Guía de prompts para Grok Imagine
Desde tu primera generación hasta historias con múltiples escenas y mayor duración: estructura de prompts, lenguaje de cámara, flujos creativos y plantillas listas para copiar en Grok Imagine.
Adaptado de la Guía oficial de Grok Imagine de @XCreators.
Esta guía de prompts para Grok Imagine te enseña a transformar texto e imágenes en imágenes y vídeos de alta calidad. Describe lo que quieres, elige los ajustes y pulsa generar: tendrás un clip o una imagen listos para usar. Aquí tienes todos los pasos: cómo configurar tu primera generación, escribir prompts que den grandes resultados, extender clips para crear secuencias más largas y crear un flujo de trabajo que puedas repetir.
Fórmula del prompt: Sujeto + estilo/ambiente + iluminación + ángulo de cámara + detalles de acabado
Escribe una descripción y genera una imagen. Grok Imagine crea resultados vibrantes y de alta calidad a partir de prompts en lenguaje natural, sin necesidad de acumular palabras clave.
Describe una escena y genera un clip de vídeo directamente. Escribe como si se la contaras a alguien: qué ocurre, qué aspecto tiene y cómo se mueve la cámara. Funciona mejor cuando tienes una escena clara en mente.
Parte de cualquier imagen y anímala para crear un clip corto. Cambia al modelo Grok Imagine 1.5 para generar también audio a juego en la misma generación. Consulta la sección de audio de 1.5 más abajo. Puedes usar una imagen que hayas generado o subir una propia. Como ya conoces el aspecto de la imagen base, el resultado es más predecible.
Consejo pro: flujo en dos pasos
Primero genera una imagen con un prompt detallado. Revísala. Si la composición, la iluminación y el sujeto están como quieres, anímala con un prompt de movimiento breve. Centra el prompt de vídeo en el movimiento, la cámara y la atmósfera: el modelo ya tiene el contexto visual.
Prompt de imagen
Dos nutrias en agua de color aguamarina, vistas desde arriba con una estética de película antigua.
Prompt de vídeo
Movimiento tranquilo y orgánico, el sujeto permanece quieto y la cámara se aleja lentamente. Las nutrias flotan a la deriva con un movimiento leve, en calma casi todo el tiempo.
Sube hasta 7 imágenes de referencia como base visual o referencia de estilo. Grok combina tus referencias con el texto del prompt para crear resultados que encajen con una estética, un estilo de marca, una paleta de colores o un tono visual concretos.
Elige según dónde vayas a publicar o usar el resultado.
Elige entre 1 y 15 segundos para tu clip. Los clips más cortos se generan más rápido y consumen menos créditos. Usa Extender vídeo para encadenar clips en secuencias más largas.
480p para crear borradores rápidos e iterar. 720p for polished, share-ready output.
La calidad del resultado empieza por el prompt. Los prompts concretos dan al modelo puntos de referencia claros, pero evita imponer demasiadas instrucciones para dejar espacio a la creatividad.
Vago
«una ciudad de noche»
Concreto
«calle futurista de Tokio a las 2am, asfalto mojado por la lluvia, reflejos de neón, plano general en contrapicado, niebla cinematográfica, atmósfera de Blade Runner»
Todas las imágenes de abajo se generaron con Grok Imagine en PixelDojo. Copia cualquier prompt como punto de partida y afina el resultado cambiando una sola variable cada vez.
Sujeto + estilo + iluminación + ángulo de cámara
Cada detalle elimina ambigüedad. El lugar, la hora, la iluminación, la posición de la cámara y la referencia de atmósfera le dan al modelo puntos de partida concretos.
Sujeto claro sobre un fondo definido
Un sujeto bien definido sobre un fondo claro siempre funciona mejor que una escena recargada. Si tienes dudas, simplifica.
Define la iluminación y toma el control
«Contraluz de la hora dorada», «luz difusa de cielo nublado» y «luz de contorno dura desde la izquierda» producen resultados completamente distintos. La iluminación marca una gran diferencia.
Composición limpia para uso comercial
Los planos de producto funcionan mejor si defines con precisión la dirección de la luz, los materiales de las superficies y el fondo.
Vídeos generados con Grok Imagine en PixelDojo. Fíjate en cómo los prompts de texto a vídeo describen la escena completa, mientras que los de imagen a vídeo son breves y se centran en el movimiento.
Crea mundos de texto a vídeo
Prompt de vídeo
Para pasar de texto a vídeo, incluye movimientos de cámara, condiciones de luz y descripciones del sonido ambiental para conseguir resultados cinematográficos.
Movimiento dinámico con cámara cinematográfica
Prompt de vídeo
Indica el movimiento de cámara con precisión: «travelling en contrapicado» se refleja directamente en la animación de la escena.
De imagen a vídeo con movimiento sutil
Prompt de imagen
Prompt de movimiento para vídeo
Para pasar de imagen a vídeo, usa prompts cortos: el modelo ya tiene el contexto visual. Solo describe qué debe moverse y cómo.
De imagen a vídeo con atmósfera
Prompt de imagen
Prompt de movimiento para vídeo
Los prompts con movimientos mínimos crean piezas llenas de atmósfera. Deja que la escena respire en lugar de forzar la acción.
Grok Imagine 1.5 es un modelo de imagen a vídeo que genera el sonido a la vez que la imagen: música de fondo, efectos de sonido, ambiente sonoro e incluso frases habladas breves, todo sincronizado con lo que ocurre en pantalla. En Grok Imagine Video, cambia a image-to-video modo, elige Grok Imagine 1.5 en la opción Modelo y añade una imagen. Genera vídeos de 1 a 15 segundos a 480p o 720p por 2,5 créditos por segundo.
Tres clips generados con Grok Imagine 1.5 en PixelDojo. Cada uno anima una de las imágenes de esta guía e incluye su propio audio sincronizado. Dale al play y activa el sonido.
Anima un retrato con respiración, viento y música que gana intensidad
Convierte una foto de producto en un momento acogedor y lleno de sonidos
Da vida a una calle con lluvia, un murmullo de fondo y sintetizadores
El modelo ya ve tu foto. Dedica el prompt a lo que debe cambiar: la acción, el movimiento de cámara, la atmósfera. No vuelvas a describir lo que ya aparece en el encuadre.
Si en la foto hay un hombre, no escribas «una mujer baila». Ajusta el prompt a lo que realmente aparece e identifica bien al sujeto: «el hombre mayor con gafas», «la mujer de la chaqueta roja».
Una imagen fija no transmite velocidad por sí sola. «Un coche pasando» es vago; «un coche pasa a toda velocidad» le da al modelo una indicación concreta. Sube un poco la intensidad para transmitir lo que buscas.
Grok Imagine 1.5 los ignora. En lugar de enumerar lo que no quieres, describe lo que sí quieres ver y oír.
Menciona el sonido directamente en el prompt y el modelo le dará protagonismo. Combina estas indicaciones:
Música de fondo
"with upbeat electronic music" · "dramatic orchestral score"
Efectos de sonido
"footsteps on gravel" · "wind howling" · "engine revving"
Audio ambiental
"quiet café ambience" · "forest sounds with birdsong"
Diálogo breve
a quiet whisper: "We made it." · urgent shout: "Stop him!"
Para un control preciso, añade un AUDIO: línea al final de tu prompt. Todo lo anterior describe el movimiento y el ambiente; todo lo que viene después describe exactamente lo que debe oírse.
Cada generación te da un clip corto. La función de Grok Imagine Extender vídeo te permite ir más allá: elige cualquier fotograma como punto de partida para una extensión. El modelo mantiene la continuidad del movimiento, la posición de los personajes, la iluminación y el audio. Cada extensión añade segundos y puedes seguir encadenándolas.
Consejo para prompts de extensión
Escribe un prompt de continuación que describa lo que sucede next en la escena, no vuelvas a describirla entera. El modelo ya sabe cómo es: solo dile hacia dónde avanzar.
Demasiado
«Una mujer con un vestido rojo sentada junto a la ventana de un café por la noche, con gotas de lluvia en el cristal y reflejos de neón, se levanta y camina hacia la puerta»
Mejor
«Se levanta despacio, toma su abrigo y camina hacia la puerta. La cámara la sigue».
Un sujeto bien definido sobre un fondo claro siempre funciona mejor que una escena recargada. Si tienes dudas, simplifica.
Los planos más abiertos y los movimientos más lentos dan los resultados más limpios cuando hay personas en el encuadre. Aleja la cámara y deja que el movimiento respire.
«Atmósfera de Blade Runner» o «estética de Studio Ghibli» le dan al modelo un amplio repertorio visual del que partir. Adjetivos sueltos como «oscuro» o «suave» dejan demasiado margen a la interpretación.
«Contraluz de la hora dorada», «luz difusa de cielo nublado» y «luz de contorno dura desde la izquierda» producen resultados completamente distintos. Definir la iluminación marca una gran diferencia.
«Travelling lento hacia delante», «paneo a la derecha» y «plano general fijo» determinan directamente cómo se anima la escena. Si no lo defines, dejas al azar una de las decisiones creativas más importantes.
Al animar una imagen existente, el modelo ya tiene el contexto visual. Tu prompt solo necesita describir qué debe moverse y cómo.
Los resultados cambian entre generaciones, incluso con el mismo prompt. Si la primera no funciona, vuelve a intentarlo antes de reescribirlo. El segundo o tercer intento suele dar en el clavo.
Los resultados cambian entre generaciones. Cuando uno funcione, guarda el prompt exacto para seguir desarrollándolo desde una base que ya sabes que funciona.
Paisajes y entornos cinematográficos con atmósfera.
Movimiento dinámico con indicaciones de cámara precisas.
Anima imágenes de producto para crear contenido comercial impecable.
Da vida a tus retratos con movimientos sutiles y naturales.
Escenas con atmósfera y movimientos mínimos, cada uno con intención.
De imagen a vídeo con el modelo 1.5: describe primero el movimiento y después el sonido en una línea AUDIO:.
Las referencias marcan la dirección creativa, no son fotogramas de inicio: Grok toma sus sujetos, estilo y composición para crear algo nuevo. xAI recomienda empezar por la acción, así que abre con lo que sucede y explica después el papel de las referencias.
Recrea una composición concreta: usa la imagen del storyboard o el fotograma con la composición como primera referencia y añade después los sujetos. Así es como Film Studio de PixelDojo trabaja con Grok.