Grok Imagine 视频生成完全指南：提示词公式 + 5 个场景模板，一分钟出片

认识 Grok Imagine

Grok Imagine 是 X（原 Twitter）内置的 AI 生成工具，藏在 Grok App（iOS/Android）和网页版 grok.com 的 Imagine 标签页里。之前只能生图，现在加上了视频生成。

它的定位很清楚：快。从输入描述到拿到视频，几秒钟。

不是做电影的工具，是做社交媒体内容的工具。

热点来了，一分钟出一条视觉素材发出去，趁话题还热着。

三条路径生成视频

① 文字直接生成（Text-to-Video）

打一段场景描述，直接出视频。适合脑子里有画面但没有任何素材的情况。

比如你想要一段"雨夜霓虹街道"的氛围视频，直接描述场景就行，不需要先找参考图。

② 图片变视频（Image-to-Video）

先生成一张图（或者上传你手机里的照片），然后让 Grok 把它"动"起来。这是大部分人用得最多的模式。

为什么？因为你已经看到了起始画面长什么样，视频输出更可控。图片满意了，再加动态，确定性高很多。

操作技巧：先用详细提示词生成一张图，检查构图、光线、主体都对了，再点视频图标让它动起来。视频提示词写短一点，因为 Grok 已经有图片作为上下文了，你只需要描述"怎么动"。

Image prompt: Two otters in aquamarine water, viewed from above with a vintage film aesthetic. 图像提示：两条海獭在碧绿色水中，从上方观看，具有复古电影美学。

Video prompt: Calm organic movement, subject is still and pulls out slowly. Otters slightly drifting, mostly calm. 视频提示：平静的有机运动，主体静止并缓慢拉出。海獭轻微漂浮，大部分保持平静。 2 X 上的 CreatorsThe ultimate guide to Grok Imagine videos X (1).mp4.mp4)

③ 参考图生成（Reference-to-Video）

上传最多 7 张参考图片，并将它们用作视频的视觉基础或风格参考。

Grok 将你的参考与文本提示结合，让你得到与特定外观或感觉相匹配的输出，而无需从头开始。

当你希望你的视频与现有的品牌风格、调色板或视觉基调相匹配时，这很有用。

2 X 上的 CreatorsThe ultimate guide to Grok Imagine videos X (2).mp4.mp4)

参数设置速查

生成之前要选三个参数：

提示词公式：5 个要素

Grok Imagine 的视频质量，80% 取决于提示词。官方推荐的结构是：

主体 + 风格/情绪 + 光线 + 镜头角度 + 细节

举个对比：

❌ 模糊：a city at night（夜晚的城市）

✅ 具体：

futuristic Tokyo street at 2am, rain-slicked asphalt, neon reflections, low-angle wide shot, cinematic fog, Blade Runner mood 凌晨两点的未来东京街头，雨后湿滑的柏油路，霓虹灯倒影，低角度广角镜头，电影感雾气，银翼杀手氛围

第二条告诉 Grok 五件事：地点时间、地面质感、光线来源、镜头位置、整体调性。每多一个锚点，生成结果就少一分随机。

五个要素拆解

1. 主体： 画面里最重要的东西是什么。一个人、一只猫、一杯咖啡、一座建筑。主体要明确，别塞太多东西进去。

2. 风格/情绪： 用情绪词或参考作品。"Blade Runner mood""Studio Ghibli feel"比单独一个 "dark" 或 "soft" 有效得多，因为这些词背后是一整套视觉语言。

3. 光线： 高杠杆细节。"golden hour backlight"（黄金时段逆光）、"overcast diffused light"（阴天漫射光）、"hard rim light from the left"（左侧硬轮廓光）生成的视频完全不一样。不指定光线等于把最重要的创意决策交给随机数。

4. 镜头角度和运动： "slow dolly in"（缓慢推进）、"pan right"（右摇）、"static wide"（静态广角）。Grok 能直接执行这些指令。不指定镜头运动，画面怎么动就全靠运气。

5. 细节： 环境音、材质、小动作。"steam rising from the coffee cup"（咖啡杯升起的蒸汽）、"gentle breeze moving her hair"（微风拂过头发）。这些细节让视频从"AI 生成感"变成"有质感"。

让 Grok 帮你写提示词

不知道怎么组织提示词？开一个普通 Grok 聊天，用大白话描述你想要什么画面，让 Grok 帮你转成 Imagine 格式的提示词，然后复制到 Imagine 界面里用。

Grok 知道 Imagine 对什么关键词响应好，结构也帮你搭好了。

进阶玩法：用 Grok Projects 做分镜脚本。把你的故事想法输入进去，Grok 会根据你的描述和之前的指令，一次生成一整套分镜提示词。

Extend Video：把短片段变成长视频

单次生成只有几秒。Grok 的 Extend Video 功能可以续接：选一帧作为起点，模型会延续运动、角色位置、光线和音频，每次续接几秒，可以反复链接。

2 X 上的 CreatorsThe ultimate guide to Grok Imagine videos X.mp4

续接时的提示词写法和第一次不同。不要重新描述整个场景，只说"接下来发生什么"：

❌ 太多：A woman in a red dress sitting at a rain-streaked cafe window at night with neon reflections, she stands up and walks toward the door "一位穿红色裙子的女人坐在夜晚雨痕斑驳的咖啡馆窗边，霓虹灯反射在她身上，她站起来走向门口"

✅ 精简：

She stands up slowly, grabs her coat, and walks toward the door. The camera follows. 她缓缓站起来，拿起外套，走向门口。镜头跟随。

模型已经知道场景长什么样了，你只需要告诉它往哪走。

5 个场景模板（直接复制使用）

模板一：世界观建设（文字直接生成）

aerial drone slowly descending over an ancient stone temple reclaimed by jungle, golden hour shafts of light cutting through the canopy, muted greens and amber, birds scattering from the treetops, epic scale, ambient jungle sounds 航拍无人机缓缓下降，俯瞰一座被丛林吞噬的古老石庙，黄金时段的光线穿透树冠，低饱和的绿色和琥珀色调，鸟群从树梢惊飞，史诗级景观，丛林环境音

适合：短片开场、旅行内容、氛围素材

模板二：动作场景（文字直接生成）

a surfer dropping into a massive wave at golden hour, low-angle tracking shot following the board, water spray catching the light, cinematic slow motion, ocean roar and muffled underwater sounds 冲浪者在黄金时段冲入巨浪，低角度跟踪镜头紧跟冲浪板，水花在光线中飞溅，电影级慢动作，海浪轰鸣和水下闷响

适合：体育内容、动态素材、封面视频

模板三：产品展示（图片变视频）

先生成或上传一张产品白底图，然后用这条提示词：

camera doing a slow 360 orbit, sharp shadow rotating with the light, subtle ambient tone 镜头缓慢 360 度环绕，锐利的阴影随光线旋转，低调的环境音

适合：电商素材、产品发布、社交媒体广告

模板四：人像（图片变视频）

先生成或上传一张人物特写，然后：

wind gently moving their hair, camera slowly pulling back, ambient city sounds, soft film grain 微风轻轻吹动头发，镜头缓慢后拉，城市环境音，柔和的胶片颗粒感

适合：个人品牌、头像动态版、封面素材

模板五：氛围片段（图片变视频）

先生成或上传一张咖啡厅窗边的画面，然后：

barely-there movement, steam rising from the coffee cup, rain streaking down the window, lo-fi ambient soundtrack 几乎静止的画面，咖啡杯升起蒸汽，雨水划过窗户，lo-fi 氛围音乐

适合：背景视频、Vlog 片段、社交媒体氛围帖

从零开始操作指南

1. 打开 Grok App 或 grok.com，点顶部 Imagine 标签

2. 选择生成类型：纯文字生视频，或者先生成一张图再转视频

3. 设置宽高比（根据你要发的平台选）和画质

4. 写提示词，按"主体 + 风格 + 光线 + 镜头 + 细节"的公式来

5. 点 Generate，几秒后拿到视频

6. 不满意？同一条提示词再跑一次。Grok 每次生成的结果都不同，有时候第二三次反而更好

7. 想要更长的片段？点 Extend Video，选一帧作为起点，写续接提示词

8. 满意了可以直接下载，或者一键发到 X

9 条实用技巧

1. 画面保持简洁。一个清晰的主体 + 干净的背景，比塞满细节的复杂场景出片率高得多

a single vendor arranging flowers at a market stall, soft morning light, blurred background 一个花贩在早市摊位上摆弄鲜花，柔和的晨光，虚化背景

2. 拍人用宽镜头、慢动作。特写容易变形，拉远一点、动慢一点，效果最稳

a woman walking through a sunlit courtyard, mid-shot from the waist up, slow steady tracking, gentle breeze 一个女人走过阳光照射的庭院，腰部以上的中景镜头，缓慢平稳的跟踪拍摄，微风

3. 情绪词比形容词好用。"Blade Runner mood" 或 "Studio Ghibli feel" 比单独一个 "dark" 或 "soft" 有效得多，因为这些词背后是一整套视觉语言

4. 必须指定光线。"golden hour backlight"（黄金时段逆光）、"overcast diffused light"（阴天漫射光）、"hard rim light from the left"（左侧硬轮廓光），不同光线出来的视频天差地别

5. 必须指定镜头运动。"slow dolly in"（缓慢推进）、"pan right"（右摇）、"static wide"（静态广角），不指定的话画面怎么动全看运气

6. 图片转视频的提示词要短。Grok 已经有图片上下文了，你只需要描述动态部分，别重新描述整个画面

7. 同一条提示词多跑几次。Grok 每次生成的结果都不同，有时候第二三次反而比第一次好。对 image-to-video 尤其明显，模型对动态的理解每次都有微妙差异

8. 好用的提示词存下来。找到出片率高的写法，记在备忘录里反复用，在这个基础上微调

9. 用 Imagine 自带的精选模板起步。不想从空白提示词开始的话，Imagine 标签页顶部有一排精选模板：Funky Dance、Chibi、3D Animation、Comic Book、80s Anime 等。选一个风格直接用，快速感受 Imagine 能做什么

学完这些你已经掌握了 Grok Imagine 视频生成的核心：三种生成路径、提示词五要素公式、Extend Video 续接技巧，还有 5 个可以直接复制的场景模板。 下一步建议从图片转视频开始试，先生成一张满意的图，再加动态，这是出片率最高的路径。 本文参考：X Creators 官方指南 | 原文链接