Grok Imagine

Kurzprofil

grok-imagine/image-to-video ist ein Bild-zu-Video-Modell aus der grok-imagine-Familie von xAI, das über die einheitliche API von HiAPI.ai aufgerufen wird. Es nimmt ein oder mehrere Referenzbilder zusammen mit einem Text-Prompt entgegen und verwandelt ein statisches Bild in eine dynamische Kameraeinstellung. Unterstützt werden Laufzeiten von 6–30 Sekunden, Auflösungen von 480p bis 1080p und verschiedene Seitenverhältnisse. Es eignet sich für Entwickler und Kreativteams, die Illustrationen, Storyboards oder Produktbilder schnell animieren möchten – etwa für Social-Media-Material, Werbeprototypen und dynamische Kameravorschauen.

Hauptmerkmale

• Bewegungssteuerung durch mehrere Referenzbilder – Es können bis zu 7 Referenzbilder übergeben werden; im Prompt lassen sich Bilder mit @image1 usw. gezielt referenzieren, was eine feine Kontrolle über Motiv und Bildkomposition ermöglicht.
• Umschaltbare Bewegungsstile – Es stehen drei Generierungsmodi zur Verfügung: fun, normal und spicy – für kreativere, ausgewogene bzw. dynamischere Bewegungsdarstellung.
• Laufzeit und Auflösung nach Bedarf abwägbar – Die Laufzeit lässt sich zwischen 6 und 30 Sekunden einstellen, die Auflösung reicht von 480p bis 1080p, sodass sich zwischen Generierungsgeschwindigkeit und Endqualität abwägen lässt.
• Klare Abrechnungsgrundlage – Die Abrechnung erfolgt nach Ausgabesekunden; der Laufzeitparameter bestimmt direkt die Kosten, was eine Budgetschätzung vor der Batch-Generierung erleichtert.

Funktionsbeschreibung

Referenzbildgesteuerte Videogenerierung: Es werden 1–7 Bilder im Format JPEG, PNG oder WEBP eingegeben; das Modell erzeugt dynamische Bilder, während Motiv und Bildkomposition erhalten bleiben – ideal, um statisches Material in Kameraeinstellungen zu verwandeln.

Bewegungssteuerung per Text-Prompt: Optional kann ein Prompt mit bis zu 5000 Zeichen zur Beschreibung der gewünschten Bewegung übergeben werden; die Beschreibung auf Englisch erzielt bessere Ergebnisse und hilft dem Modell, sich auf die gewünschten Aktionen und die Kameraführung zu konzentrieren.

Ausgabe in mehreren Seitenverhältnissen: Unterstützt werden die fünf Verhältnisse 2:3, 3:2, 1:1, 16:9 und 9:16; sie gelten im Mehrbild-Referenzmodus und decken so Quer- und Hochformat-Anforderungen in einem Durchgang ab.

Einstellbare Auflösung und Laufzeit: Die Ausgabeauflösung beträgt standardmäßig 480p und lässt sich auf 720p oder 1080p erhöhen; die Laufzeit beträgt standardmäßig 6 Sekunden und maximal 30 Sekunden, abgerechnet wird nach den tatsächlich generierten Sekunden.

Anwendungsfälle

• Designer animieren statische Illustrationen zu dynamischen Kameraeinstellungen – Mit einer Illustration oder einem Storyboard-Bild als Eingabe und einem kurzen Bewegungsprompt entstehen kurze Videosequenzen für animierte Poster, Vorspänne und Storyboard-Previews.
• E-Commerce-Teams erstellen animierte Produktpräsentationen – Produktbilder hochladen und die Kamerabewegung beschreiben, um kurze Hochformat- oder quadratische Videos zu erhalten, die direkt für Produktdetailseiten und Social-Media-Feeds genutzt werden können.
• Content-Creator produzieren Social-Media-Material in großen Mengen – Im 9:16-Format und mit kurzer Laufzeit lassen sich dynamische Inhalte in Serie generieren, etwa für die regelmäßige Aktualisierung von Kurzvideo-Plattformen und für Kreativtests.

Einschränkungen und Auswahlhinweise

Das Modell dient ausschließlich der Bild-zu-Video-Generierung; reine Texteingaben zur Videogenerierung werden nicht unterstützt, es ist mindestens ein Referenzbild erforderlich. Bei Eingabe eines einzelnen Bildes ist der Seitenverhältnis-Parameter wirkungslos, die Ausgabe folgt dem Seitenverhältnis des Originalbildes; die Auflösung 1080p wird nur bei einem einzelnen Eingabebild unterstützt. Bei Verwendung externer Bilder kann der Generierungsmodus automatisch auf normal herabgestuft werden. Wer Videos direkt aus Text generieren oder durchgehende lange Einstellungen von mehr als 30 Sekunden benötigt, sollte ein anderes Modell wählen oder abschnittsweise generieren. Die Kosten steigen mit der Laufzeit; vor langen Batch-Aufrufen empfiehlt sich zunächst eine Testgenerierung.