Panduan Prompting Grok Imagine
Dari kreasi pertama sampai cerita panjang dengan banyak adegan: struktur prompt, bahasa kamera, alur kerja kreatif, dan template Grok Imagine yang siap disalin.
Diadaptasi dari Panduan resmi Grok Imagine dari @XCreators.
Panduan Prompting Grok Imagine ini membahas cara mengubah teks dan gambar menjadi gambar serta video berkualitas tinggi. Kamu tinggal mendeskripsikan yang kamu mau, memilih pengaturan, lalu klik buat. Klip atau gambar pun siap dipakai. Panduan ini mengupas setiap langkah: menyiapkan kreasi pertama, menulis prompt dengan hasil yang bagus, memperpanjang klip menjadi rangkaian yang lebih panjang, hingga membangun alur kerja yang bisa kamu ulang.
Rumus prompt: Subjek + gaya/suasana + pencahayaan + sudut kamera + detail akhir
Ketik deskripsi, lalu buat gambar. Grok Imagine menghasilkan visual hidup berkualitas tinggi dari prompt bahasa sehari-hari, tanpa perlu menjejalkan kata kunci.
Deskripsikan adegan dan langsung buat klip video. Tulis seperti kamu sedang menceritakan adegan ke teman: apa yang terjadi, seperti apa tampilannya, dan bagaimana kamera bergerak. Paling efektif kalau adegannya sudah jelas di kepalamu.
Mulai dari gambar apa pun, lalu animasikan menjadi klip pendek. Beralih ke model Grok Imagine 1.5 untuk sekaligus menghasilkan audio yang sesuai dalam proses yang sama. Lihat bagian Audio 1.5 di bawah. Kamu bisa memakai gambar hasil generasi atau mengunggah gambar sendiri. Karena tampilan gambar awal sudah kamu ketahui, hasilnya lebih mudah diprediksi.
Tips Jitu: Alur Kerja Dua Langkah
Buat gambar dulu dengan prompt yang detail. Cek hasilnya. Kalau komposisi, pencahayaan, dan subjeknya sudah pas, animasikan dengan prompt gerakan yang singkat. Fokuskan prompt video pada gerakan, kamera, dan nuansa. Model sudah punya konteks visualnya.
Prompt Gambar
Dua berang-berang di air berwarna akuamarin, dilihat dari atas dengan estetika film vintage.
Prompt Video
Gerakan alami yang tenang, subjek tetap diam dan kamera mundur perlahan. Berang-berang sedikit mengapung bergeser, sebagian besar tetap tenang.
Unggah hingga 7 gambar referensi sebagai dasar visual atau acuan gaya. Grok memadukan referensi dengan prompt teks kamu untuk menghasilkan visual yang sesuai dengan tampilan tertentu, gaya brand, palet warna, atau nuansa visual yang kamu tuju.
Pilih sesuai tempat kamu akan mengunggah atau menggunakan hasilnya.
Pilih durasi 1 hingga 15 detik untuk klip kamu. Klip yang lebih pendek lebih cepat dibuat dan memakai lebih sedikit kredit. Gunakan Extend Video untuk menyambung klip menjadi rangkaian yang lebih panjang.
480p untuk draf cepat dan iterasi. 720p for polished, share-ready output.
Kualitas hasil dimulai dari prompt. Prompt yang spesifik memberi model acuan yang jelas, tapi jangan terlalu mendikte agar tetap ada ruang untuk kreativitas.
Kurang jelas
"kota pada malam hari"
Spesifik
"jalan Tokyo futuristis pukul 2am, aspal basah oleh hujan, pantulan neon, wide shot dari sudut rendah, kabut sinematik, nuansa Blade Runner"
Semua gambar di bawah dibuat dengan Grok Imagine di PixelDojo. Salin prompt mana pun sebagai titik awal, lalu kembangkan dengan mengubah satu variabel setiap kali mencoba.
Subjek + gaya + pencahayaan + sudut kamera
Setiap detail menghilangkan ambiguitas. Lokasi, waktu, pencahayaan, posisi kamera, dan acuan nuansa memberi model pegangan yang konkret.
Subjek jelas dengan latar yang terdefinisi
Subjek yang jelas dengan latar yang terdefinisi selalu lebih efektif daripada adegan ramai dan penuh sesak. Kalau ragu, sederhanakan.
Sebutkan pencahayaan untuk kendali penuh
"Cahaya belakang saat golden hour", "cahaya mendung yang menyebar lembut", dan "cahaya tepi tegas dari kiri" menghasilkan tampilan yang sangat berbeda. Pencahayaan adalah detail berdampak besar.
Komposisi bersih untuk kebutuhan komersial
Visual produk paling maksimal dengan arahan pencahayaan, material permukaan, dan deskripsi latar yang jelas.
Video dibuat dengan Grok Imagine di PixelDojo. Perhatikan bagaimana prompt teks ke video memuat deskripsi adegan lengkap, sementara prompt gambar ke video tetap singkat dan fokus pada gerakan.
Membangun dunia dari teks ke video
Prompt Video
Untuk text-to-video, sertakan gerakan kamera, kondisi pencahayaan, dan deskripsi suara suasana agar hasilnya sinematik.
Gerakan dinamis dengan kamera sinematik
Prompt Video
Sebutkan gerakan kamera dengan jelas. Misalnya, "tracking shot dari sudut rendah" langsung menentukan bagaimana adegan dianimasikan.
Gambar ke video dengan gerakan halus
Prompt Gambar
Prompt Gerakan Video
Untuk image-to-video, buat prompt singkat. Model sudah punya konteks visualnya. Cukup jelaskan apa yang harus bergerak dan bagaimana gerakannya.
Image-to-video penuh atmosfer
Prompt Gambar
Prompt Gerakan Video
Prompt dengan gerakan minimal menghasilkan video yang kuat secara suasana. Beri ruang agar adegan terasa hidup, tanpa memaksakan aksi.
Grok Imagine 1.5 adalah model image-to-video yang menghasilkan suara sekaligus dengan visualnya: musik latar, efek suara, suara suasana, bahkan dialog singkat, semuanya sinkron dengan kejadian di layar. Di Grok Imagine Video, beralih ke image-to-video mode, pilih Grok Imagine 1.5 dari opsi Model, lalu tambahkan gambar. Durasinya 1-15 detik dengan resolusi 480p atau 720p, seharga 2,5 kredit per detik.
Tiga klip dibuat dengan Grok Imagine 1.5 di PixelDojo. Masing-masing menganimasikan satu gambar diam dari panduan ini, lengkap dengan audio tersinkronnya sendiri. Tekan putar dan aktifkan suara.
Hidupkan foto wajah dengan napas, angin, dan musik yang menguat
Ubah foto produk menjadi momen hangat yang kaya suara
Hidupkan jalan kota dengan hujan, dengung, dan synth
Model sudah melihat fotomu. Gunakan prompt untuk menjelaskan apa yang perlu berubah: aksi, gerakan kamera, dan suasana. Bukan untuk mendeskripsikan ulang isi frame.
Kalau di foto ada laki-laki, jangan tulis "seorang perempuan menari". Sesuaikan prompt dengan isi gambar dan perjelas subjeknya: "pria tua berkacamata", "perempuan berjaket merah".
Gambar diam tidak bisa menyampaikan kecepatan. "Mobil lewat" itu samar, sedangkan "mobil melesat dengan kecepatan tinggi" memberi arahan yang bisa diolah model. Naikkan sedikit intensitasnya agar sesuai dengan yang kamu inginkan.
Grok Imagine 1.5 mengabaikannya. Daripada membuat daftar hal yang tidak kamu inginkan, jelaskan apa yang ingin kamu lihat dan dengar.
Sebutkan suara langsung di prompt, dan model akan menonjolkannya. Padu padankan petunjuk berikut:
Musik latar
"with upbeat electronic music" · "dramatic orchestral score"
Efek suara
"footsteps on gravel" · "wind howling" · "engine revving"
Audio suasana
"quiet café ambience" · "forest sounds with birdsong"
Dialog singkat
a quiet whisper: "We made it." · urgent shout: "Stop him!"
Untuk kontrol yang presisi, tambahkan AUDIO: di baris terakhir prompt kamu. Semua yang ditulis sebelumnya menjelaskan gerakan dan suasana; semua yang ditulis setelahnya menjelaskan persis suara yang harus terdengar.
Sekali generate menghasilkan klip pendek. Fitur Grok Imagine Perpanjang Video memberi kamu ruang untuk melanjutkan lebih jauh. Pilih frame mana pun sebagai titik awal perpanjangan. Model meneruskan gerakan, posisi karakter, pencahayaan, dan audio. Setiap perpanjangan menambah durasi beberapa detik, dan kamu bisa terus menyambungkannya.
Tips Prompt Perpanjangan
Tulis prompt lanjutan yang menjelaskan apa yang terjadi next di adegan, bukan mendeskripsikan ulang semuanya. Model sudah tahu tampilan adegannya, kamu tinggal tentukan arahnya.
Berlebihan
"Seorang perempuan bergaun merah duduk di dekat jendela kafe yang beralur air hujan pada malam hari dengan pantulan neon, lalu berdiri dan berjalan menuju pintu"
Lebih Baik
"Ia berdiri perlahan, mengambil mantelnya, lalu berjalan menuju pintu. Kamera mengikuti."
Subjek yang jelas dengan latar yang terdefinisi selalu lebih efektif daripada adegan ramai dan penuh sesak. Kalau ragu, sederhanakan.
Pengambilan gambar yang lebih lebar dan gerakan lebih lambat memberi hasil paling rapi saat ada orang di dalam frame. Tarik kamera menjauh dan beri ruang agar gerakan terasa leluasa.
"Nuansa Blade Runner" atau "gaya Studio Ghibli" memberi model banyak acuan visual. Kata sifat tunggal seperti "gelap" atau "lembut" terlalu terbuka untuk ditafsirkan.
"Cahaya belakang saat golden hour", "cahaya mendung yang menyebar lembut", dan "cahaya tepi tegas dari kiri" menghasilkan tampilan yang sangat berbeda. Pencahayaan adalah detail berdampak besar yang bisa kamu tentukan.
"Dolly masuk perlahan", "pan ke kanan", dan "wide shot statis" langsung menentukan bagaimana adegan bergerak. Kalau tidak kamu tentukan, salah satu keputusan kreatif terpenting jadi bergantung pada kebetulan.
Saat menganimasikan gambar yang sudah ada, model sudah punya konteks visualnya. Prompt kamu cukup menjelaskan apa yang harus bergerak dan bagaimana gerakannya.
Hasil bisa berbeda setiap kali dibuat, bahkan dengan prompt yang sama. Kalau hasil pertama belum pas, coba lagi sebelum mengubah prompt. Percobaan kedua atau ketiga sering kali langsung kena.
Hasil bisa berbeda setiap kali dibuat. Saat hasilnya pas, simpan prompt persisnya agar kamu bisa mengembangkan dan bereksperimen dari dasar yang sudah terbukti bagus.
Lanskap dan lingkungan sinematik yang kaya atmosfer.
Gerakan dinamis dengan arahan kamera yang jelas.
Animasikan gambar produk untuk konten komersial yang rapi dan matang.
Hidupkan potret dengan gerakan halus dan alami.
Adegan penuh atmosfer dengan gerakan minimal yang terarah.
Gambar ke video dengan model 1.5: jelaskan gerakannya dulu, lalu suaranya di baris AUDIO:.
Referensi adalah arahan kreatif, bukan frame awal. Grok mengambil subjek, gaya, dan komposisinya untuk membuat sesuatu yang baru. Panduan xAI mengutamakan aksi, jadi awali dengan apa yang terjadi, lalu jelaskan peran referensinya.
Buat ulang komposisi tertentu: gunakan gambar diam storyboard atau frame tata letak sebagai referensi pertama, lalu tambahkan referensi subjek setelahnya. Begitulah Film Studio dari PixelDojo mengarahkan Grok.