Generieren Sie Videos auf Basis von Referenzbildern mit xAIs Grok Imagine Video-Modell
grok-imagine-r2v
Modell-Slug: xai/grok-imagine-r2v · Ersteller: xAI · Anbieter: Replicate · Kategorien: Bild-zu-Video, Referenz-zu-Video
Übersicht
grok-imagine-r2v ist xAIs Reference-to-Video-Modell (R2V), das originale Videoinhalte generiert – geleitet von einem oder mehreren Referenzbildern in Kombination mit einem Textprompt. Anders als herkömmliche Bild-zu-Video-Modelle, die ein einzelnes Startbild animieren, behandelt R2V Ihre Bilder als kreative Vorgabe: Es extrahiert visuellen Stil, Motive und Komposition, um vollständig neue Bewegungssequenzen zu erzeugen. Dieses Modell wurde speziell für Kreative auf CRAISEE entwickelt, die konsistente Charaktere, übertragbare Ästhetiken oder Videosequenzen mit mehreren Motiven benötigen – ohne an ein einzelnes Quellbild gebunden zu sein.
Wichtigste Funktionen
- Referenzgesteuerte Videogenerierung — Akzeptiert bis zu 7 Referenzbilder gleichzeitig und nutzt diese als Stil- und Inhaltsanker statt als wörtliche erste Frames
- Charakterkonsistenz über Szenen hinweg — Erstellen Sie Videos eines Charakters in einer neuen Umgebung, indem Sie mehrere Referenzfotos aus verschiedenen Perspektiven bereitstellen
- Stilübertragung auf Video — Verwenden Sie Bilder mit einer definierten Ästhetik (Aquarell, Noir, Retro-Film, Cyberpunk) und übertragen Sie diese visuelle Sprache in Bewegung
- Komposition mit mehreren Motiven — Kombinieren Sie Referenzen verschiedener Motive – eine Person, eine Landschaft, ein Produkt – und generieren Sie eine einheitliche Szene, die alles zusammenführt
- Kreatives Remixing — Verbinden Sie Gemälde, Fotografien und Skizzen zu einem einzigen synthetisierten Videoergebnis
- Konfigurierbare Ausgabeparameter — Steuern Sie Auflösung (720p), Seitenverhältnis (16:9 und weitere) sowie Dauer (bis zu 8 Sekunden) entsprechend Ihren Produktionsanforderungen
- Bewegungssteuerung per Textprompt — Nutzen Sie natürliche Sprache, um Aktion, Kamerabewegung und Tempo unabhängig von den visuellen Referenzen zu steuern
Optimale Anwendungsfälle
Wählen Sie grok-imagine-r2v auf CRAISEE, wenn Ihr Projekt eines der folgenden Anforderungen stellt:
Charakterbasierte Inhalte Wenn ein bestimmter Charakter konsistent in mehreren Videoclips erscheinen soll, ist R2V das richtige Werkzeug. Stellen Sie Referenzfotos aus verschiedenen Perspektiven bereit und prompten Sie neue Szenen – das Modell bewahrt die visuelle Identität, ohne frame-genaue Animation zu erfordern.
Marken- und Produktvisualisierung Produktdesigner und Marketingverantwortliche können Produktreferenzbilder zusammen mit Umgebungs- oder Lifestyle-Bildern verwenden, um kontextbezogene Videoinhalte zu generieren. Dies ist deutlich schneller als herkömmliche Compositing-Workflows.
Übertragung künstlerischer Stile Wenn ein Kunde oder ein kreatives Briefing eine bestimmte visuelle Ästhetik verlangt – den Stil eines bestimmten Illustrators, die Farbgebung einer Filmepoche, eine malerische Textur – kann R2V diesen Stil aus Referenzbildern extrahieren und auf Bewegtbild übertragen.
Szenenaufbau aus mehreren Assets Wenn Sie separate visuelle Assets besitzen (einen Hintergrund, einen Charakter, ein Requisit) und diese in einem einzigen Video vereinen möchten, übernimmt R2V die kompositorische Synthese, die sonst manuelle VFX-Arbeit erfordern würde.
Vermeiden Sie dieses Modell, wenn: Sie eine frame-genaue Animation eines bestimmten Bildes benötigen oder wenn Sie fotorealistisches Video aus einer einzelnen Fotografie ohne stilistische Abweichung erfordern – in diesen Fällen liefert ein Standard-Bild-zu-Video-Modell vorhersehbarere Ergebnisse.
Verwendung auf CRAISEE
Folgen Sie diesen Schritten, um Ihr erstes Video mit grok-imagine-r2v auf der CRAISEE-Plattform zu generieren:
-
Zur Modellseite navigieren Suchen Sie in der CRAISEE-Modellbibliothek nach
grok-imagine-r2voder browsen Sie unter der Kategorie Image-to-Video. Klicken Sie auf die Modellkarte, um die Generierungsoberfläche zu öffnen. -
Referenzbilder hochladen Verwenden Sie das Eingabefeld Referenzbilder, um zwischen 1 und 7 Bilder hochzuladen. Sie können Dateien direkt hochladen oder öffentliche Bild-URLs einfügen. Für beste Ergebnisse sollten Ihre Referenzen klar, gut beleuchtet und repräsentativ für den gewünschten Stil oder das gewünschte Motiv sein.
-
Textprompt verfassen Beschreiben Sie im Feld Prompt die Aktion, Bewegung und Szene – nicht das Aussehen Ihrer Motive (das übernehmen Ihre Bilder). Konzentrieren Sie sich auf das Geschehen: Kamerabewegung, Umgebungsbedingungen, Charakteraktionen und Stimmung.
-
Ausgabeparameter konfigurieren Legen Sie Ihre bevorzugte Auflösung (720p für die meisten Anwendungsfälle empfohlen), das Seitenverhältnis (16:9 für Breitbild, anpassbar für Social-Media-Formate) und die Dauer (bis zu 8 Sekunden pro Generierung) fest.
-
Generierung starten Klicken Sie auf Generieren, um Ihre Anfrage einzureichen. Das Modell wird über die Infrastruktur von Replicate verarbeitet. Die Generierungszeit variiert je nach Warteschlangenlast und Ausgabelänge.
-
Ergebnis prüfen und iterieren Sehen Sie sich Ihre Ausgabe direkt in CRAISEE an. Wenn das Ergebnis nicht Ihrer Vorstellung entspricht, verfeinern Sie Ihren Prompt mit spezifischeren Angaben zu Bewegung und Aktion, oder passen Sie Ihre Referenzbilder an, um den gewünschten Stil oder das gewünschte Motiv besser zu isolieren.
-
Video exportieren Laden Sie die fertige Videodatei aus dem CRAISEE-Ausgabebereich herunter. Dateien sind in gängigen Videoformaten verfügbar, die sich direkt für Schnittzeitlinien oder die Veröffentlichung in sozialen Medien eignen.
Eingabeparameter
| Parameter | Typ | Beschreibung |
|---|---|---|
reference_images | Array (Bild-URLs oder Dateien) | Bis zu 7 Bilder als Stil- und Inhaltsreferenzen. Das Modell extrahiert visuelle Merkmale aus allen bereitgestellten Bildern. |
prompt | String | Textbeschreibung, die Aktion, Bewegung, Kameraverhalten und Szenenkontext des generierten Videos steuert. |
duration | Integer | Länge des generierten Videos in Sekunden. Die maximal unterstützte Dauer beträgt 8 Sekunden. |
aspect_ratio | String | Seitenverhältnis des Ausgabevideos. 16:9 ist Standard-Breitbild; weitere Verhältnisse können für vertikale oder quadratische Formate verfügbar sein. |
resolution | String | Auflösung des Ausgabevideos. 720p ist die standardmäßig unterstützte Auflösung für dieses Modell. |
Hinweis: Der Parameter reference_images ist die zentrale Eingabe dieses Modells. Hochwertige, thematisch relevante Referenzbilder haben einen direkten und erheblichen Einfluss auf Ausgabequalität und Konsistenz.
Tipps & Best Practices
1. Stilreferenzen von Motivreferenzen trennen Das Modell erzielt die besten Ergebnisse, wenn Ihre Referenzbilder einen klaren Zweck haben. Wenn Sie einen bestimmten Kunststil wünschen, fügen Sie 2–3 Bilder hinzu, die ausschließlich diesen Stil demonstrieren. Wenn Sie einen bestimmten Charakter möchten, fügen Sie 2–3 Bilder dieses Charakters aus verschiedenen Perspektiven hinzu. Werden alle 7 Bilder ohne klare Absicht für verschiedene Zwecke gemischt, kann dies den Fokus des Modells verwässern.
2. Bewegungsorientierte Prompts verfassen Da Ihre Referenzbilder bereits das visuelle Erscheinungsbild definieren, sollte Ihr Prompt ausschließlich beschreiben, was passiert. Formulierungen wie *„langsamer kinematischer Schwenk über



