Grok Imagine

Descripción general

grok-imagine/image-to-video es un modelo de imagen a vídeo de la familia grok-imagine de xAI, que se invoca a través de la interfaz unificada de HiAPI.ai. Recibe una o varias imágenes de referencia junto con un prompt de texto y convierte imágenes estáticas en tomas en movimiento, con duraciones de 6 a 30 segundos, resoluciones de 480p a 1080p y varias relaciones de aspecto. Resulta adecuado para desarrolladores y equipos creativos que necesitan animar rápidamente ilustraciones, guiones gráficos o imágenes de producto, y se usa para material para redes sociales, prototipos publicitarios y previsualización de tomas en movimiento.

Aspectos destacados

• Guiado del movimiento con múltiples imágenes de referencia: se pueden pasar hasta 7 imágenes de referencia y citarlas en el prompt mediante @image1, etc., lo que facilita un control preciso del sujeto y la composición.
• Estilo de movimiento conmutable: ofrece tres modos de generación (fun, normal y spicy), que corresponden a un movimiento más creativo, equilibrado o más dinámico, respectivamente.
• Duración y resolución ajustables según la necesidad: la duración se puede establecer entre 6 y 30 segundos, y la resolución abarca de 480p a 1080p, lo que permite sopesar la velocidad de generación y la calidad del vídeo final.
• Criterio de facturación claro: se factura por segundos de salida, y el parámetro de duración determina directamente el coste de la llamada, lo que facilita estimar el presupuesto antes de generar por lotes.

Descripción de las capacidades

Generación de vídeo guiada por imágenes de referencia: con 1 a 7 imágenes de entrada en JPEG, PNG o WEBP, el modelo genera imágenes en movimiento conservando el sujeto y la composición, lo que resulta adecuado para convertir material estático en tomas.

Control del movimiento mediante prompt de texto: opcionalmente se puede pasar un prompt de hasta 5000 caracteres que describa el movimiento deseado; describirlo en inglés da mejores resultados y ayuda al modelo a centrarse en las acciones y la evolución de la cámara indicadas.

Salida en múltiples relaciones de aspecto: admite cinco relaciones (2:3, 3:2, 1:1, 16:9 y 9:16), que se aplican en el modo de múltiples imágenes de referencia y permiten cubrir de una vez las necesidades de publicación en horizontal y en vertical.

Resolución y duración ajustables: la resolución de salida es de 480p por defecto y se puede elevar a 720p o 1080p; la duración es de 6 segundos por defecto y de hasta 30 segundos, y se factura según los segundos realmente generados.

Casos de uso

• Diseñadores que animan ilustraciones estáticas como tomas en movimiento: usar una ilustración o un fotograma de guion gráfico como entrada con un breve prompt de movimiento para producir tomas de vídeo cortas, destinadas a carteles animados, cabeceras y previsualización de guiones gráficos.
• Equipos de comercio electrónico que generan presentaciones en movimiento de imágenes de producto: subir una imagen de producto y describir el movimiento de cámara para obtener vídeos cortos en vertical o cuadrados, utilizables directamente en páginas de detalle de producto y en publicaciones en el feed de redes sociales.
• Creadores de contenido que producen material para redes sociales por lotes: generar por lotes material en movimiento con relación 9:16 y duraciones cortas para la actualización diaria de contenido y las pruebas creativas en plataformas de vídeo corto.

Limitaciones y recomendaciones de selección

Solo realiza imagen a vídeo; no acepta entrada de texto puro para generar vídeo y requiere al menos una imagen de referencia. Con una sola imagen de entrada, el parámetro de relación de aspecto no tiene efecto y la salida sigue la relación de la imagen original; la resolución 1080p solo admite una única imagen de entrada. Al usar imágenes externas, el modo de generación puede degradarse automáticamente a normal. Si se necesita generar vídeo directamente a partir de texto o se requieren tomas continuas de más de 30 segundos, conviene elegir otro modelo o generar por segmentos. El coste aumenta con la duración, por lo que antes de llamadas por lotes con duraciones largas se recomienda validar primero con una muestra pequeña.