Guia de prompts do Grok Imagine 1.5

Este guia parte do guia de geração de vídeo da xAI e dos exemplos de prompts da visão geral de vídeo dela. Para o modelo, veja a página do Grok Imagine 1.5.

A documentação da xAI diz que o 1.5 transforma texto em vídeo em duas etapas ocultas: renderiza um primeiro quadro a partir do prompt e depois anima esse quadro. Então a primeira frase de um prompt é uma imagem. O conselho da xAI é descrever o plano, incluindo movimento de câmera, iluminação e som; os próprios exemplos dela acrescentam uma frase sobre o que não pode mudar.

1. 1Comece com o plano e o que o primeiro quadro mostra: o ângulo ou o tamanho do plano, o elemento principal, o lugar.
2. 2Diga o que acontece, em ordem, com um gatilho onde ajudar: “Quando o sinal abre…”.
3. 3Acrescente um movimento de câmera ou escreva “A câmera nunca se move.”
4. 4Acrescente uma frase de continuidade para o que precisa ficar: “todos os objetos ficam exatamente onde estão”.
5. 5Defina a luz e o visual.
6. 6Termine com o som: cada fala entre aspas depois de quem a diz, depois “Sound:” para o resto, e se há música.

Os exemplos de prompts da xAI escrevem a câmera com termos simples de cinema e muitas vezes dizem o que não se move, além do que se move. Escolha um movimento por plano e dê a ele uma velocidade.

Quando a câmera deve ser a única coisa em movimento, diga isso, como faz o anúncio de perfume da xAI: “Só a câmera se move.” Para uma sensação bruta e física, descreva o que causa o tremor, como faz o exemplo do voo de dragão dela: batidas de asa, turbulência, curvas repentinas.

A xAI diz que o 1.5 cria efeitos, som ambiente e diálogo na mesma passada, caindo na ação, com fala em sincronização labial mais clara e mais bem sincronizada que a do modelo anterior. Os exemplos dela escrevem o som como indicações que dá para ouvir. Veja áudio nativo.

• Diga quem fala, dê o modo de falar e depois a fala entre aspas: Baixinho, cauteloso, com a voz tensa: “Nós? Você nem me perguntou.”
• Coloque uma indicação de atuação dentro de uma fala entre colchetes, como faz a cena do café da xAI: “Estou. [ela olha para baixo, faz uma pausa] Eu só achei…”
• Escreva o ambiente sob o diálogo numa linha “Sound:” e diga se ele nunca deve ficar em silêncio entre as falas.
• Escreva “Sem música” quando não quiser música; a receita de personagem falante da xAI pede nenhuma outra fala e nenhuma música.
• Ajuste as palavras aos segundos: a mesma receita define a duração do clipe pelo número de palavras das falas.

A documentação da xAI não lista os idiomas que o 1.5 fala, então confira cada tomada de uma fala em outro idioma. A API da xAI pode dar uma voz predefinida a até 3 pessoas que falam; no DreamBench, a voz vem da sua descrição. Veja sincronização labial.

A API da xAI aceita de 1 a 15 segundos, com 8 como padrão; a página Vídeo do DreamBench oferece 4, 5, 6, 8, 10, 12 ou 15. Os exemplos da xAI vão de uma linha a várias centenas de palavras; no DreamBench, um prompt para o Grok pode ter até 2.500 caracteres.

Na API da xAI, keyframes fixam imagens em segundos escolhidos; num prompt, a ordem faz esse papel: “depois”, “quando”, “enquanto ele fala”. No DreamBench, o Grok renderiza 16:9 para YouTube, 9:16 para Reels, TikTok e Shorts, 1:1 e 4:3; a API da xAI também oferece 21:9, 3:2 e outros.

Em imagem para vídeo, a imagem vira o primeiro quadro, o prompt descreve o que acontece depois, e o clipe mantém o formato da imagem. O post de lançamento da xAI resume em uma linha: dê uma imagem inicial, descreva o movimento. Veja imagem para vídeo.

1. 1Não descreva a imagem de novo: ela já é o primeiro quadro.
2. 2Diga o que se move, em ordem: “Faça ela sorrir, acenar e depois se virar de novo.”
3. 3Dê direção e velocidade onde importam: “da esquerda para a direita, acelerando forte”.
4. 4Acrescente a câmera, o som e o que precisa ficar como está.

O imagem para vídeo da xAI roda em até 1080p no 1.5, e a API dela também pode fixar um último quadro, ou até 4 keyframes dentro do clipe. O DreamBench não oferece nenhum dos dois, e o painel de criação dele não tem espaço para quadro inicial ou final: num filme, ele desenha o quadro inicial de cada clipe a partir das suas referências, e o Grok o anima. Veja primeiro e último quadro.

O referência para vídeo da xAI aceita até 14 imagens no 1.5, em até 720p, para trazer pessoas, produtos e lugares sem fixar o primeiro quadro. O conselho dela para muitas referências: dê a cada uma um único papel e um lugar fixo na cena, mantenha o elenco pequeno e mantenha os objetos parados. Num prompt:

• Descreva cada personagem com as mesmas palavras todas as vezes e diga onde cada um fica: “Sam fica à esquerda, Lena à direita, nos dois planos.”
• Conte os objetos uma vez e mantenha-os: “um prato com exatamente dois croissants; ninguém toca neles”.
• Mantenha as roupas, a hora do dia e a luz.

A receita de storyboard da xAI mantém um personagem editando um keyframe para cada nova cena. O DreamBench desenha cada personagem, lugar e objeto uma vez como ficha, e o quadro inicial de cada clipe a partir das fichas de que ele precisa. Veja consistência de personagem.

A xAI mostra dois jeitos de ir além de um plano. O exemplo do café coloca dois planos num clipe de 15 segundos, “unidos por um único corte seco, sem fusão, sem fade”. A receita de storyboard planeja quatro planos, cada um num clipe próprio de oito segundos, e os junta. Veja vídeo multi-shot.

• Num clipe: diga quantos planos são e como se unem, descreva o segundo plano a partir de onde a câmera está e mantenha todo mundo do mesmo lado do quadro.
• Entre clipes: um momento por clipe, cada um com o seu cenário ou ângulo, e as mesmas palavras para cada personagem.

No DreamBench, descreva o filme e escolha o Grok Imagine 1.5: o DreamBench escreve cada plano como um clipe contínuo do Grok de até 12 segundos, desenha o quadro inicial e monta os clipes; refaça qualquer um com uma observação. Na página Vídeo, um corte que você escreve chega ao Grok do jeito que está.

Cole estes prompts na página Vídeo do DreamBench ou em qualquer ferramenta que rode o Grok Imagine 1.5. Cada um começa no seu primeiro quadro.

Ação: um salto de mountain bike

8 segundos, 16:9. Plano aberto baixo de uma trilha de floresta enlameada, com uma ciclista de capacete vermelho chegando ao topo da subida. Ela sai de uma rampa, aterrissa num jato de lama e derrapa na curva. A câmera acompanha baixo ao lado dela. Luz de céu nublado. Sound: pneus rasgando a lama. Sem música.

Produto: um frasco de perfume

8 segundos, 1:1. Plano fechado de um frasco de vidro fosco com o rótulo “SALT & FERN” sobre ardósia preta molhada. Uma aproximação lenta e suave, terminando com o rótulo nítido. A luz ondula pelo vidro como se passasse pela água. Só a câmera se move; o frasco e as letras nunca mudam. Nada novo aparece. Sound: música ambiente suave.

Diálogo: duas pessoas numa mesa de cozinha

15 segundos, 16:9. Dois planos unidos por um único corte seco. Plano 1, um plano a dois aberto numa mesa de cozinha na luz da manhã: um homem de suéter cinza desliza uma passagem pela mesa e diz, sorrindo: “Duas semanas em Lisboa. Diga que sim.” Corte seco para um plano por cima do ombro, por trás dele, mantido até o fim: ela pega a passagem e depois, rindo, surpresa: “Você já comprou?” Continuity: a mesa, duas canecas e a passagem são iguais nos dois planos. Sound: uma chaleira, passarinhos lá fora. Sem música.

Uma multidão: a feira noturna

10 segundos, 16:9. Plano aberto em câmera alta de uma feira noturna na chuva, com lanternas entre as barracas. Quando um gongo soa, centenas de pessoas com guarda-chuvas entram na rua e se cruzam sem trombar. Sensação de time-lapse lento. Sound: chuva na lona, woks chiando.

Time-lapse: um jardim ao longo de um dia

12 segundos, 16:9. Um time-lapse com câmera fixa de um jardim de casa de campo do amanhecer à noite: as sombras varrem o gramado, os girassóis giram com o sol, o céu fica dourado, depois azul-escuro, e as janelas se acendem. As nuvens correm no céu. A câmera nunca se move. Sound: passarinhos, depois grilos.

Comida: calda em panquecas

6 segundos, 9:16. Plano macro em câmera superlenta: xarope de bordo escuro cai sobre uma pilha de panquecas, dobra sobre si mesmo e escorre pelas laterais enquanto um pedaço de manteiga desliza. Luz quente da janela, vapor subindo, profundidade de campo rasa. Sound: um pingo suave, um chiado leve.

Animação: um ouriço de massinha

10 segundos, 16:9. Animação em stop-motion com massinha, impressões digitais visíveis na massa, uma taxa de quadros um pouco irregular. Um pequeno ouriço de massinha marrom de cachecol verde rola uma maçã por uma mesa coberta de musgo, para a maçã com uma pata e dá uma mordida orgulhosa. Continuity: todos os objetos ficam exatamente onde estão; nada aparece nem muda de forma. Luz quente de cenário em miniatura. Sound: uma melodia suave de caixinha de música.

POV: uma descida de trenó

8 segundos, 16:9. POV de um trenó de madeira descendo rápido uma encosta nevada de floresta, com mãos de luva na corda na parte de baixo do quadro. Ele desvia entre pinheiros e pula sobre uma crista, como imagens de câmera de ação na mão: tremor a cada solavanco, neve espirrando pela lente. Sound: os patins chiando, um grito de alegria. Sem música.

Clipe vertical para redes sociais: um gancho para a câmera

6 segundos, 9:16. Enquadramento de selfie numa plataforma de estação cheia no horário de pico, com uma jovem de jaqueta jeans segurando o celular com o braço esticado. Ela se inclina e diz, rápido e em tom de segredo: “Ninguém te conta isso sobre o trem noturno.” Um trem chega atrás dela. Sound: avisos na plataforma, freios chiando.

Uma fala curta: o balcão da padaria

5 segundos, 4:3. Plano médio de uma padeira de avental sujo de farinha atrás de um balcão de pães, com luz quente da janela à esquerda. Ela estende um saco de papel e diz, animada: “Ainda quentinho. Cuidado com a casca.” A câmera está fixa. Sound: o sino da loja, a gaveta do caixa.

Clima: uma onda no quebra-mar

8 segundos, 16:9. Plano baixo por trás de um cabeço de amarração num quebra-mar de pedra sob um céu escuro. Uma onda de tempestade explode sobre o muro e o borrifo cai sobre caixas de peixe, depois escoa de volta. A câmera fica fixa. Sound: arrebentação estrondosa, gaivotas. Sem música.

Dois clipes: o faroleiro

Clipe 1. 6 segundos, 16:9. Plano aberto de um velho faroleiro de barba branca e suéter de lã azul-marinho subindo os últimos degraus de uma escada de ferro, com uma lanterna na mão. A câmera se inclina para cima junto com ele. Luz fria e azul do amanhecer. Sound: botas no ferro, vento.

Clipe 2. 6 segundos, 16:9. Plano fechado do velho faroleiro de barba branca e suéter de lã azul-marinho riscando um fósforo ao lado da grande lâmpada; uma luz quente inunda o rosto dele. A câmera está fixa. Sound: o fósforo, o chiado da lâmpada.

Os dois clipes descrevem o faroleiro com as mesmas palavras e mantêm a luz do amanhecer; o enquadramento muda no corte.

A maioria dos prompts fracos para o Grok pula o primeiro quadro.

• Um mesmo prompt gerado duas vezes dá dois clipes.
• Todo clipe do DreamBench tem som; a API da xAI pode fazer um clipe mudo, o DreamBench não, então tire o som num editor.
• Uma pessoa ou um produto real não pode ser reconhecido só por palavras; é preciso uma imagem que você tenha o direito de usar.
• Uma geração para em 15 segundos, e na página Vídeo do DreamBench um prompt com mais de 2.500 caracteres é recusado.

• Um clipe: na página Vídeo, escolha o Grok Imagine 1.5, cole o seu prompt, escolha de 4 a 15 segundos, o formato e 720p ou 1080p. Ele vai para o grok-imagine-video-1.5 da xAI do jeito que você escreveu.
• Um prompt: o gerador de prompts de vídeo com IA escreve um para qualquer modelo na ordem de uma lista de planos; ele não tem predefinição para o Grok e escreve só o prompt.
• Um filme: descreva-o, adicione até 8 imagens de referência e escolha o Grok Imagine 1.5; o DreamBench escreve, desenha e monta todos os planos, e você pode refazer qualquer um.
• Não oferecido: 1.5 Lite, imagens de referência ou vozes predefinidas, primeiro, último quadro ou keyframes, clipes mudos ou 21:9.

O Grok Imagine 1.5 está em todos os planos. O painel de criação mostra o preço em créditos antes de você gerar; na primeira vez, crie uma conta gratuita e escolha um plano. Para outro modelo, veja o guia de prompts do MiniMax H3, do Veo 3.1 ou do Kling 3.0; para prompts só a partir de palavras, texto para vídeo.