使用指南

Grok Imagine 1.5 图生视频提示词配方：可直接复制的提示词与真实输出

四个经实测验证的 grok-imagine-1.5/image-to-video@preview 运动提示词——每个都附带其源静帧和它在实时 API 上实际生成的片段。

2026年11月3日

摘要

这是什么：四个可直接复制的运动提示词，用于 grok-imagine-1.5/image-to-video，每个都附带其起始源静帧和它在实时 API 上真实生成的片段——首次输出原始呈现，不隐藏重试，永久托管于此。
关于这个模型你需要知道的一件事：API 完全没有运动或镜头参数。输入 schema（已实时验证）仅包含 prompt + image_urls，以及可选的 duration、resolution 和 aspect_ratio。所有镜头运动、运动风格和节奏决策都发生在提示词文本内部——这正是这些配方的用途所在。
Schema 事实（对照实时任务 API 于 2026-07-07 验证）：image_urls 是必填数组，包含可公开访问的图片 URL；duration 是 1 到 15 秒的整数；resolution 为 480p 或 720p；aspect_ratio 接受 auto、1:1、16:9、9:16、3:2、2:3。其他任何参数（motion_mode、seed 等）都会被 400 拒绝。
定价（按每秒输出计，来自定价页面）：480p 为 $0.015/秒，720p 为 $0.0282/秒。时长是唯一的乘数——6 秒 720p 片段约 $0.17，4 秒 480p 试探成本为 $0.06。
本文媒体总账单：四张 gpt-image-2 静帧每张 $0.03，加上 22 秒 720p 视频——按当前价格总计约 $0.74。这就是图生视频的意义：静帧是一次性成本，你可以任意次数地重新动画化它。

这些配方是如何制作的

每个配方包含三部分：源静帧、精确的运动提示词（原样复制即可）以及它生成的片段。每张静帧我都用 gpt-image-2 生成，每个运动提示词都由我自己撰写，并将每个都通过实时 hiapi 任务 API 在 grok-imagine-1.5 上运行。每个说明中都印有设置和真实成本，以便你复现完全相同的调用。

由于 grok-imagine-1.5 不接受运动参数，提示词的措辞承担了全部工作。始终奏效的习惯：

以镜头动词开头。“Slow steady dolly push-in”、“camera glides slowly to the left”——把它放在最前面，模型会将其视为片段的脊柱。
要求单一连续运动并声明“no cuts”。若放任不管，模型有时会自行发明剪辑。在提示词结尾加上“one continuous shot, no cuts”可可靠地抑制这一点。
描述什么在持续运动，而不仅仅是镜头。蒸汽、雨、倒影、人群——点明环境运动能让画面保持鲜活，而不是像在照片上平移。
对于人物，要求微运动并锁定镜头。“Camera locked off on a tripod … facial features stay perfectly stable, no warping”是活生生的肖像与融化面孔之间的区别。

配方 1——镜头语言：缓慢推进

目标：经典电影式推轨镜头，沿街道前行并落在食品摊位上，同时雨、蒸汽和倒影持续工作。

源静帧（gpt-image-2，16:9，$0.03）。配方 1 和 2 都对同一帧进行动画化。

Slow steady dolly push-in down the rain-soaked market street toward the glowing noodle stall, steam rising and curling from the pots, rain falling in thin streaks, neon sign reflections shimmering on the wet pavement, pedestrians walking slowly away under umbrellas, smooth constant camera speed, one continuous shot, no cuts, cinematic pacing

缓慢推轨镜头朝面摊推进——grok-imagine-1.5/image-to-video，6 秒 @ 720p，16:9，按当前价格 $0.17。真实输出，为本指南生成。

为什么有效：推进是第一个分句，因此模型在整个六秒内都坚持它。然后提示词交给它一份必须持续运动的清单——蒸汽、雨丝、倒影、行人——这正是让镜头看起来像视频而非对静帧缩放的原因。注意最后一帧中厨师和锅近了多少：那是真正的镜头移动，不是裁剪。

配方 2——同一静帧，不同镜头动词：横向跟踪

目标：用横向跟踪运动重新动画化完全相同的静帧，以展示在 grok-imagine-1.5 中镜头语言完全存在于提示词中——换一个动词，得到不同的镜头。

Camera glides slowly to the left in a smooth lateral tracking move, strong parallax between the near market stalls and the far end of the street, rain keeps falling, neon reflections slide across the wet ground, the cook keeps stirring behind the counter, steam drifts sideways, one continuous move, no cuts, no zoom

横穿市场街道的横向跟踪运动——grok-imagine-1.5/image-to-video，6 秒 @ 720p，16:9，按当前价格 $0.17。真实输出，为本指南生成。

为什么有效：“glides slowly to the left”加上明确要求近处摊位与街道远端之间的视差，为模型提供了可动画化的深度线索。这也是最便宜的迭代方式：静帧是 $0.03 的沉没成本，因此每次新的镜头处理只花费视频秒数——这里两种处理总共约 $0.34。如果你在探索某种外观，请先对同一帧重新提示，然后再考虑重新生成图像。

配方 3——主体驱动运动：肖像微运动（9:16）

目标：一个竖版、适合社交的肖像，主体呼吸、眨眼，她的头发和围巾移动——除此之外别无他物。

源静帧（gpt-image-2，9:16，$0.03）。

Gentle micro-motion only: her hair lifts and drifts in a soft evening breeze, the silk scarf ripples lightly, she blinks naturally and takes one calm slow breath, city bokeh lights flicker softly behind her, camera locked off on a tripod, facial features stay perfectly stable, no warping, subtle photoreal motion

肖像微运动：头发、围巾、呼吸——grok-imagine-1.5/image-to-video，6 秒 @ 720p，9:16，按当前价格 $0.17。真实输出，为本指南生成。

为什么有效：肖像正是图生视频模型融化面孔的地方，因此提示词将大部分词语花在约束上：“micro-motion only”、“camera locked off”、“facial features stay perfectly stable, no warping”。运动预算分配给安全、高回报的元素——头发、丝绸、眨眼、呼吸。以 9:16 拍摄用于信息流；宽高比是一流的 API 字段，不是裁剪。

配方 4——环境氛围：让场景自己运动

目标：一个固定镜头的自然循环，所有运动都来自场景本身——海浪、雾和扫过的灯塔光束。四秒足够。

源静帧（gpt-image-2，16:9，$0.03）。

Waves keep rolling in and bursting against the dark rocks in slow rhythm, sea spray and fog drift across the frame, the lighthouse beam sweeps slowly through the mist, clouds crawl overhead, camera completely static on a tripod, natural documentary motion, no camera movement

环境海景：海浪、雾、扫过的光束——grok-imagine-1.5/image-to-video，4 秒 @ 720p，16:9，按当前价格 $0.11。真实输出，为本指南生成。

为什么有效：声明“camera completely static on a tripod”释放了模型，将所有精力花在水体物理和体积雾上，grok-imagine-1.5 对此处理得令人印象深刻——注意光束确实扫过雾中。4 秒 720p 的这个片段成本为 $0.11；环境循环很少需要更多。

控制每秒账单

这里的视频定价令人耳目一新地只有一维：时长 × 每秒费率，别无其他。这暗示了一个简单的工作流程：

操作	计算	成本
试探一个运动想法	4 秒 × $0.015（480p）	$0.06
以交付质量迭代提示词	6 秒 × $0.0282（720p）	$0.17
最大长度拍摄	15 秒 × $0.0282（720p）	$0.42
重新动画化你已有的静帧	图像成本	额外 $0

这张表得出三个习惯。以 480p 和短时长进行试探——一个失败的想法应该只花几美分，而不是一美元。无情地复用静帧——上面的配方 1 和 2 是同一张 $0.03 的图像穿着两种不同的镜头运动。要求正好你需要的秒数——duration 最低可到 1，而像配方 4 这样的环境镜头几秒后就不再改善。本页所有四个片段按当前价格合计视频 $0.62。

自己运行：提交、轮询、下载

该模型基于任务：POST /v1/tasks 返回任务 id，你轮询直到成功，然后下载输出 URL（它会过期——保存文件，而非链接）。需要知道一件事：image_urls 必须是可公开访问的——如果你传入私有或本地 URL，提交会在模型运行前以 normalize input media 错误失败。

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY"}

task = requests.post(API, headers=HEADERS, json={
    "model": "grok-imagine-1.5/image-to-video",
    "input": {
        "prompt": ("Slow steady dolly push-in down the rain-soaked "
                   "market street toward the glowing noodle stall, "
                   "steam rising, one continuous shot, no cuts"),
        "image_urls": ["https://your-host.com/your-still.jpg"],
        "duration": 6,          # int, 1-15 seconds
        "resolution": "720p",   # 480p | 720p
        "aspect_ratio": "16:9", # auto | 1:1 | 16:9 | 9:16 | 3:2 | 2:3
    },
}).json()
task_id = task["data"]["taskId"]

while True:
    t = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if t["status"] in ("success", "fail"):
        break
    time.sleep(5)

assert t["status"] == "success", t.get("error")
url = t["output"][0]["url"]  # expiring link - download it now
open("clip.mp4", "wb").write(requests.get(url).content)

完整的请求演练（包含 curl）在 grok-imagine 图生视频 API 指南中，而文生视频指南涵盖了仅提示词的兄弟模型。通用平台文档位于此处。

快速 Schema 参考

字段	必填	值（已实时验证）
`prompt`	推荐	自由文本——这是你唯一的运动控制
`image_urls`	是	可公开访问的图片 URL 数组
`duration`	否	整数，1–15（秒）
`resolution`	否	`480p`、`720p`
`aspect_ratio`	否	`auto`、`1:1`、`16:9`、`9:16`、`3:2`、`2:3`