Grok Imagine R2v 规格一览
| 输出 | 视频 |
|---|---|
| 输入模式 | reference |
| 时长 | 1 秒 · 2 秒 · 3 秒 · 4 秒 · 5 秒 · 6 秒 · 7 秒 · 8 秒 · 9 秒 · 10 秒 |
| 画质 | 480p · 720p |
| 画面比例 | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 · 2:3 · 3:2 |
| 参考图 | 需要 1 张 |
| 提示词上限 | 3600 字符 |
| 声音 | 同时生成声音 |
探索 Grok Imagine R2v 的无限可能
Grok Imagine R2v 使用方法
- 01
打开工作室
从本页进入时 Grok Imagine R2v 已经选好，表单只会显示这个模型真正支持的设置。
- 02
写提示词或上传图片
输入提示词，或在模型支持时加一张参考图。已保存的角色也可以在这里引用。
- 03
生成并完成
生成在后台进行，结果会进入素材库，可以接着放大、重新构图或延长。
Grok Imagine R2v 常见问题
Grok Imagine R2v 能做什么？
Grok Imagine R2v 是 xAI 的参考生视频模型：上传 1–7 张角色、产品或地点的图片，它会用这些元素生成一个带声音的新场景。适合反复出现的角色、产品场景和视觉概念。在 VerseIn 上生成 1–10 秒、480p 或 720p，支持 7 种画幅。
可以免费试用 Grok Imagine R2v 吗？
可以。VerseIn 新账号注册送 70 积分，Grok Imagine R2v 最短的一条（1 秒、480p）需要 20 积分，付费前就能生成短片。更长的片段更贵。
生成一条 Grok Imagine R2v 视频要多少钱？
价格取决于时长和清晰度。最短的 1 秒 480p 视频需要 20 积分，你所选设置的准确价格会在生成前显示。套餐和积分包见「定价」页面。
参考生视频和图生视频有什么区别？
图生视频是让一张图片动起来，片段从这张图的构图开始。参考生视频把你的图片当作「谁或什么出现」的依据，再围绕它们构建一个新镜头。想让同一个角色或产品出现在新场景里，就用 R2v。
Grok Imagine R2v 和 Grok Video 1.5 比怎么样？
R2v 专门做图片参考，能生成声音，最长 10 秒、720p。Grok Video 1.5 最长 15 秒、最高 1080p，也支持首帧图片或最多 7 张参考图，但在 VerseIn 上是无声视频。需要带声音的参考场景选 R2v，需要更长、更高清的无声片段选 Video 1.5。
R2v 能让同一个人或产品在多条片段里保持一致吗？
参考图有助于保持一致，但不能保证完全连续。每次都用同一小组清晰的图片，写明必须固定的特征，比如脸、服装或标签，不要混用把主体拍得差别很大的图片。
Grok Imagine R2v 的提示词怎么写？
用自然的句子写一个短场景，把主体和动作放在最前面，因为模型按顺序理解提示词。说明每张参考图的用途，然后单独写一行「Sound:」描述对白、音效或环境声，例如「Sound: soft rain and a distant train.」
Grok Imagine R2v 支持哪些生成模式？
Grok Imagine R2v 支持参考图生视频。
Grok Imagine R2v 能生成多长、什么分辨率的内容？
Grok Imagine R2v 可生成时长为 1、2、3、4、5、6、7、8、9、10 秒的视频。输出分辨率：480p、720p。支持的画面比例：16:9、9:16、1:1、4:3、3:4、2:3、3:2。
使用 Grok Imagine R2v 需要提供什么输入？
Grok Imagine R2v 需要一张参考图才能开始。支持的图片比例：16:9、9:16、1:1、4:3、3:4、2:3、3:2。提示词最多 3,600 个字符。
Grok Imagine R2v 由谁开发？
Grok Imagine R2v 由 xAI 开发，可在 VerseIn 使用。
Grok Imagine R2v 生成的视频有声音吗？
有。Grok Imagine R2v 生成的视频带音频。