Grok怎么把图片变成视频？输入比例、动作提示与首帧验收

想把一张产品静物图做成几秒钟轻微运动的视频，最重要的是保持主体、构图和画幅。图片转视频与纯文字生视频不同：输入图像已经决定许多视觉条件。本文用一张自己有权使用的练习静物图，说明请求参数与成片检查，不声称示例已经生成实测视频。

第一步：先确定输入构图与图片来源

官方支持公开图片URL、base64数据URI或Files API的file_id。公开URL必须是API服务能够访问的图片地址，不是本机路径，也不能是需要个人浏览器登录的分享页面。涉及私人图片时使用合适的受控上传方式，不为方便调用而公开敏感图片。

先把图片裁成目标构图并保留原件。官方明确图片转视频的输出比例跟随输入图片，aspect_ratio参数会被忽略。因此想要竖屏成品，应先准备合适竖图，不能上传横图后仅靠9:16参数保证竖屏。主体边缘要留出运动空间。

第二步：只写一个清楚的运动目标

固定机位，一只白色陶瓷杯放在木桌上，杯中蒸汽缓慢上升。保持杯子形状、位置、图案和桌面不变，不新增文字、人物或第二只杯子。运动平缓，不切镜头，不突然变焦。

将描述替换成图片真实主体。提示写清动什么、不动什么，避免同时旋转产品、移动镜头、更换背景和改变光线，导致无法判断哪项要求失败。文字和标志容易变形，重要品牌元素需要逐帧核对，不能凭缩略图就认为完全一致。

第三步：提交一条图片转视频请求

import os
import requests

image_url = os.environ["DEMO_IMAGE_URL"]
headers = {"Authorization": "Bearer " + os.environ["XAI_API_KEY"]}
r = requests.post(
    "https://api.x.ai/v1/videos/generations",
    headers=headers, timeout=60,
    json={
        "model": "grok-imagine-video-1.5",
        "image": {"url": image_url},
        "prompt": "固定机位，杯中蒸汽缓慢上升，保持主体和构图，不新增物体。",
        "duration": 5,
        "resolution": "720p"
    },
)
r.raise_for_status()
request_id = r.json()["request_id"]
print(request_id)

DEMO_IMAGE_URL由自己设置为有权使用的真实图片地址，代码不含虚构已成功的任务编号。API需要相应开发者访问权限和额度，第三方聊天会员不代表包含这项视频接口。先做单次短片练习，不用无界循环重复提交付费任务。

第四步：保存任务编号并取回成片

提交成功只表示收到request_id，不是视频已完成。保留编号，再按已有视频轮询教程查询GET /v1/videos/{request_id}：pending继续等待，done取video.url，failed记录失败。网络超时不等于任务不存在，不应立即重新POST制造重复。轮询应设置有限等待与间隔。

本例只带image与prompt，属于图片转视频。若再加入last_frame、keyframes或reference_images，在支持模型上会成为其他参考视频流程，不能把它们当成无影响的额外装饰参数。首次练习不要混入尚未验证的复杂组合。

第五步：检查首帧、运动与成片属性

下载后先用播放器核对时长、实际分辨率与画幅，再看开头、中段和结尾。重点检查主体数量、边缘、图案和背景是否一致，蒸汽是否自然，以及是否出现突然切镜。生成视频默认可能带音轨，不要假定它一定无声，发布前应试听并按需要编辑。

成片验收：输入图版本；提示词版本；request_id；实际时长与画幅；首帧主体一致性；中段是否变形；结尾是否新增物体；音轨是否适合。发现问题只修改一个运动条件后比较，不把失败片段覆盖为“通过”。

如果运动太大，先减弱动作与镜头变化；若构图不合适，先调整输入图再重新生成。把生成、下载与内容验收分开记录，才能知道问题来自接口状态、图片访问还是画面本身。

官方资料

资料核对日期：2026年11月11日。

• xAI：Image-to-Video
• xAI：Video Generation