阅读说明（事实来源边界）

本手册供学习与生产参考，不构成 xAI 官方教程。正文事实来自 research-notes.md 与 fact-sheet.md（采集日 2026-10-17 Asia/Shanghai），并回溯至 docs.x.ai、x.ai 产品页与可链社区文章。

官方

以 docs.x.ai Video Overview / Generation / I2V / Reference-to-video / Editing / Extension、定价页、消费者 FAQ 与 Imagine Video 1.5 发布说明为准。模型能力、时长、分辨率、API 字段均属此类。

社区

awesome-grok-imagine-prompts、Seedance 扩展提示专题、Fuser Studio 实测、DUO CHROMA 消费者续镜教程等。标注「社区」处为可复核第三方经验，非 xAI 背书模板。

缺口 · 无法采集到

本轮未采集到：X/Twitter Help Center 独立 Grok Imagine 视频专页；与 Image Prompting Guide 同级的官方 Video Prompting Guide；可核验的 @xai / @grok 原帖全文与日期；公开视频 API 独立 negative_prompt 字段。缺口在文中以引用框保留，不臆造官方指南。

2. 功能与限制

2.1 产品入口

  • 消费者：事实：同一对话可生图/视频；文字或参考照片；可 follow-up 编辑；宣传最长约 15 秒；另写 Text-to-video up to 15 seconds at 720p；来源：x.ai/grok
  • 消费者 FAQ：事实：图/视频带不可移除 Grok 水印；篡改水印违反 Acceptable Use Policy；720p 可能因档位上限自动回落到 480p；来源：docs.x.ai/grok/faq
  • 新闻：事实：2026-06-16：Imagine Video 1.5 在 API 正式可用；Video 1.5 Fast 上线 grok.com/imagine 与 iOS/Android；宣称更好运动/物理/音频；约 25 秒生成 6s@720p（相对此前 40+ 秒）；来源：发布说明
  • API：事实：Imagine API：图文生视频、参考生视频、编辑、扩展等；来源：Imagine · 产品页

2.2 API 模型矩阵

来源：Video Overview。

  • Text-to-video：grok-imagine-video-1.5：最高原生 1080p；…-1.5-lite：最高 1080p（由 720p 上采样）；grok-imagine-video：最高 720p
  • Image-to-video：grok-imagine-video-1.5：最高原生 1080p；…-1.5-lite：最高 1080p（由 720p 上采样）；grok-imagine-video：最高 720p
  • 参考图：grok-imagine-video-1.5：最多 14 张；时长至 15s；分辨率至 720p；…-1.5-lite：不支持；grok-imagine-video：最多 7 张；时长至 10s；至 720p
  • 语音参考：grok-imagine-video-1.5：最多 3 个 preset voice；…-1.5-lite：不支持；grok-imagine-video：不支持
  • First & last frame：grok-imagine-video-1.5：支持；…-1.5-lite：不支持；grok-imagine-video：不支持
  • Keyframes：grok-imagine-video-1.5：最多 4 个中间关键帧；…-1.5-lite：不支持；grok-imagine-video：不支持
  • Video editing：grok-imagine-video-1.5：不支持；…-1.5-lite：不支持；grok-imagine-video：支持；源片最长约 8.7s
  • Video extension：grok-imagine-video-1.5：不支持；…-1.5-lite：不支持；grok-imagine-video：支持；追加 2–10s
  • 单次时长：grok-imagine-video-1.5：1–15s；…-1.5-lite：1–15s；grok-imagine-video：1–15s（扩展另计）
  • 分辨率：grok-imagine-video-1.5：480p / 720p / 1080p；…-1.5-lite：480p / 720p / 1080p；grok-imagine-video：480p / 720p
  • 画幅：grok-imagine-video-1.5：1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2；I2V 自动匹配输入图并忽略 aspect_ratio
  • 音频：grok-imagine-video-1.5：原生音频 + lip-sync 语音；…-1.5-lite：同左；grok-imagine-video：Generated audio

官方推荐

简单视频用 1.5-lite；需要参考图 / 语音 / 钉帧 / 原生 1080p 用 1.5。编辑与扩展使用 classic 模型 grok-imagine-video。

2.3 生成配置要点

  • duration：1–15 秒，默认 8；classic 的 reference-to-video 最长 10 秒。（generation）
  • 默认分辨率文档写明 480p 为默认。
  • Text-to-video（1.5 / 1.5-lite）：内部先文生图再图生视频；用户一次请求，中间帧不返回。
  • 音频默认生成；可设 generate_audio=false 请求静音。
  • 异步：POST /v1/videos/generations → request_id → 轮询 GET /v1/videos/{request_id}（pending / done / failed）；输出 URL 为临时链接，需及时下载。
  • Reference-to-video 上 1.5 可到 720p；T2V/I2V 可原生 1080p。

2.4 Image-to-video / Reference / 钉帧

  • I2V：静图成为第一帧；prompt 描述「接下来发生什么」。单独传 image = I2V；若再组合 last_frame / keyframes / reference_images，则变为带钉住首帧的 reference-to-video。
  • R2V：参考图用于人/物/服装等，不锁定第一帧。用 <IMAGE_0>、<IMAGE_1>… 引用；若同时用 image 钉首帧，则 image 占 <IMAGE_0>，参考图从 <IMAGE_1> 起。
  • 官方提示：多参考时「给每个参考单一角色与固定位置，戏份小，道具静」。
  • reference_audios：最多 3 个 preset voice_id（如 eve、leo）；自定义音频文件仅 trusted partners。
  • First & last：钉首尾并插值；同一图作首尾可做 loop。Keyframes 最多 4；timestamp_s 须严格在 (0, duration) 内，对齐 1/3 秒网格，间距至少 1/3 秒。有钉帧时 prompt 可为可选。

2.5 编辑与扩展（classic）

  • Editing：硬限制：源 .mp4（H.264/H.265/AV1 等），最长约 8.7s ；输出与源同时长/画幅/分辨率，上限 720p；不可自定义 duration / aspect_ratio / resolution；提示写法（官方）：描述要改什么，并 写明必须保持不变的内容
  • Extension：硬限制：源片 2–15s ；扩展 2–10s （默认 6）； duration = 仅新增段长度 （例：10s 源 + duration 5 → 15s）；画幅/分辨率随源，上限 720p；提示写法（官方）：从源片 最后一帧 无缝接续；prompt 写「下一步发生什么」

2.6 API 定价（USD，简化表）

  • grok-imagine-video-1.5：公开页表述：$0.080 / sec
  • grok-imagine-video-1.5-lite：公开页表述：$0.020 / sec
  • grok-imagine-video：公开页表述：$0.050 / sec

需实时复核

部分检索摘要曾出现 1.5 按 480p/720p/1080p 分档（$0.08/$0.14/$0.25）；当前模型页/简化定价页以统一每秒价展示。图片输入另有按图费用（摘要曾写 $0.01/img）。手册建议以 Console / 实时 pricing 为准。1.5 速率：10 RPS（模型页）。

2.7 消费者差异（非 API 技术限制）

  • 水印：不可移除；篡改违反 AUP。（FAQ）
  • 720p → 480p：可能因档位上限自动回落。（FAQ）
  • 周用量：SuperGrok 共享周用量池（Chat / Imagine / Voice / Build）；Imagine 等高算力消耗更多；达限后可买 Extra Usage Credits（目前仅网页购买）。

无法采集到

help.x.com / help.twitter.com 上独立的 Grok Imagine 视频功能说明页。FAQ 写明 X 上的 Grok 由 X 运营监督，X 问题应走 X Help。

3. 视频提示词结构模板

无法采集到 · 官方专文

本轮无法采集到与 Image Prompting Guide 同级的官方 Video Prompting Guide。以下「官方」栏仅为能力页与示例中可提取的要素，不是 xAI 发布的完整写作专文。

3.1 官方可提取要素

  • 镜头/画面描述：官方依据：T2V：「Describe the shot, including camera movement, lighting, and sound.」（overview）
  • 运动指令（I2V）：官方依据：「prompt describes what happens next」（I2V / overview）
  • 参考图角色标签：官方依据： / （reference-to-video）
  • 须保持不变：官方依据：Editing：「Say what must stay the same」
  • 扩展只写下一步：官方依据：Extension 示例仅描述下一动作/运镜

3.2 社区模板 A — awesome-grok-imagine-prompts

社区 审阅标注 2026-09-24 · 仓库

MODE + OUTPUT
OPENING FRAME
ACTION + PHYSICS
CAMERA
AUDIO
CONTINUITY LOCK
AVOID（短列表）

紧凑要点：单模式、单主动作、单连续运镜、自然环境音与 Foley、连续性锁、稳定结束构图供下一镜。

社区注意

该指南表格写「参考图最多 7」——与官方 1.5「最多 14」不一致；以官方 docs 为准，社区表可能滞后或混用 classic 模型。

3.3 社区模板 B — Seedance 扩展四段式

社区 2026-09-11 · seedance.tv

四问：下一步可见动作 / 镜头如何跟随 / 什么必须固定 / 新段结束状态。

Continue from the current frame. [Subject] performs [one next action].
The camera [one camera behavior]. Keep [identity, wardrobe, prop,
environment, and light anchors] unchanged. [Audio instruction].
End with [specific pose, composition, or object state].

3.4 社区模板 C — Fuser / D — DUO CHROMA

  • Fuser（生成日标注约 2026-09-28）：有效顺序 shot and framing → subject and action → 引号内对白 → light → 单独 Audio: 行。文
  • DUO CHROMA（2025-11-22；早期约 6 秒消费者语境）：Copy last frame → 作下一镜首帧；写 maintain character consistency；keep subjects inside the camera frame；使用 film 术语（static camera、dolly-out）。文

4. 更易理解与执行的写法

4.1 官方可执行要点

  • I2V 少重描画面、多写运动：事实：静图已是首帧；prompt 写下一步；来源：I2V docs
  • 参考图一角色一位：事实：官方原文；来源：reference-to-video
  • 编辑：短、具体、保留句：事实：官方示例；来源：editing
  • 扩展：只写续接动作：事实：官方示例；来源：extension
  • T2V 含运镜 + 光 + 声：事实：overview 建议；来源：overview

4.2 社区可执行原则

  1. 一次一个主动作 + 一个主运镜（6–10s 镜头尤其）
    社区 · Seedance / awesome-guide
  2. 具体不变式锚点：「same wet black hair, same cobalt jacket」优于「keep everything consistent」
    社区 · Seedance
  3. 对白短且加引号；时长要够说完（Fuser Whisper 核验「Almost there.」）
    社区 · Fuser
  4. 写明 Audio: 环境声 / Foley / 是否要音乐；静景可能近乎无声
    社区 · Fuser 实测
  5. 结束态可交接：稳定构图供 extend 或 copy-frame
    社区 · awesome / Seedance
  6. 改一次只改一个变量
    社区 · awesome checklist
  7. 与图像官方指南对照：图像强调「先写主体、说你想看见的，少写 avoid 清单」——视频侧无同级官方文，但编辑文档偏向「正面写保持项」
    官方图像指南对比 · prompting-guide

5. 负面与约束写法

无法采集到

公开视频 generation 文档未描述独立 negative_prompt API / 字段。勿假设存在可填的负面提示参数。

  • 独立 negative_prompt 字段：状态：无法采集到；内容：公开 generation 文档未描述
  • 官方编辑约束：状态：有；内容：「Say what must stay the same」+ 短指令
  • 官方图像指南对 avoid：状态：有（图像，非视频）；内容：长 avoid 易被忽略；约束仅在 count/特定物体时保留，并与想要的物体配对
  • 社区视频 Avoid：状态：有；内容：短句点名本镜高发失败：identity drift、extra fingers、geometry warping、camera jumps、new logos
  • 水印：状态：消费者强制；内容：不可移除（FAQ）

社区实用写法

以 Continuity / Keep 正面约束为主；再用一句 Avoid: 点名本镜风险，避免巨型关键词堆。此为社区归纳，非官方字段。

6. 人物面貌一致性

6.1 官方机制

  • Reference images：事实：最多 14（1.5）/ 7（classic）；不锁首帧；用 指派角色；来源：reference-to-video
  • Image-to-video：事实：首帧锁定外观起点；来源：I2V
  • First / last / keyframes：事实：钉住具体画面，利于故事板与 loop；来源：reference-to-video
  • Editing：事实：改局部并声明 keep；来源：editing
  • Voice：事实：preset 最多 3，利于口型一致；来源：reference-to-video

官方示例节选：「the model from <IMAGE_0> … they wear the shirt from <IMAGE_1> … highly detailed faces」。

6.2 社区一致性实践

  • 参考组：中性脸/身份图 + 全身服装图 + 必要道具/场景；每图单一角色；prompt 重复 identity / wardrobe / anatomy locks：来源：社区 · awesome-guide FAQ
  • 扩展时只保护少量排序锚点：身份与服装 → 叙事道具 → 环境；勿复述全部表面：来源：社区 · Seedance
  • 消费者：Copy last frame；「Maintain character consistency」；人物勿走出画幅：来源：社区 · DUO CHROMA
  • 漂移则缩短扩展步长、只写下一动作；勿在「几乎可用」上继续链式扩展：来源：社区 · Seedance；Fuser

7. 长片与扩展：如何分段提示词

7.1 官方硬限制（决定分段策略）

  • 单次生成最长 15s（1.5 / lite）
  • 扩展：源 2–15s，每次加 2–10s，输出封顶与源分辨率相关且 ≤720p
  • 编辑：源 ≤8.7s
  • 更长叙事需多镜拼接（官方未提供「一键长片」）

7.2 Seedance 工作流（社区）

  1. 基镜按「Identity / Prop / Environment / Motion / Exit」五卡写，为交接设计出口姿态
  2. 交接帧选清晰可读帧（未必是字面最后一帧）；若工具只能从结尾扩展，可先裁剪使可靠帧成为结尾
  3. 每段 = 一个生产单元：进入态 + 一个主动作 + 退出态
  4. 续写 prompt 不要重建整个世界，避免与继承帧冲突
  5. 审核通过再链式扩展；失败回退到最后可信帧
  6. 最后在外部剪辑组装，而非一次要整部电影

7.3 官方对齐的续写写法

官方

扩展 prompt = 下一可见动作 +（可选）运镜 +（可选）calm/controlled 等气质。勿重复整段场景设定——与社区「继承已有」一致。官方示例：「The cat turns its head, notices a butterfly, and leaps off.」；「The shot pans to an over the shoulder perspective. Calm controlled scene.」

7.4 扩展四段式（社区）

Continue from the current frame. [Subject] performs [one next action].
The camera [one camera behavior]. Keep [identity, wardrobe, prop,
environment, and light anchors] unchanged. [Audio instruction].
End with [specific pose, composition, or object state].

7.5 消费者 Copy-frame 链（社区 DUO CHROMA）

生成 → 复制末帧 → 粘贴为新 I2V 源 → 重复；作者声称可拼出 12/18/60s 级——属工作流上限，非官方单次时长。注意该文发布于 2025-11-22，时长语境写「约 6 秒」，与现行 API 1–15s 不同，属早期消费者语境。

8. 分镜与衔接技巧

  • 首尾钉帧插值 / 同图 loop：类型：官方；来源：reference-to-video
  • 最多 4 keyframes 故事板：类型：官方；来源：reference-to-video
  • 镜头间：缓变景别，避免突然航拍跳切：类型：社区；来源：Seedance
  • 记录人物左右运动方向、机位高度、景别：类型：社区；来源：Seedance
  • 人物保持在画幅内再续：类型：社区；来源：DUO CHROMA
  • 音频单独连续性卡（环境/对白/是否重置）：类型：社区；来源：Seedance
  • 硬切优于用长溶解掩盖脸部漂移：类型：社区；来源：Seedance
  • 先低分辨率草稿再高分辨率成片：类型：社区；来源：awesome；Fuser

9. 常见失败与规避

  • 身份/服装漂移：规避：参考图 + 具体 Keep 锚点；短步扩展（社区 awesome / Seedance）
  • 扩展接缝跳变：规避：只写下一动作；缩短 duration；检查边界帧（官方 extension 定义 + 社区 Seedance/Fuser）
  • 对白未说出或乱码：规避：引号短对白 + 足够秒数（社区 Fuser）
  • 近乎无声：规避：写具体会发声的动作与 Audio 行（社区 Fuser）
  • I2V 画幅不对：规避：先裁静图到目标画幅；API 忽略 aspect_ratio（官方）
  • 参考模式要 1080p：规避：官方：R2V 上限 720p
  • 编辑改太多：规避：一至两项具体修改 + keep everything else（官方 editing / 社区 Fuser）
  • 编辑源过长：规避：截到 ≤8.7s（官方）
  • 人物走出画幅后无法续：规避：保持 in frame（社区 DUO CHROMA）
  • 720p 变 480p（App）：规避：档位 720p 上限触发回落（FAQ）
  • 水印：规避：不可关（FAQ）
  • Prompt 过长/冲突模式：规避：error invalid_argument （generation error table）

10. 图像 vs 视频提示差异

  • 专文：图像（官方 Image Prompting Guide）：有完整 prompting guide；视频（官方能力页，无专文）：无 同级 Video Prompting Guide
  • 结构：图像（官方 Image Prompting Guide）：Subject → Details → Art direction → Light → Color → Composition；视频（官方能力页，无专文）：建议写 shot + camera + lighting + sound；I2V 写「下一步」
  • Avoid：图像（官方 Image Prompting Guide）：明确劝阻长 avoid 列表；视频（官方能力页，无专文）：无专章；编辑强调写 keep
  • 时间维：图像（官方 Image Prompting Guide）：单帧静照；视频（官方能力页，无专文）：duration、动作、物理、音频、运镜
  • 参考：图像（官方 Image Prompting Guide）：图像编辑最多 5 源图（imagine overview）；视频（官方能力页，无专文）：视频参考最多 14（1.5）
  • 一致性工具：图像（官方 Image Prompting Guide）：编辑 keep 句；视频（官方能力页，无专文）：R2V、I2V 首帧、keyframes、extend、edit
  • T2V 内部：图像（官方 Image Prompting Guide）：—；视频（官方能力页，无专文）：1.5/lite：先文生图再动画（generation note）

11. 可复制提示词示例库

下列示例综合官方示例句式与社区模板结构；非 xAI 背书的「官方提示词库」。标注「官方风格」者贴近 docs 示例；「社区」者来自可链文章或指南结构。共 13 条，均可直接复制。

11.1 短片 · 文生视频

示例 1 — 场景短片（官方风格）

A glowing crystal-powered rocket launching from the red dunes of Mars,
ancient alien ruins lighting up in the background as it soars into a sky
full of unfamiliar constellations. Slow cinematic upward tilt, volumetric dust,
distant thunderous engine roar and wind.

官方原文主干见 generation docs；运镜/声为按 overview 补全的可执行写法。

示例 2 — 产品/自然短片（官方风格）

Timelapse of a flower blooming in a sunlit garden. Locked tripod, gentle
macro push-in, soft morning light, bees buzzing and leaves rustling. No music.

主干：generation docs 「Timelapse of a flower blooming in a sunlit garden」

11.2 人物特写 / I2V

示例 3 — I2V（官方风格）

Make the water crash down and slowly pan out the camera.

官方：imagine overview / I2V 瀑布示例

示例 4 — 人物特写 + 对白 + Audio（社区 · Fuser）

Handheld medium shot of a ceramicist at a pottery wheel shaping a tall vase
from wet clay, her hands glistening as the clay spins. She glances up at the
camera, smiles and says: "Almost there." Warm workshop light.
Audio: steady wheel hum, wet clay sounds, quiet studio ambience.

来源：fuser.studio

11.3 动作

示例 5 — 扩展动作（官方）

The cat turns its head, notices a butterfly, and leaps off.

来源：extension

示例 6 — 动作 + 画幅内约束（社区 · DUO CHROMA）

The witch stands up and walks forward in a straight line with her cat and
the bat following her. Throughout the process, maintain character consistency
for all subjects, keep the camera static, and ensure all subjects remain
inside the camera frame throughout the entire scene.

来源：duochroma.com

11.4 场景转换 / 参考生视频

示例 7 — Reference-to-video（官方）

slow zoom in on the white fashion runway stage. then, the model from <IMAGE_0>
walks in from the back of the shot from the white opening, and gracefully walk
out onto the front of the white stage platform. they wear the shirt from <IMAGE_1>
and black flared jeans. they look dramatically at the camera. high quality slow
motion shot. fun, playful. skin pores. highly detailed faces. perfect shot.
they reach the end of the runway and look at the camera as the camera slowly zooms.
subtle smile.

来源：reference-to-video

示例 8 — 首尾钉帧运镜（官方）

The camera dollies from the sunlit doorway to the window, settling on the closing frame.

配合 image + last_frame；来源：reference-to-video

11.5 续写 / 扩展

示例 9 — 叙事续写（社区 · Seedance）

She catches the orange paper plane, unfolds it, and notices the hand-drawn route.
The camera makes a slow arc from her open hand to a medium view of her face.
Keep the same courier, cobalt rain jacket, black backpack, wet station, and blue-hour light.
Only rain ambience and a soft paper rustle. End with her looking toward the arriving train.

来源：seedance.tv

示例 10 — 动作桥接续写（社区 · Seedance）

The train doors open and she steps inside in one continuous movement.
Track beside her at walking speed; do not cut or orbit.
Preserve her face, jacket, backpack, paper plane, rain direction, and realistic body proportions.
End after she turns toward the window and the doors close behind her.

同上 Seedance

示例 11 — 紧凑续写骨架（社区 · Seedance 模板）

Continue from the current frame. [Subject] performs [one next action].
The camera [one camera behavior]. Keep [identity, wardrobe, prop,
environment, and light anchors] unchanged. [Audio instruction].
End with [specific pose, composition, or object state].

可替换方括号占位后直接用于扩展请求

示例 12 — Dolly-out 衔接（社区 · DUO CHROMA）

While the witch walks forward in a straight line toward the camera, her cat
and the bat following closely behind, the camera moves backward, mimicking a
dolly-out camera movement. This movement should be calibrated so the witch
appears to dominate the frame in a long shot. Throughout the entire scene,
maintain character consistency for all subjects and ensure the witch, the cat,
and the bat remain inside the camera frame.

来源：DUO CHROMA 教程

示例 13 — 编辑保持句（官方风格 + 社区完整写法）

Give the woman a silver necklace.

官方短指令。更完整社区写法（Fuser）：Change the ceramicist's apron to deep red and give her a pair of round wire-framed glasses. Keep everything else the same.

12. 参考来源

官方（xAI / docs.x.ai / x.ai）

  1. Video Overview
  2. Video Generation
  3. Image-to-Video
  4. Reference-to-Video / keyframes / audio
  5. Video Editing
  6. Video Extension
  7. Imagine Overview
  8. Model card / pricing / RPS
  9. Imagine pricing table
  10. REST Videos（检索显示 Last updated: April 13, 2026）
  11. Imagine API 产品页
  12. 2026-06-16 发布说明
  13. 消费者功能宣传
  14. FAQ：水印、720p→480p、周用量
  15. Welcome to Grok（Last updated: October 10, 2026）
  16. 图像提示词官方指南（对比用）

社区 / 第三方

  1. awesome-grok-imagine-prompts（指南审阅日期 2026-09-24）
  2. 英文写作指南全文
  3. Seedance 扩展提示专题（2026-09-11）
  4. Fuser Studio 实测
  5. DUO CHROMA 消费者续镜教程（2025-11-22）

13. 缺口清单

无法采集到

  • X/Twitter Help Center 专页关于 Grok Imagine 视频限制
  • xAI 官方独立 Video Prompting Guide（与 Image Prompting Guide 同级）
  • 本轮可核验的 @xai / @grok 原帖全文与发帖日期
  • 公开视频 API 独立 negative_prompt 字段
  • 当前页统一展示 vs 历史摘要中的分辨率分档价差最终权威表（建议以 Console 实时价为准）

以上缺口在对应章节已用引用框复现；请勿将「未采集到」解读为「功能不存在」或「功能已证实存在」——仅表示本轮调研未能核验到公开文档。

ACKS Studio · Richer 调研

《Grok Imagine 视频生成学习手册》· 2026-10-17 Asia/Shanghai

事实来源：research-notes.md / fact-sheet.md 及文末链接。社区内容已标注，非 xAI 官方背书。

定价与额度以 docs.x.ai Console 实时文档为准。

完整 HTML 版手册：Grok Imagine 视频生成学习手册

了解 ~/jintaoblog/朝夕见闻志⚡️ 的更多信息

订阅后即可通过电子邮件收到最新文章。