Grok Imagine 1.5 提示词指南

本指南依据 xAI 的视频生成指南及其视频概览中的示例提示词。关于模型本身，请参阅 Grok Imagine 1.5 页面。

xAI 的文档说，1.5 通过两个隐藏步骤把文字变成视频：先根据提示词渲染首帧，再让这一帧动起来。所以提示词的第一句就是一幅画面。xAI 的建议是描述镜头，包括运镜、光线和声音；它自己的示例还会加一句，说明什么不能改变。

1. 1开头写镜头和首帧呈现的内容：机位角度或景别、主体、地点。
2. 2按顺序写发生了什么，必要时加一个触发点：“信号灯一变……”。
3. 3加上一种运镜，或者写“镜头始终不动。”
4. 4为必须保持的内容加一句连贯性说明：“每个物体都原地不动”。
5. 5定下光线和画面风格。
6. 6最后写声音：每句台词放在引号里，跟在说话人后面，其余声音写在“声音：”之后，并说明有没有音乐。

xAI 的示例提示词用平实的电影用语写镜头，而且经常既说明什么在动，也说明什么不动。每个镜头选一种运镜，并给出速度。

当镜头应该是唯一在动的东西时，就明确写出来，就像 xAI 的香水广告那样：“只有镜头在动。”想要粗粝、有实感的效果，就描述造成晃动的原因，就像它的巨龙飞行示例那样：振翅、气流颠簸、急转弯。

xAI 说，1.5 在同一次生成中制作音效、环境声和对白，并与动作同步，口型同步的语音也比它的上一代模型更清晰、同步更好。它的示例把声音写成你能听到的指示。参见原生音频。

• 写出说话人，给出语气，然后把台词放在引号里：轻声地，小心翼翼，声音发紧：“我们？你都没问过我。”
• 把表演节拍用方括号放在台词中间，就像 xAI 的咖啡馆场景那样：“是啊。[她低下头，停顿] 我只是以为……”
• 把对白下面的环境声写在“声音：”一行里，如果台词之间不能出现静音，也要写明。
• 不想要音乐时，写“无音乐”；xAI 的说话角色教程要求不要其他语音，也不要音乐。
• 让字数与秒数相符：同一个教程会根据台词的字数来设定片段时长。

xAI 的文档没有列出 1.5 能说哪些语言，所以用其他语言写台词时，每次生成都要检查。xAI 的 API 最多可以为 3 个说话人指定预设嗓音；在 DreamBench 上，嗓音来自你的描述。参见口型同步。

xAI 的 API 支持 1 到 15 秒，默认 8 秒；DreamBench 的“视频”页面提供 4、5、6、8、10、12 或 15 秒。xAI 的示例从一句话到几百个词不等；在 DreamBench 上，Grok 提示词最长可达 2,500 个字符。

在 xAI 的 API 中，关键帧把图片固定在指定的秒数上；在提示词中，由先后顺序来完成这项工作：“然后”“当……时”“他说话时”。在 DreamBench 上，Grok 可渲染 16:9（用于 YouTube）、9:16（用于 Reels、TikTok 和 Shorts）、1:1 和 4:3；xAI 的 API 还提供 21:9、3:2 等画幅。

在图生视频中，静态图片成为首帧，提示词描述接下来发生什么，片段沿用静态图片的画幅。xAI 的发布文章用一句话概括：给它一张起始图片，描述运动。参见图生视频。

1. 1不要再描述一遍图片：它已经是首帧了。
2. 2按顺序写什么在动：“让她微笑、挥手，然后再转过身去。”
3. 3在重要的地方写明方向和速度：“从左到右，猛烈加速”。
4. 4加上运镜、声音，以及必须保持原样的内容。

xAI 的图生视频在 1.5 上最高可达 1080p，它的 API 还能固定尾帧，或在片段中固定最多 4 个关键帧。DreamBench 两者都不提供，它的创作面板也没有首帧或尾帧槽位：在影片中，它根据你的参考图绘制每个片段的首帧，再由 Grok 让它动起来。参见首尾帧。

xAI 的参考生视频在 1.5 上最多接受 14 张图片，最高 720p，可以引入人物、产品和地点，而不固定首帧。它对多张参考图的建议是：每张只承担一个角色，并在场景中有固定的位置；角色要少，道具保持不动。在提示词中：

• 每次都用同样的文字描述每个角色，并说明他们站在哪里：“两个镜头中，Sam 始终在左边，Lena 在右边。”
• 道具数一次就固定下来：“一个盘子，上面正好两个可颂；没有人碰它们”。
• 保持服装、时间段和光线不变。

xAI 的分镜教程通过把一张关键帧编辑进每个新场景来保持角色一致。DreamBench 则把每个角色、地点和道具只绘制一次设定图，每个片段的首帧都依据它所需的设定图绘制。参见角色一致性。

xAI 展示了两种超越单个镜头的方法。它的咖啡馆示例把两个镜头放进一个 15 秒的片段，“用一次硬切衔接，没有交叉溶解，没有淡入淡出”。它的分镜教程规划四个镜头，每个都是单独的八秒片段，再拼接起来。参见多镜头视频。

• 在一个片段内：写明有几个镜头、怎样衔接，从摄影机所在的位置描述第二个镜头，并让每个人都保持在画面的同一侧。
• 跨片段时：每个片段一个时刻，各有自己的场景或角度，每个角色都用同样的文字描述。

在 DreamBench 上，描述影片并选择 Grok Imagine 1.5：DreamBench 会把每个镜头写成一个最长 12 秒的连续 Grok 片段，绘制首帧，再把片段剪接在一起；任意一个都可以附上一条备注重做。在“视频”页面上，你写的剪切会原样发送给 Grok。

把这些提示词粘贴到 DreamBench 的“视频”页面或任何运行 Grok Imagine 1.5 的工具中。每条都以首帧开头。

动作：山地车跳跃

8 秒，16:9。泥泞林间小道的低机位远景，一位戴红色头盔的骑手冲上坡顶。她从跳台腾空而起，落地时泥浆飞溅，随即侧滑过弯。镜头在她身旁低机位跟拍。阴天光线。声音：轮胎碾过泥地的撕裂声。无音乐。

产品：一瓶香水

8 秒，1:1。湿润黑色石板上一只贴着“SALT & FERN”标签的磨砂玻璃瓶的近景。缓慢、平稳地推近，最后标签清晰可见。光线在玻璃上荡漾，仿佛透过水面。只有镜头在动；瓶子和上面的文字始终不变。没有新的东西出现。声音：轻柔的氛围音乐。

对白：厨房餐桌旁的两个说话人

15 秒，16:9。两个镜头，用一次硬切衔接。镜头 1，晨光中厨房餐桌旁的远景双人镜头：一个穿灰色毛衣的男人把一张票推过去，咧嘴笑着说：“去里斯本玩两周。答应吧。”硬切到从他身后拍的过肩镜头，一直保持到结尾：她拿起票，笑着，又惊又喜：“你已经订好了？”连贯性：两个镜头中的餐桌、两个马克杯和那张票都一致。声音：水壶声，窗外的鸟鸣。无音乐。

人群：夜市

10 秒，16:9。雨中夜市的俯拍远景，摊位之间挂着灯笼。一声锣响，数百个打着伞的人涌进巷子，彼此穿行而过，互不相撞。缓慢的延时摄影感。声音：雨打在帆布上，炒锅滋滋作响。

延时摄影：花园的一天

12 秒，16:9。一座乡间小屋花园从黎明到夜晚的固定机位延时摄影：影子扫过草坪，向日葵随太阳转动，天空变成金色，又变成深蓝色，窗户亮起灯光。云朵在头顶飞驰。镜头始终不动。声音：鸟鸣，然后是蟋蟀声。

美食：淋在松饼上的糖浆

6 秒，9:16。超慢动作微距镜头：深色枫糖浆浇在一摞松饼上，层层堆叠，顺着边缘滴落，一小块黄油随之滑下。温暖的窗光，热气升腾，浅景深。声音：轻轻的滴落声，微弱的滋滋声。

动画：黏土刺猬

10 秒，16:9。定格黏土动画，黏土上能看到指纹，帧率略显卡顿。一只围着绿围巾的棕色小黏土刺猬推着一个苹果滚过长满苔藓的桌面，用一只爪子把它停住，得意地咬了一口。连贯性：每个物体都原地不动；没有东西出现或改变形状。温暖的微缩布景灯光。声音：一段轻柔的八音盒旋律。

主观视角：雪橇滑行

8 秒，16:9。从一架木雪橇上看出去的主观视角，雪橇沿着积雪的林间坡道飞速滑下，画面底部是戴着连指手套、抓着绳子的双手。它在松树间急转，颠簸着越过一道雪脊，像手持运动相机拍的素材：每次颠簸都带来晃动，雪花从镜头前飞溅而过。声音：滑板的嘶嘶声，一声欢呼。无音乐。

竖屏社交短片：对着镜头的开场钩子

6 秒，9:16。高峰时段繁忙的车站站台，自拍构图，一位穿牛仔夹克的年轻女子伸直手臂举着手机。她凑近镜头，语速很快、神秘兮兮地说：“关于夜班火车，这件事没人会告诉你。”一列火车在她身后进站。声音：站台广播，刹车的尖啸声。

一句短台词：面包店柜台

5 秒，4:3。一位系着沾满面粉的围裙的面包师站在摆满面包的柜台后的中景，温暖的光从左侧窗户照进来。她递出一个纸袋，愉快地说：“还热着呢。小心面包皮。”固定机位。声音：店门铃声，收银抽屉的声音。

天气：拍上海堤的巨浪

8 秒，16:9。阴沉的天空下，从石砌港堤上一根系缆桩后方拍摄的低机位镜头。一道风暴巨浪在堤上炸开，浪花砸过鱼箱，然后退去。镜头保持固定机位。声音：轰鸣的浪涛，海鸥声。无音乐。

两个片段：灯塔看守人

片段 1。6 秒，16:9。一位留着白胡子、穿藏青色羊毛毛衣的老灯塔看守人手提灯笼，登上铁楼梯最后几级台阶的远景。镜头随他向上摇。黎明清冷的蓝色光线。声音：靴子踩在铁台阶上的声音，风声。

片段 2。6 秒，16:9。那位留着白胡子、穿藏青色羊毛毛衣的老灯塔看守人在巨大的灯旁划燃一根火柴的近景；温暖的光照亮他的脸。固定机位。声音：划火柴的声音，灯发出的嘶嘶声。

两个片段用同样的文字描述看守人，并保持黎明的光线；景别在剪切处变化。

大多数不好的 Grok 提示词都跳过了首帧。

• 同一条提示词运行两次，会得到两个不同的片段。
• DreamBench 的每个片段都有声音；xAI 的 API 可以生成无声片段，DreamBench 不能，所以请在剪辑软件中静音。
• 真实的人或产品无法仅凭文字被认出来，需要一张你有权使用的图片。
• 单次生成最长 15 秒；在 DreamBench 的“视频”页面上，超过 2,500 个字符的提示词会被拒绝。

• 一个片段：在“视频”页面上选择 Grok Imagine 1.5，粘贴你的提示词，选择 4 到 15 秒、画幅，以及 720p 或 1080p。提示词会原样发送给 xAI 的 grok-imagine-video-1.5。
• 一条提示词：AI 视频提示词生成器可以按镜头清单的顺序为任何模型写提示词；它没有 Grok 预设，只负责写提示词。
• 一部影片：描述它，最多添加 8 张参考图，然后选择 Grok Imagine 1.5；DreamBench 会写出、绘制并剪接每个镜头，任意镜头都可以重做。
• 不提供：1.5 Lite、参考图或预设嗓音、首帧、尾帧或关键帧、无声片段，或 21:9。

所有套餐都包含 Grok Imagine 1.5。生成前，创作面板会显示所需积分；首次使用时，请注册免费账号并选择套餐。其他模型请参阅 MiniMax H3、Veo 3.1 或 Kling 3.0 提示词指南；如果只凭文字写提示词，请参阅文生视频。