Grok Imagine Video 1.5 完整指南：提示词与功能

原生同步音频

音频与视频在同一次生成中一起产出：带口型同步的对白、音效、环境背景音和音乐。你在同一条提示词里描述声音与动作，不需要单独做一步音频。

让静态图动起来

你提供的图片会被用作首帧，模型从这里向外生成动态。原始的光线、色彩和细节会被保留而不是重新生成，适合给照片、产品图或成品画作做动画。

视频续接

已有片段可以从它的最后一帧继续生成更长的镜头，保持相同的主体、光线和动态。重复这一步可以从一个起始片段搭出多段序列。

参考图引导生成

参考图引导风格与角色，但不固定首帧。模型会把这种风格带入新的镜头，让角色或视觉风格在不同生成之间保持一致。

出色的提示词还原与运镜控制

模型能跟随细致的指令，包括景别、具体的运镜方式（比如推轨或摇镜），以及动作发生的时间点。这让计划好的镜头更容易被稳定复现。

模型偏爱强有力的起始帧和清晰、以动态为核心的简报。以下几条习惯能带来大部分品质：

• 从静态图开始。先生成或上传一张 16:9 的图片，再让它动起来。一张好的首帧是影响结果最大的单一因素。
• 让动态提示词保持简短具体。只写清动作和一个运镜，构图和风格交给图片来承担。
• 始终写清音频。用平实的语言说明对白、音效、环境音或音乐，这样模型才会为动作生成配套的声音，而不是一段无声片段。
• 一个镜头一个动作。把单个节拍压缩进几秒钟，更长的序列用视频续接来实现。
• 拍摄说话的角色时，用正面人像构图并让嘴部入镜，台词保持简短以获得干净的口型同步。
• 当外观或角色需要在多个片段间保持稳定时，使用参考图。

好的提示词读起来像一份简短的镜头简报，而不是一句配文。决定结果的有两点：清楚列出镜头里包含什么，以及用具体的措辞而非含糊的措辞。

提示词里要写什么

弱提示词 vs 强提示词

指定镜头、动作及其节奏，以及音频，而不是交给运气。

需要了解的设置

常见错误

• 让提示词保持沉默：请至少写出一个声音提示。
• 镜头含糊：「电影感」对模型毫无意义，请指定景别和运动。
• 一个镜头塞太多：每个镜头保持一个动作，再用续接来实现更长的序列。