung cho clip cuối, sau đó kết hợp chúng với một prompt văn bản mô tả chuyển động, cảm xúc và hành động bạn muốn. Kết quả là một đoạn video ngắn bám sát vào thế giới hình ảnh bạn cung cấp, cực kỳ phù hợp với những nhà sáng tạo đã có sẵn tranh vẽ, ảnh chụp, hình ảnh sản phẩm hoặc bảng mood board và muốn đưa chúng vào chuyển động.

Điểm mạnh nổi bật ở đây là tham chiếu đa hình ảnh. Bạn có thể sử dụng từ một đến bảy hình ảnh tham chiếu, và mô hình sẽ dùng chúng làm hướng dẫn phong cách cũng như nội dung. Trong prompt, bạn chỉ rõ từng hình ảnh riêng biệt, cho phép mô hình hiểu chính xác các phần nên liên kết, hòa trộn hay chuyển tiếp ra sao. Điều này giúp bạn miêu tả các cảnh như "khám phá không gian và hiệu ứng chuyển động sử dụng ba bức hình này" và mô hình sẽ kết nối chúng thành một chuỗi liền mạch. Cho dù bạn đang thêm nhân vật, phông nền, texture, bảng màu hay ba biến thể của cùng một chủ thể, mô hình đều xem mỗi tham chiếu là một thành phần xây dựng cảnh.

Âm thanh cũng là một đầu vào chính. Bạn có thể đính kèm một đoạn âm thanh tham chiếu duy nhất và gọi nó trong prompt cùng với các hình ảnh. Điều này mở ra khả năng để, ví dụ, một nhân vật trong hình ảnh của bạn có thể nói bằng giọng trong track âm thanh bạn cung cấp, giúp đồng bộ hóa lời nói hay âm thanh với hình ảnh. Vì cả hình ảnh và âm thanh đều được gắn thẻ trực tiếp trong prompt, bạn hoàn toàn kiểm soát cách từng yếu tố góp phần tạo nên video cuối cùng.

Video xuất ra ở tốc độ 24 khung hình/giây với hai lựa chọn độ phân giải: 480p nhẹ cho thử nghiệm nhanh và bản nháp, hoặc 720p sắc nét cho kết quả chuyên nghiệp hơn. Thời lượng linh hoạt, từ một giây cho đến mười lăm giây, giúp bạn làm mọi thứ từ vòng lặp ngắn đến phân cảnh dài hơn. Ví dụ minh họa là một đoạn clip 1280x720 kéo dài hơn mười giây ở 24fps, thể hiện độ mượt mà và thời lượng mà mô hình đem lại chỉ trong một lần tạo.

Hỗ trợ tỷ lệ khung hình đa dạng, gồm cả màn hình rộng 16:9 cho phim ảnh, 9:16 dọc cho mạng xã hội, 1:1 vuông cho feed, cũng như các tỷ lệ cổ điển như 4:3, 3:2, 2:3, và 3:4. Nhờ vậy, bạn có thể chọn tỉ lệ khung phù hợp nhất với nền tảng hoặc dự án của mình mà không cần cắt lại sau này, dù đó là video dọc, quảng cáo vuông hay cảnh màn hình rộng.

Các điều khiển sáng tạo rất đơn giản. Prompt văn bản của bạn sẽ làm "đầu tàu", mô tả chuyển động và câu chuyện, đồng thời chỉ rõ đến các hình ảnh, âm thanh tham chiếu. Bạn chọn số lượng, thứ tự hình ảnh, đặt thời lượng, chọn độ phân giải và tỷ lệ khung hình mong muốn. Prompt có thể chi tiết, hỗ trợ lượng văn bản lớn giúp bạn chủ động từng chi tiết về cách kết hợp hình ảnh, yếu tố nào chuyển động, hay từng diễn biến của cảnh.

Ai hưởng lợi nhiều nhất? Nhà làm phim, sáng tạo video có thể nhanh chóng thử nghiệm cảnh mới bằng cách nhập concept art hoặc ảnh thực tế rồi miêu tả hành động. Nhà thiết kế, đồ họa chuyển động có thể "thổi hồn" vào các bố cục tĩnh và kết hợp nhiều tài sản thị giác thành một đoạn chuyển động. Người sáng tạo nội dung short-form video vertical có thể biến vài ảnh thành clip sẵn sàng đăng lên đúng tỷ lệ. Marketer, đội sản phẩm có thể làm ảnh sản phẩm sinh động hơn với motion prompt chi tiết. Bất cứ ai làm việc dựa trên thư viện hình ảnh có sẵn – thay vì tạo mới từ đầu – sẽ thấy workflow này hiệu quả, vì nó giữ cho video cuối cùng nhất quán với phong cách bạn đang có.

Một số lưu ý thực tế: Mô hình yêu cầu tối thiểu một hình ảnh và một prompt văn bản để hoạt động, tối đa bảy ảnh và một đoạn âm thanh mỗi lần tạo. Do hình ảnh được dùng làm hướng dẫn cả phong cách lẫn nội dung, hãy chọn các hình rõ ràng, bố cục tốt để đảm bảo kết quả như ý. Việc gắn thẻ từng hình rõ ràng trong prompt sẽ giúp bạn kiểm soát tốt nhất cách chúng kết hợp. Mô hình đã được phê duyệt sử dụng thương mại, phù hợp cho dự án khách hàng và xuất bản chính thức. Như mọi dịch vụ tạo nội dung, yêu cầu phải tuân thủ điều khoản sử dụng của xAI.

Tóm lại, Grok Imagine Video 1.5 Reference to Video dành cho những ai muốn giữ video đúng với hình ảnh gốc, đồng thời thêm chuyển động và có thể cả giọng nói/âm thanh. Kết hợp tham chiếu đa hình ảnh, đầu vào âm thanh, độ dài linh hoạt đến 15 giây, hai độ phân giải và các tỷ lệ khung hình đa dạng, nó mang lại cho bạn một công cụ tập trung, dễ kiểm soát để thổi hồn chuyển động vào những hình ảnh bạn trân trọng.