Grok Imagine Prompting Guide
Von deiner ersten Generierung bis zu längeren Geschichten mit mehreren Szenen: Prompt-Aufbau, Kamerasprache, kreative Workflows und direkt kopierbare Vorlagen für Grok Imagine.
Basierend auf dem Offizieller Grok Imagine Guide von @XCreators.
Grok Imagine verwandelt Text und Bilder in hochwertige Bilder und Videos. Du beschreibst, was du willst, wählst deine Einstellungen, klickst auf Generieren und bekommst einen Clip oder ein Bild, das du direkt einsetzen kannst. Der Grok Imagine Prompting Guide führt dich durch jeden Schritt: deine erste Generierung einrichten, Prompts für starke Ergebnisse schreiben, Clips zu längeren Sequenzen erweitern und einen wiederholbaren Workflow aufbauen.
Prompt-Formel: Motiv + Stil/Stimmung + Licht + Kamerawinkel + finale Details
Beschreibe dein Motiv und generiere ein Bild. Grok Imagine liefert lebendige, hochwertige Ergebnisse mit natürlich formulierten Prompts. Ganz ohne Keyword-Stapeln.
Beschreibe eine Szene und generiere direkt einen Videoclip. Schreib so, als würdest du die Szene einem Freund beschreiben: Was passiert, wie sieht sie aus, wie bewegt sich die Kamera? Funktioniert am besten, wenn du die Szene schon klar vor Augen hast.
Starte mit einem beliebigen Bild und animiere es zu einem kurzen Clip. Wechsle zum Modell Grok Imagine 1.5, um im selben Durchlauf auch passenden Ton zu generieren. Mehr dazu unten im Abschnitt zu 1.5 Audio. Du kannst ein generiertes Bild verwenden oder ein eigenes hochladen. Da du das Ausgangsbild bereits kennst, ist das Ergebnis besser vorhersehbar.
Profi-Tipp: Der Workflow in zwei Schritten
Generiere zuerst ein Bild mit einem detaillierten Prompt. Prüfe das Ergebnis. Stimmen Komposition, Licht und Motiv? Dann animiere es mit einem kurzen Bewegungs-Prompt. Konzentriere dich im Video-Prompt auf Bewegung, Kamera und Stimmung. Das Modell kennt den visuellen Kontext bereits.
Bild-Prompt
Zwei Otter in aquamarinblauem Wasser, von oben gesehen, mit Vintage-Filmlook.
Video-Prompt
Ruhige, organische Bewegung, das Motiv bleibt still, die Kamera fährt langsam zurück. Otter treiben leicht im Wasser, überwiegend ruhig.
Lade bis zu 7 Referenzbilder als visuelle Grundlage oder Stilvorlage hoch. Grok kombiniert deine Referenzen mit deinem Text-Prompt. So entstehen Ergebnisse, die zu einem bestimmten Look, Markenstil, einer Farbpalette oder Bildstimmung passen.
Wähle passend dazu, wo du das Ergebnis posten oder einsetzen willst.
Wähle 1 bis 15 Sekunden für deinen Clip. Kürzere Clips werden schneller generiert und kosten weniger Credits. Mit Extend Video verbindest du Clips zu längeren Sequenzen.
480p für schnelle Entwürfe und Iterationen. 720p for polished, share-ready output.
Die Qualität deines Ergebnisses beginnt beim Prompt. Konkrete Prompts geben dem Modell klare Ankerpunkte. Mach aber nicht zu starre Vorgaben, damit Raum für Kreativität bleibt.
Vage
„eine Stadt bei Nacht“
Konkret
„futuristische Straße in Tokio um 2 Uhr nachts, regennasser Asphalt, Neonreflexionen, Weitwinkelaufnahme aus der Froschperspektive, filmischer Nebel, Blade Runner-Stimmung“
Alle Bilder unten wurden mit Grok Imagine auf PixelDojo generiert. Kopiere einen Prompt als Ausgangspunkt und ändere dann bei jedem Durchlauf genau eine Variable.
Motiv + Stil + Licht + Kamerawinkel
Jedes Detail schafft Klarheit. Ort, Zeit, Licht, Kameraposition und eine Referenz für die Stimmung geben dem Modell konkrete Anhaltspunkte.
Klares Motiv vor definiertem Hintergrund
Ein klares Motiv vor einem definierten Hintergrund schlägt eine überladene, vollgepackte Szene. Im Zweifel: vereinfachen.
Benenne das Licht für volle Kontrolle
„Gegenlicht zur goldenen Stunde“, „diffuses Licht bei bedecktem Himmel“ und „hartes Kantenlicht von links“ liefern völlig unterschiedliche Ergebnisse. Licht ist ein Detail mit großer Wirkung.
Klare Komposition für Werbeinhalte
Produktaufnahmen gelingen am besten mit klaren Angaben zu Lichtrichtung, Oberflächenmaterialien und Hintergrund.
Videos, generiert mit Grok Imagine auf PixelDojo. Achte darauf, wie Text-zu-Video-Prompts die ganze Szene beschreiben, während Bild-zu-Video-Prompts kurz bleiben und sich auf Bewegung konzentrieren.
Welten erschaffen mit Text-zu-Video
Video-Prompt
Für filmische Ergebnisse bei Text-to-Video: Beschreibe Kamerabewegung, Lichtverhältnisse und Umgebungsgeräusche.
Dynamische Bewegung, filmische Kamera
Video-Prompt
Benenne die Kamerabewegung konkret: „Tracking-Shot aus der Untersicht“ bestimmt direkt, wie die Szene animiert wird.
Bild-zu-Video mit dezenter Bewegung
Bild-Prompt
Bewegungs-Prompt fürs Video
Halte Prompts für Image-to-Video kurz. Das Modell kennt den visuellen Kontext bereits. Beschreibe nur, was sich bewegen soll und wie.
Atmosphärisches Image-to-Video
Bild-Prompt
Bewegungs-Prompt fürs Video
Prompts mit minimaler Bewegung schaffen atmosphärische Szenen. Lass die Szene atmen, statt Action zu erzwingen.
Grok Imagine 1.5 ist ein Image-to-Video-Modell, das Ton und Bild in einem Durchgang generiert: Hintergrundmusik, Soundeffekte, Umgebungsgeräusche und sogar kurze gesprochene Sätze, alles synchron zum Geschehen im Bild. Wechsle in Grok Imagine Video zu image-to-video Modus, wähle Grok Imagine 1.5 in der Modellauswahl und füge ein Bild hinzu. Die Laufzeit beträgt 1-15 Sekunden bei 480p oder 720p für 2,5 Credits pro Sekunde.
Drei Clips, generiert mit Grok Imagine 1.5 auf PixelDojo. Jeder animiert eines der Bilder aus diesem Guide und bringt seinen eigenen synchronisierten Ton mit. Drück auf Play und schalte den Ton ein.
Animiere ein Porträt mit Atem, Wind und anschwellender Musik
Verwandle ein Produktfoto in einen gemütlichen Moment voller Klang
Erwecke eine Stadtstraße mit Regen, Brummen und Synth-Sounds zum Leben
Das Modell sieht dein Foto bereits. Nutze den Prompt für das, was sich ändern soll: die Handlung, die Kamerabewegung, die Atmosphäre. Beschreibe nicht noch einmal, was schon im Bild zu sehen ist.
Wenn auf dem Foto ein Mann zu sehen ist, schreib nicht „eine Frau tanzt“. Stimme den Prompt auf das ab, was tatsächlich im Bild ist, und benenne das Motiv eindeutig: „der alte Mann mit Brille“, „die Frau in der roten Jacke“.
Ein Standbild kann keine Geschwindigkeit vermitteln. „Ein Auto fährt vorbei“ ist vage. „Ein Auto rast mit hohem Tempo vorbei“ gibt dem Modell einen klaren Ansatz. Dreh die Intensität etwas hoch, damit das Ergebnis deiner Vorstellung entspricht.
Grok Imagine 1.5 ignoriert sie. Statt aufzulisten, was du nicht willst, beschreibe, was du sehen und hören willst.
Beschreibe den Sound direkt im Prompt und das Modell greift ihn auf. Kombiniere diese Vorgaben:
Hintergrundmusik
"with upbeat electronic music" · "dramatic orchestral score"
Soundeffekte
"footsteps on gravel" · "wind howling" · "engine revving"
Umgebungsgeräusche
"quiet café ambience" · "forest sounds with birdsong"
Kurzer Dialog
a quiet whisper: "We made it." · urgent shout: "Stop him!"
Für präzise Steuerung ergänze einen AUDIO: Zeile am Ende deines Prompts. Alles davor beschreibt Bewegung und Stimmung, alles danach genau das, was zu hören sein soll.
Eine einzelne Generierung liefert dir einen kurzen Clip. Mit Grok Imagines Video verlängern Mit dieser Funktion gehst du noch weiter: Wähle einen beliebigen Frame als Startpunkt für eine Verlängerung. Das Modell führt Bewegung, Figurenpositionen, Licht und Audio fort. Jede Verlängerung fügt weitere Sekunden hinzu und du kannst sie immer weiter aneinanderreihen.
Prompt-Tipp zum Verlängern
Schreibe einen Fortsetzungs-Prompt, der beschreibt, was als Nächstes passiert next in der Szene, keine komplette Neubeschreibung. Das Modell weiß schon, wie die Szene aussieht. Sag ihm einfach, wohin es gehen soll.
Zu viel
„Eine Frau in einem roten Kleid sitzt nachts an einem regennassen Caféfenster mit Neonreflexionen. Sie steht auf und geht zur Tür.“
Besser
„Sie steht langsam auf, greift nach ihrem Mantel und geht zur Tür. Die Kamera folgt ihr.“
Ein klares Motiv vor einem definierten Hintergrund schlägt eine überladene, vollgepackte Szene. Im Zweifel: vereinfachen.
Weitere Einstellungen und langsamere Bewegungen liefern die saubersten Ergebnisse, wenn Menschen im Bild sind. Zieh die Kamera zurück und gib der Bewegung Raum.
„Blade Runner-Stimmung“ oder „Studio Ghibli-Flair“ geben dem Modell eine starke visuelle Vorlage. Einzelne Adjektive wie „dunkel“ oder „weich“ lassen zu viel offen.
„Gegenlicht zur goldenen Stunde“, „diffuses Licht bei bedecktem Himmel“ und „hartes Kantenlicht von links“ liefern völlig unterschiedliche Ergebnisse. Mit konkreten Lichtangaben steuerst du den Look entscheidend.
„Langsame Kamerafahrt nach vorn“, „Schwenk nach rechts“, „statische Totale“ bestimmen direkt, wie die Szene animiert wird. Ohne diese Angaben überlässt du eine der wichtigsten kreativen Entscheidungen dem Zufall.
Wenn du ein vorhandenes Bild animierst, kennt das Modell den visuellen Kontext bereits. Dein Prompt muss nur beschreiben, was sich wie bewegen soll.
Die Ergebnisse variieren von Durchlauf zu Durchlauf, selbst mit demselben Prompt. Wenn die erste Generierung nicht sitzt, probiere es noch einmal, bevor du den Prompt umschreibst. Der zweite oder dritte Versuch trifft es oft.
Die Ergebnisse variieren von Durchlauf zu Durchlauf. Wenn ein Ergebnis sitzt, speichere den exakten Prompt. So kannst du darauf aufbauen und von einer bewährten Basis aus weiterarbeiten.
Filmische Landschaften und Umgebungen voller Atmosphäre.
Dynamische Bewegung mit präzisen Kameraangaben.
Animiere Produktbilder für hochwertige Werbeinhalte.
Erwecke Porträts mit dezenten, natürlichen Bewegungen zum Leben.
Atmosphärische Szenen mit minimaler, gezielter Bewegung.
Bild-zu-Video mit dem Modell 1.5: Beschreibe zuerst die Bewegung, dann den Sound in einer AUDIO:-Zeile.
Referenzen geben die kreative Richtung vor, sie sind keine Startbilder: Grok greift ihre Motive, ihren Stil und ihre Komposition auf und schafft daraus etwas Neues. xAI empfiehlt, die Handlung an den Anfang zu stellen. Beschreibe also zuerst, was passiert, und danach die Rolle der Referenzen.
Baue eine bestimmte Bildkomposition nach: Nutze das Storyboard-Einzelbild oder den Layout-Frame als erste Referenz und ordne die Motivreferenzen dahinter an. So steuert Film Studio von PixelDojo Grok.