SpaceXAI: Grok Imagine Video

SpaceXAI : Grok Imagine Video est un modèle de génération vidéo de xAI. Il appartient à la catégorie vidéo et est conçu pour transformer des entrées texte et image en courts clips vidéo. Si vous évaluez des modèles pour un pipeline nécessitant du mouvement généré plutôt que du texte ou des images fixes, c'est le genre de modèle à considérer, et il provient du même fournisseur que la famille Grok.

Côté entrée, le modèle accepte du texte et des images. Côté sortie, il produit de la vidéo. Le fournisseur le décrit comme rapide et conditionné par texte, image et référence, ce qui signifie que vous pouvez piloter la génération à partir d'un prompt écrit, d'une image, ou d'une combinaison des deux. Les clips de sortie durent de 1 à 15 secondes à 24 images par seconde, en 480p ou 720p. Sept ratios d'aspect sont disponibles : 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 et 2:3. Une image first_frame peut être fournie, ce qui vous permet d'ancrer l'ouverture du clip sur une image fixe spécifique. Aucune longueur de contexte n'est indiquée pour ce modèle, donc traitez le prompt comme une instruction de génération plutôt que comme un long contexte conversationnel.

Ces capacités indiquent un ensemble d'usages assez spécifique. Les clips verticaux courts en 9:16 conviennent aux formats sociaux, tandis que le 16:9 et les ratios plus larges correspondent à une lecture en paysage. Comme les durées plafonnent à 15 secondes, le modèle est naturellement adapté aux séquences en un seul plan, aux images animées, aux aperçus de produits ou de scènes, et à la visualisation rapide de concepts plutôt qu'à la vidéo narrative longue. Fournir une image first_frame est utile lorsque vous avez besoin d'une continuité avec une illustration existante, un panneau de storyboard ou une photographie, et la variété des ratios d'aspect signifie que le même prompt peut être adapté à différents emplacements sans régénérer depuis zéro.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "x-ai/grok-imagine-video". Les paramètres de requête pris en charge sont logprobs, max_tokens, response_format, seed, temperature, top_logprobs et top_p. Le paramètre seed mérite d'être noté pour le travail vidéo, car il vous donne un moyen de rendre les exécutions reproductibles lorsque vous itérez sur un prompt. Temperature et top_p contrôlent l'échantillonnage, et les paramètres liés aux logprobs vous permettent d'inspecter les probabilités au niveau des tokens là où le point de terminaison les renvoie. Comme l'interface est compatible OpenAI, les clients et SDK existants fonctionnent généralement en changeant seulement l'URL de base et l'identifiant de modèle.

Il y a des limites à garder à l'esprit. Les clips sont plafonnés à 15 secondes et les résolutions à 720p, donc un travail nécessitant une durée plus longue ou une fidélité supérieure aura besoin d'un autre modèle ou d'une étape d'assemblage qui recolle plusieurs générations. La génération audio n'est pas précisée dans les détails disponibles, donc ne supposez pas que la sortie inclut du son. Si votre tâche est du texte, du raisonnement ou du travail sur image fixe plutôt que du mouvement, un modèle de ces catégories conviendra mieux que celui-ci.