xAI Grok Imagine 视频（中文）

官方依据

• xAI Video Generation: https://docs.x.ai/developers/model-capabilities/video/generation
• xAI Image-to-Video: https://docs.x.ai/developers/model-capabilities/video/image-to-video
• xAI Reference-to-Video: https://docs.x.ai/developers/model-capabilities/video/reference-to-video
• xAI Imagine Overview: https://docs.x.ai/developers/model-capabilities/imagine
• APIMart Grok Imagine 1.5: https://docs.apib.ai/cn/api-reference/videos/grok-imagine/generation

本工作流通过 APIMart 调用 Grok Imagine 1.5。无输入时为文生视频；连接图片时，UnlimitCanvas 会先把本地图上传到 APIMart，再按 input1 至 input5 的顺序写入 image_urls 参考图 URL 列表。编写提示词前必须读取节点实际输入。

APIMart 文档说明 image_urls 最多 7 张、必须是公网 URL、不支持 base64。当前 UnlimitCanvas 节点开放 5 个输入口，并负责上传图片和按顺序传 URL。

通用输出要求

• 只输出一条最终可执行的自然语言视频提示词，不附加解释或参数命令。
• 提示词必须包含动态信息，不能只描述静态画面。
• 使用可见的动作、镜头运动和时间顺序，避免“更生动”“高级感”等无法执行的模糊表达。
• 比例、时长和清晰度由节点参数控制，不写 --ar 或其他模型语法。

视频提示词核心结构

[主体和场景]。[起始状态]。[主体动作及时间顺序]。[镜头运动、景别和视角]。[环境运动与物理效果]。[光线、色彩和风格]。[结尾状态]。[需要保持的连续性约束]。

优先说明：

1. 主体是谁或是什么，以及初始位置和状态。
2. 主体具体怎样移动、转身、行走、交互或变化。
3. 动作发生顺序，可使用“开始时、随后、最后”等时间词。
4. 镜头是固定、推进、拉远、平移、跟随、环绕还是手持。
5. 风、雨、水、烟、头发、衣物、灯光等环境元素如何运动。
6. 哪些人物身份、服装、产品设计、背景或构图需要保持一致。

文生视频：没有输入图像

完整描述起始画面和动态过程：

[主体]位于[场景]，[初始状态]。开始时[第一个动作]，随后[第二个动作或互动]，最后[结束状态]。镜头采用[景别和运动方式]，[环境元素的运动]。[光线、色彩、媒介和氛围]。整个镜头保持[身份、服装、结构或风格连续性]。

不要只写“一个人在海边，电影感”；应明确人物动作、海浪和衣物变化、镜头移动及结束画面。

单参考图视频：只有一张输入图像

APIMart 通过 image_urls 传入参考图。单图任务可以把图像描述为主要视觉参考或起始画面参考，但不要承诺逐像素锁定第一帧：

以 <IMAGE_1> 作为主要参考图。保持其中的[人物身份、产品设计、场景布局和关键外观]。开始时[轻微自然动作]，随后[主要动作]。镜头[运动方式]，[环境元素如何响应]。动作连续自然，避免无关主体或场景变化，最后停留在[结束状态]。

要点：

• 不必无意义地重述整张输入图，重点写动画和保留项。
• 人像应说明眨眼、呼吸、头发、衣物和身体动作，避免所有区域同时剧烈变化。
• 产品动画应保持 Logo、结构、文字和材质一致。
• 镜头运动与主体动作应适合所设时长，短视频不要塞入过多事件。

多参考图视频：两至五张输入图像

APIMart 使用 image_urls 参考图列表引导视频中的人物、物体、服装、场景或其他视觉元素，不把任意一张图锁定为第一帧。提示词使用 <IMAGE_1>、<IMAGE_2> 编号引用对应输入口。

创建一个[场景和视频类型]。使用 <IMAGE_1> 中的[人物/主体]，保持其[身份和关键特征]；让其穿着或使用 <IMAGE_2> 中的[服装/产品]；使用 <IMAGE_3> 中的[场景/风格/物体]。[继续说明其余参考图角色]。开始时[动作一]，随后[动作二]，最后[结束动作]。镜头[运动方式]。统一各元素的比例、透视、光线、阴影、色温和材质，并保持整个视频中的人物与产品一致性。

规则：

1. input1 对应 <IMAGE_1>，依次类推，不能交换。
2. 每张参考图都要说明提供什么，例如人物、服装、产品、背景或风格。
3. 不要只写“融合这些图生成视频”。
4. 多人物任务要明确每个人来自哪张图、位于哪里、做什么动作。
5. 参考图是视觉引导，不应声称输出第一帧一定等于某张参考图。
6. APIMart 文档写明 duration 支持 6 至 30 秒；动作数量应匹配用户在节点里选择的时长。

镜头和运动词汇

• 固定镜头：镜头不移动，主体在画面内运动。
• 推进/拉远：镜头缓慢靠近或远离主体。
• 平移：镜头水平移动揭示场景。
• 跟随：镜头伴随主体移动并保持主体位置稳定。
• 环绕：镜头围绕主体改变角度。
• 手持：轻微自然晃动，应说明克制程度。
• 慢动作：适合强调单一动作，不要同时安排过多事件。
• 延时摄影：适合云层、星空、光影或人流的时间变化。

最终自检

• 是否按有效输入数量选择了正确模式？
• 是否明确了主体动作、镜头运动和时间顺序？
• 单图模式是否说明从第一帧开始如何变化？
• 多图模式是否使用 <IMAGE_n> 并说明每张图的角色？
• 是否写明需要保持一致的人物、服装、产品或场景特征？
• 动作数量是否适合节点选择的时长？