迷你房间的门
一面墙上的门依次打开，露出有人生活的微型房间。用短句安排一个不断展开的场景。
Grok 视频生成：文字或照片变视频
Grok 视频生成支持文字和照片两种起点，画面和声音一起生成。描述一个场景，或上传照片说明动作，再选择模型、片长、分辨率和比例。Grok Imagine 提供标准、趣味两种模式，适合尝试日常镜头或夸张的小创意。
需要灵感吗？
示例
A couple of doors open to the right one by one randomly and stay open, to show the inside, each is either a living room, or a kitchen, or a bedroom or an office, with little people living inside.
这是参考示例。
文字和照片都能作为起点
Grok 视频生成使用 xAI 的 Grok Imagine 系列模型，能把文字或照片变成带声音的短片。提示词中写明环境声、动作音效和人物台词，模型会同时生成相应声音，不需要另外提交配音任务。
本页可选 Grok Imagine 和 Grok Imagine Video 1.5 Preview。原版支持文字或图片输入，1.5 需要上传图片。先按手头素材选版本，再查看下方对照表；两者都在网页里使用，无需安装应用或填写 API 密钥。
先对比版本和可选设置
切换模型后，以操作区出现的选项为准。
| 项目 | Grok Imagine | Grok Imagine Video 1.5 Preview |
|---|---|---|
| 输入 | 文字，或图片加文字 | 必须上传图片；纯文字会改用原版 |
| 片长 | 6、10、15、30 秒 | 6、10、15 秒 |
| 分辨率 | 480p、720p、1080p | 480p、720p；选择 1080p 也会按 720p 生成 |
| 比例 | 16:9、9:16、1:1、3:2、2:3 | 选 1.5 时比例设置不生效，按默认比例生成 |
| 声音 | 和画面一起生成 | 支持对白，侧重声音和口型同步 |
| 模式 | 标准、趣味 | 单一模式，侧重按提示词生成 |
| 提示词 | 本页最多 4,096 字符 | 本页最多 4,096 字符 |
| 图片上传 | JPG、PNG 或 WebP，最大 10 MB | 本页 JPG、PNG 或 WebP，最大 10 MB |
| 生成后的操作 | 下载生成的视频 | 下载生成的视频 |
本页 1.5 使用第一张上传图作为首帧，比例和声音采用服务默认设置。需要 1080p、首尾帧等设置时，请打开“Grok Imagine 1.5 图生视频生成器”独立页面。
按镜头用途选择模型
不同模型各有侧重，先用自己的场景检查效果。
| 模型 | 侧重点 | 适合尝试 |
|---|---|---|
| Grok Imagine（xAI） | 原生声音、趣味模式 | 社交短片、趣味创意、照片动态 |
| 谷歌 Veo 3.1 | 写实镜头和对白口型 | 广告草稿和电影式镜头 |
| 可灵 Kling 3.0 | 动作、镜头和角色连续性 | 有明确运镜的故事或动画 |
| Seedance 2.0（字节跳动） | 多镜头及图片、视频、音频参考 | 按参考素材安排的视频项目 |
看看声音和画面怎样配合
点卡片会把对应设置填进上方操作区，示例图仅供参考。
在空气中游泳
把卧室空气想象成水，让人物游向床边。用趣味构思测试不现实的动作。
照片里的角色开口说话
插画办公室里的女孩接过咖啡，说完一句感谢的话再离开。台词、动作和场景一起描述。
猫咪魔法师
让穿巫师服的猫在旧图书馆施法，搭配发光效果和魔法声。
动漫烹饪
切菜、炖煮和装盘组成温暖的动漫美食画面，配合滋滋作响的声音。
旅行延时
让背包客从雪山走过盐湖，再来到落日下的草原，尝试连续旅行镜头。
用 Grok 生成视频的步骤
从文字或图片开始，按三步完成。
写提示词或上传照片
描述主体、动作、镜头和声音。Grok 图生视频可上传 JPG、PNG 或 WebP，文字重点写照片里哪些部分要动。
选择模型和输出设置
选择“Grok Imagine”或“Grok Imagine Video 1.5 Preview”，再设置片长和分辨率。需要“标准”或“趣味”模式时选择原版；选 1.5 时请先上传图片。
试听结果再下载
查看积分后提交。视频完成后打开声音，检查动作和对白，再保存或修改提示词重新生成。
文字、照片和趣味动作各有用法
下面按声音、照片起点、模式和片长分别说明。
画面和声音一起生成
脚步、环境声、背景音乐和动作音效可以写在同一段提示词里。生成后试听是否符合画面，不合适时调整声音要求。
以照片确定画面起点
上传照片、插画或商品图，文字说明动作。想让人物说话时，把台词放在引号里；完成后核对构图、人物外观和口型。
标准和趣味模式
标准模式适合较平稳的日常动作；趣味模式偏向夸张表现，可用宠物、幻想角色或小创意试效果。
按版本选择片长
Grok Imagine 支持 6–30 秒、最高 1080p。生成后可下载片段，再用剪辑工具组合多个镜头。
从这些短片用途开始
社交视频
把一个点子或一张照片做成带声音的短片，再放进自己的完整剪辑。
商品展示
用商品照片尝试亮相、转台或日常使用镜头，检查外观是否准确。
插画和角色
让概念画、动漫人物或场景动起来，先看动作和情绪是否合适。
故事分镜
尝试台词、镜头节奏或不现实的场景，作为拍摄前的讨论素材。
Grok 视频提示词要点
主体、动作、镜头和声音分别说清，通常比堆形容词更有用。
先写谁在做什么
例如：猫咪魔法师举起法杖，施展发光的魔法。先让主要动作明确。
说明镜头怎么动
缓慢跟拍、俯拍、特写、手持或延时，不要在同一短片里安排互相冲突的运镜。
写出想听到的声音
例如木柴噼啪声、咖啡馆交谈声，或动作发生时的轻响。
对白加引号
写清谁说话，把具体台词放在引号里，并让句子适合所选片长。
图片模式多写动作
原图已给出外观和画风，文字可用来说明表情、动作和镜头变化。
用光线确定氛围
日落、霓虹夜景或柔和影棚光都能改变观感，选一种主要光线即可。
使用前常见问题
了解版本差别、片长、声音和所需积分。
可以。Grok Imagine 把文字或照片变成短片，同时生成声音。本页提供网页操作区，填写提示词或上传图片即可开始。
有。可以描述环境声、音效和人物台词。Grok Imagine Video 1.5 Preview 侧重对白清晰度和口型同步，结果仍需试听检查。
原版提供 6–30 秒和标准、趣味模式。本页 1.5 只处理图片加文字，提供 6、10、15 秒及 480p、720p，比例设置不生效，也不提供标准、趣味切换。纯文字会改用原版；需要 1080p 或首尾帧可到“Grok Imagine 1.5 图生视频生成器”独立页面。
Grok Imagine 最长 30 秒，1.5 预览版最长 15 秒。本页没有延长入口，想制作更长视频可下载多段后自行剪接。
本页不能。Grok 系列另有图片模型，本页只做视频。可以上传自己已有或生成的图片，再描述希望它怎样动起来。
日常场景或较平稳动作可先选“标准”；想要夸张动作、宠物或幻想角色时可试“趣味”。两种模式仅用于 Grok Imagine。
需要。所需积分取决于实际使用的模型、片长和分辨率，提交前“生成 Grok 视频”按钮上会显示具体数量。注册即送 100 积分；首次购买任意套餐或积分包后，这些积分会解锁并永久有效。
不需要。在网页里填写提示词或上传图片即可，不用编写代码、配置密钥或安装应用。
EzImgMaker 是独立服务，和 xAI 没有关联，也没有获得其背书或赞助。
请使用自己拥有或已获授权的图片。涉及真人时先取得同意，不要制作冒充当事人的误导视频，也不要上传未成年人照片。
先写一个有画面也有声音的场景
从文字或照片开始，选择模型和输出设置，再生成自己的短片。
Grok 和 Grok Imagine 是 xAI 的商标。EzImgMaker 是独立服务，和上述公司没有关联，也没有获得其背书或赞助。