Генерация видео с Grok: практическое руководство
Видеомодель Grok превращает фразу — или фотографию — в короткий ролик длиной до 15 секунд. В GO AI Chat она находится во вкладке Lab рядом с генерацией изображений, так что за отдельное приложение платить не нужно. Работающий шаблон описания скучен и надёжен: один объект, одно действие, одно движение камеры, один стиль. Всё остальное — управление разбросом.
Что такое видео Grok на самом деле
Это модель xAI, работающая из текста в видео и из изображения в видео. Вы даёте описание или неподвижный кадр; она возвращает короткий ролик с синтезированным движением. Это не редактор, не сток и не инструмент для двухминутной сцены. Относиться к ней как к генератору планов — один момент длиной в несколько секунд — вот мысленная модель, дающая пригодный результат.
На той же базовой технологии работает генерация видео в нескольких местах, включая X. Разница в окружающем контексте: в GO AI Chat ролик попадает в вашу галерею, а не в ленту, и вы уже находитесь в приложении, где пишете, ищете и создаёте изображения.
Шаблон описания
Каждое описание движения, которое у нас сработало, состоит из одних и тех же четырёх частей. Пропустите одну — модель придумает её сама, обычно плохо.
- Объект — кто или что, конкретно. «Женщина в жёлтом плаще», а не «человек».
- Действие — одно происходящее событие. «Идёт к камере». Не «идёт, потом поворачивается, потом машет рукой».
- Камера — модель будет двигать камеру, просите вы об этом или нет, так что просите. «Медленный наезд». «Статичный общий план». «Съёмка с рук, следуя за героем».
- Стиль — «снято на 35 мм, малая глубина резкости», «аниме с cel-шейдингом», «зернистая документалистика».
Вместе: «Женщина в жёлтом плаще идёт к камере под неоновым дождём, медленный наезд, снято на 35 мм с малой глубиной резкости.» Это читается как раскадровка, потому что раскадровка и есть.
Длительность, формат и качество
Важны три настройки, и они связаны со стоимостью: более длинные и качественные ролики тратят больше вашего запаса токенов, поэтому стоит выбирать осознанно, а не выкручивать всё на максимум по умолчанию.
| Настройка | Что выбрать | Почему |
|---|---|---|
| Длительность | 5-8 с для большинства задач; 15 с только когда этого требует движение | Длинные ролики сильнее расползаются. Плотный шестисекундный план лучше блуждающих пятнадцати. |
| Соотношение сторон | 9:16 для Reels, TikTok и Shorts; 16:9 для всего горизонтального | Генерируйте в том формате, в котором опубликуете: кадрирование потом отбрасывает разрешение и перестраивает кадр за вас, причём плохо. |
| Качество | Низкий уровень, пока подбираете описание; повышайте для финального варианта | Запуски тратятся именно на поиск описания. Не тратьте их на максимальном качестве. |
Из изображения в видео: недооценённый путь
Старт с фотографии снимает самую трудную часть работы: модели больше не нужно придумывать, как всё выглядит, — только как оно движется. Поэтому результаты «изображение в видео» так часто связнее, чем «текст в видео» из той же идеи.
Правило, решающее успех: неподвижный кадр должен подсказывать одно правдоподобное движение. Портрет с распущенными волосами подсказывает ветер. Чашка кофе подсказывает пар. Припаркованная машина не подсказывает ничего, и модель что-нибудь выдумает. Если вы не можете в пяти словах сказать, что должно двигаться, возьмите другую фотографию.
В чём она по-настоящему плоха
Конкретика по ограничениям полезнее списка возможностей:
- Текст в кадре. Вывески, логотипы и надписи возвращаются убедительно выглядящей абракадаброй. Добавляйте текст потом, в редакторе.
- Руки в тонкой работе. Печатать, играть на инструменте, обращаться с мелкими предметами — по-прежнему классический провал.
- Единство персонажа между роликами. Две генерации «одного и того же» человека не совпадут. Планируйте планы, не требующие непрерывности, или для обоих используйте «изображение в видео» из одного кадра.
- Счёт. «Три собаки» часто дают двух или четырёх. Скажите «собака», если число менее важно, чем кадр.
Порядок, который тратит меньше запусков
- Напишите описание из четырёх частей. Перечитайте и удалите второй глагол.
- Сгенерируйте один раз на низком качестве и короткой длительности.
- Если получилось на 80 % — перегенерируйте то же описание: один только разброс часто всё исправляет.
- Если ошибка конкретная, измените ровно одну часть описания. Изменить три — не узнать ничего.
- Когда кадр устраивает, перезапустите на том качестве и длине, которые вам действительно нужны.
Полная пошаговая версия, включая расположение кнопок, — в нашем разборе видео на iPhone. О том, как Grok сравнивается с GPT-5 во всём, кроме видео, — в тексте Grok 4 против GPT-5.
Частые вопросы
Какой длины может быть видео?
До 15 секунд — это потолок в выборе длительности. С ростом длины связность падает, поэтому современные модели ставят ограничение.
Может ли оживить готовую фотографию?
Да, режимом «изображение в видео». Лучше всего, когда кадр подсказывает правдоподобное движение.
Почему результат не такой, как в описании?
Реальный разброс между запусками. Примерно правильно — перегенерируйте, прежде чем переписывать. Совсем не то — описание требует нескольких вещей сразу.
Нужно ли отдельное приложение?
Нет. GO AI Chat запускает видео через Grok там же, где чат, изображения и голос; результат уходит в галерею.