Grok Imagine 正式上线 Genvizu:xAI 风格化图像与视频生成模型

什么是 Grok Imagine?

Grok Imagine 是 xAI 内置的图像与视频生成引擎,底层沿用了 xAI 的 Aurora 图像模型血统——据 xAI 介绍,这是一种自回归(autoregressive)模型,训练方式是对图文交错的 token 序列做预测,而非传统扩散模型的去噪流程。xAI 表示,这种架构让 Aurora 系图像在写实细节和真实世界元素(比如 logo、文字、可识别物体)的还原上更有把握,风格上不像部分扩散模型那样偏"磨皮柔化"。

除了静态图,Grok Imagine 还延伸到了视频:xAI 的 Grok Imagine Video 系列可以把一段文字或一张静态图变成短视频,并提供不同的生成"模式"来调整成片的风格倾向——偏稳健写实的 Normal 模式,以及更夸张、更玩味的 Fun 模式,适合追求趣味或风格化效果的场景。社区反馈也提到最新一代视频模型在生成速度上有明显提升,不过具体速度会因供应商和负载而波动。

这里不做过度承诺——xAI 并未公开详细的技术论文,第三方横评也还在持续更新中。各方报道比较一致的看法是:Grok Imagine 定位是一个风格化、生成速度快、深度嵌入聊天场景的生成工具,而不是精细化的图片编辑工具。

Genvizu 上的 Grok Imagine

Genvizu 已经把 Grok Imagine 接入图像和视频两条生成链路,画布 Flow Mode 与简易 Studio 模式下都能用。

图像生成

模式	输出	说明
文生图(标准档)	每次 6 张变体	快速探索多个方向
文生图(质量档)	每次 4 张变体	速度稍慢,细节更精细
图生图	1 张输出	支持 1 张参考图

视频生成

• 支持文生视频与图生视频,图生视频最多可传 7 张参考图
• 分辨率:480p / 720p
• 时长:6 秒 / 10 秒 / 15 秒
• 5 种画幅比例:2:3、3:2、1:1、16:9、9:16

无论是在节点式画布(Flow Mode,可以把一张 Grok Imagine 静态图接进视频节点,或者从同一条提示语分出多个变体分支),还是在更线性的 Studio 视图,这些能力都是通的。最近新增的一项功能是多图变体分页:一次生成多张图片或多段视频时,它们会集中放进同一个节点里,通过翻页来挑选,不会把画布铺满一堆散乱的方框。

用好 Grok Imagine 的两档模式

标准档更适合探索阶段——一次提示语出 6 张变体,方便你横向对比构图、光线和布局,再决定往哪个方向深入。质量档则是拿数量换精度:出图张数少了,但每一张都投入更多算力打磨细节,适合方向已经锁定、只想要一张更干净成品的场景。

视频这边,建议先用较短时长(6 秒)+ 480p 低成本试运动效果和构图,满意之后再用 720p、更长时长重跑一次最终确定的结果——这个"先低成本试错、再高规格定稿"的思路,在 Genvizu 上大多数视频模型都适用。

出图小技巧

• 多描述风格,少堆关键词——Grok Imagine 对场景化的描述(光线、氛围、机位角度)响应更好,而不是简单堆砌标签式关键词。
• 想要连贯运镜就用图生视频——喂入一张你已经满意的静态图(不管是 Grok Imagine 生成的还是其他模型生成的),往往比纯文字生视频的运动更连贯自然。
• 视频生成别忘了参考图——最多支持 7 张,可以把角色、场景、道具都锚定住,而不是指望模型单靠文字去猜。
• 先定画幅比例再生成——9:16 适合短视频/Reels,16:9 适合更宽的电影感构图,1:1 适合信息流帖子;生成之后再改比例意味着要重新跑一次。

定价

Grok Imagine 在 Genvizu 上和平台其他模型一样按积分计费,低至每次几个积分起,具体消耗取决于模式、分辨率和时长——视频比静态图贵,720p/15 秒的组合比 480p/6 秒贵。实际积分消耗在生成面板提交前就能看到,而且价格会随着我们对各模型的调优持续变动,这里就不写死具体数字了。

去 Genvizu 试试

Grok Imagine 现已在 Genvizu Studio 上线——不用注册就能免费浏览画廊找灵感。注册并订阅后即可解锁生成积分,进入画布或 Studio 视图开始创作。如果不知道从哪下笔,可以先去画廊翻翻已有的 Grok Imagine 作品,挑一条顺眼的提示语直接改。