打造電影感世界
主體 + 風格 + 光線 + 拍攝角度
Futuristic Tokyo street at 2am, rain-slicked asphalt, neon reflections, low-angle wide shot, cinematic fog, Blade Runner mood
每個細節都能減少模糊空間。地點、時間、光線、鏡頭位置與調性參考，都能給模型具體的依據。
Grok Imagine 提示詞指南
掌握 Grok Imagine 提示詞技巧
適用於圖片與影片
從首次生成到延伸成多場景敘事，一次掌握 Grok Imagine 的提示詞架構、運鏡語言、創作流程，以及可直接複製的範本。
總覽
這份 Grok Imagine 提示詞指南，帶你把文字與圖片變成高品質影像和影片。描述你想要的內容、選好設定、按下生成，就能取得可直接使用的影片或圖片。從首次生成的設定、寫出好成果的提示詞，到延長片段、串成更長的內容，再到建立可重複運用的工作流程，每一步都完整涵蓋。
提示詞公式： 主體 + 風格／氛圍 + 光線 + 拍攝角度 + 收尾細節
生成模式
文字轉圖片
輸入描述，就能生成圖片。Grok Imagine 能從自然語言提示詞生成生動、高品質的成果，不必堆砌關鍵字。
文字轉影片
描述場景，直接生成影片。像跟朋友說明畫面一樣寫：發生什麼事、畫面長什麼樣、鏡頭怎麼移動。腦中場景越清楚，效果越好。
圖片轉影片
從任何圖片出發，讓它動起來，變成短片。切換至 Grok Imagine 1.5 模型，還能在同一次生成中搭配產生音訊，詳見下方的「1.5 音訊」章節。圖片可以是你生成的，也可以自行上傳。因為你已經知道原圖的樣貌，生成結果也更容易預期。
進階技巧：兩階段工作流程
先用詳細的提示詞生成圖片，再檢查成果。構圖、光線和主體都到位後，用簡短的動態提示詞讓它動起來。影片提示詞只要聚焦動作、鏡頭與氛圍，模型已經掌握畫面。
圖片提示詞
由上往下俯拍，兩隻水獺悠游在海藍色水中，呈現復古底片質感。
影片提示詞
平靜自然的動態，主體保持不動，鏡頭緩緩拉遠。水獺輕輕漂動，整體維持平靜。
參考圖轉影片
最多上傳 7 張參考圖，作為視覺基礎或風格參考。Grok 會融合參考圖與文字提示詞，生成符合指定視覺、品牌風格、配色或視覺調性的成果。
設定怎麼選
長寬比
依照成品的發布平台或用途來選擇。
16:99:161:14:33:43:22:3
片長 （影片）
選擇 1 至 15 秒的影片長度。片段越短，生成越快、消耗的點數也越少。使用「延長影片」功能，就能將片段串接成更長的內容。
品質 （影片）
480p 用於快速打樣與反覆調整。 720p for polished, share-ready output.
寫出有效的提示詞
好成果，從好提示詞開始。具體描述能給模型明確依據，但別規定得太死，留點創作空間。
穩定好用的結構
主體風格 / 氛圍光線鏡頭角度最後細節
模糊
「夜晚的城市」
具體
「2am 的未來東京街頭，雨水浸亮的柏油路面、霓虹倒影、低角度廣角鏡頭、電影感霧氣、Blade Runner 氛圍」
圖片範例
以下每張圖片都是在 PixelDojo 上使用 Grok Imagine 生成。複製任一提示詞作為起點，再每次調整一個變因，逐步打磨成果。
聚焦構圖
主體清楚，背景明確
A single vendor arranging flowers at a market stall, soft morning light, blurred background, shallow depth of field, warm natural tones
主體清楚、背景明確，效果一向勝過雜亂擁擠的場景。不確定怎麼寫，就先做減法。
戲劇感人像
寫清楚光線，完整掌控效果
Close-up portrait of a woman with wind-swept hair, golden hour backlight creating rim light, cinematic color grade, 85mm lens bokeh, soft film grain
「黃金時刻的逆光」、「陰天的漫射光」和「來自左側的硬質輪廓光」，會帶出截然不同的成果。光線是左右畫面效果的關鍵細節。
產品攝影
適合商業用途的俐落構圖
Minimalist product shot of a matte black ceramic coffee mug on a marble countertop, soft studio lighting from above, subtle shadow, clean white background, commercial quality
拍出理想的產品畫面，關鍵是寫清楚光線方向、表面材質與背景。
影片範例
使用 Grok Imagine 在 PixelDojo 生成的影片。留意兩種提示詞的差別：文字轉影片會完整描述場景，圖片轉影片則簡短聚焦於動態。
文字 → 影片
史詩級空拍
用文字轉影片打造世界觀
影片提示詞
空拍無人機緩緩下降，掠過被叢林吞沒的古老石造神殿，黃金時刻的光束穿透樹冠，低彩度綠色與琥珀色調，鳥群從樹梢四散飛起，史詩級規模，叢林環境音
文字轉影片時，加入運鏡、光線條件與環境音描述，打造電影感成果。
文字 → 影片
動作場面
動態動作與電影感運鏡
影片提示詞
黃金時刻，一名衝浪者切入巨浪，低角度跟拍衝浪板，飛濺的水花映著光，電影感慢動作，海浪轟鳴與低沉的水下聲響
直接寫出運鏡方式，例如「低角度跟拍」，模型就會把它轉化為畫面中的動態。
圖片 → 影片
人像動態
以細微動態將圖片轉為影片
圖片提示詞
人物特寫肖像，望向遠方，柔和自然光，淺景深
影片動態提示詞
微風輕拂髮絲，鏡頭緩緩拉遠，城市環境音，柔和底片顆粒
圖片轉影片的提示詞要精簡，模型已經掌握畫面。只要描述什麼要動，以及怎麼動。
圖片 → 影片
氛圍短片
氛圍感圖片轉影片
圖片提示詞
夜晚，一個人獨坐在咖啡館滿是雨痕的窗邊，室內灑著暖光
影片動態提示詞
幾乎難以察覺的動作，咖啡杯冒出蒸氣，雨水沿著窗玻璃流下，搭配 lo-fi 氛圍配樂
用極簡的動作提示詞，營造充滿氛圍的短片。讓場景自然呼吸，不必硬塞動作。
Grok Imagine 1.5：音訊提示詞寫法
Grok Imagine 1.5 是圖片轉影片模型，能在生成畫面的同時產生聲音。背景音樂、音效、環境音，甚至簡短對白，都能與畫面同步。在 Grok Imagine Video 中，切換至 image-to-video 模式，選擇 Grok Imagine 1.5 從「模型」選項中選取，並加入圖片。影片長度為 1 至 15 秒，解析度為 480p 或 720p，每秒消耗 2.5 點數。
聽聽實際效果
這三支影片皆在 PixelDojo 使用 Grok Imagine 1.5 生成，各自將本教學中的一張靜態圖片轉為動態，並搭配專屬的同步音訊。按下播放，打開聲音。
圖片 → 影片 · 1.5 開啟聲音播放
人像 + 環境音
讓頭像隨呼吸、風與漸強配樂動起來
The woman slowly turns her head toward the camera and gives a soft smile, wind gently moving her hair, slow camera push-in, warm golden-hour glow.
AUDIO: soft wind, quiet ambient warmth, a gentle breath, faint cinematic strings rising.
圖片 → 影片 · 1.5 開啟聲音播放
產品 + 擬音
讓產品靜態照變成溫馨、聲音豐富的片刻
Steam curls upward from the mug, a slow camera dolly in across the marble countertop, soft studio light gently shifting.
AUDIO: cozy kitchen room tone, a faint kettle hiss, a soft ceramic clink, gentle lo-fi piano.
圖片 → 影片 · 1.5 開啟聲音播放
場景 + 氛圍
用雨聲、低鳴與合成器音樂，喚醒城市街景
Rain falls steadily, neon signs flicker and reflect on the wet asphalt, slow dolly forward down the empty street.
AUDIO: rain pattering on pavement, distant city hum, low pulsing synth music, a far-off car passing.
描述動作，不要重述圖片
模型已經看得到你的照片。把提示詞留給需要改變的部分，例如動作、運鏡、氛圍，不必重新描述畫面裡已有的內容。
別讓提示詞與圖片矛盾
照片裡是男性，就別寫「一位女子跳舞」。提示詞要符合實際畫面，並明確指出主體，例如「戴眼鏡的老先生」、「穿紅色外套的女子」。
把動作寫具體
靜態圖片無法表現速度。「車子經過」太模糊，「車子高速疾駛而過」才給了模型明確方向。把動作強度稍微往上推，讓效果更貼近你的想像。
省略負面提示詞
Grok Imagine 1.5 會忽略這些內容。別列出你不想要什麼，直接描述你想看到、聽到什麼。
掌控音訊的四種方式
直接在提示詞中寫出聲音，模型就會著重呈現。試著搭配以下聲音線索：
背景音樂
"with upbeat electronic music" · "dramatic orchestral score"
音效
"footsteps on gravel" · "wind howling" · "engine revving"
環境音
"quiet café ambience" · "forest sounds with birdsong"
簡短對白
a quiet whisper: "We made it." · urgent shout: "Stop him!"
AUDIO: 區塊
想精準控制，可加入 音訊： 這一行放在提示詞最後。前面的內容描述動作與氛圍，後面的內容則精確描述你要聽到的聲音。
Close-up of hands pulling apart a warm cinnamon roll, steam rising, soft morning window light, slow camera push-in, cozy kitchen mood.
AUDIO: soft room tone, faint kettle hiss, gentle pastry tear sound, a quiet satisfied whisper: "Perfect."
延長你的影片
單次生成會得到一段短片。Grok Imagine 的 延長影片 功能讓創作繼續延伸，選擇任一影格，就能作為延長片段的起點。模型會延續動作、角色位置、光線與音訊。每次延長都會增加影片秒數，也能持續串接下去。
影片延長提示詞技巧
撰寫接續提示詞，描述接下來發生的事 next 場景中的變化，不必重新描述整個場景。模型已經知道場景長什麼樣子，只要告訴它接下來怎麼發展。
過度描述
「夜晚，一位穿紅色洋裝的女子坐在咖啡廳窗邊，玻璃上滿是雨痕與霓虹倒影，她起身走向門口」
更好的寫法
「她慢慢起身，拿起外套，走向門口。鏡頭跟著她移動。」
進階技巧
構圖保持聚焦
主體清楚、背景明確，效果一向勝過雜亂擁擠的場景。不確定怎麼寫，就先做減法。
拍人物影片，取景再寬一點
畫面有人物時，使用較寬的取景與較慢的動作，成果最乾淨。把鏡頭拉遠，讓動態有呼吸空間。
用參考傳達氛圍，別只堆形容詞
「Blade Runner 氛圍」或「Studio Ghibli 風格」能讓模型調用豐富的視覺語彙。只寫「暗沉」或「柔和」這類形容詞，解讀空間太大。
明確指定光線
「黃金時刻的逆光」、「陰天的漫射光」和「來自左側的硬質輪廓光」，會帶出截然不同的成果。把光線寫清楚，就能大幅影響畫面。
明確指定運鏡
「鏡頭緩慢推近」、「向右橫搖」、「固定廣角鏡頭」，都會直接決定場景如何動起來。不寫清楚，就等於把最重要的創作決策之一交給運氣。
圖片轉影片的提示詞要簡短
讓現有圖片動起來時，模型已經掌握視覺資訊。提示詞只要描述什麼要動、怎麼動。
同一組提示詞，多跑幾次
即使用同一組提示詞，每次結果也會不同。第一次沒到位，先再生成一次，別急著重寫。第二次或第三次往往就能命中。
存下有效的提示詞
每次生成的結果都不同。遇到滿意的成果，就完整保留原始提示詞，之後便能從已驗證的基礎繼續延伸、調整。
提示詞範本
世界觀建構（文字轉影片）
充滿氛圍的電影感地景與場景。
Aerial drone slowly descending over [location], [time of day] [light quality] cutting through [environment detail], [color palette], [ambient element], epic scale, [ambient sound description]
動作場面（文字轉影片）
充滿動態的動作，搭配明確的運鏡描述。
[Subject] [action] at [time/light], [camera angle] [camera movement], [detail catching light], cinematic [speed], [sound description]
產品鏡頭（圖片轉影片）
讓產品圖片動起來，打造精緻廣告素材。
Camera doing a slow 360 orbit, sharp shadow rotating with the light, subtle ambient tone
人像動態（圖片轉影片）
以細膩自然的動作，讓人像活起來。
Wind gently moving their hair, camera slowly [direction], [ambient sound], soft film grain
氛圍短片（圖片轉影片）
以少量、精準的動作，營造場景氛圍。
Barely-there movement, [subtle motion detail], [environmental effect], [ambient soundtrack style]
搭配音訊（Grok Imagine 1.5）
使用 1.5 模型將圖片轉為影片，先描述動作，再用 AUDIO: 獨立一行描述聲音。
[What should move and how], [camera movement], [mood / lighting].
AUDIO: [ambient tone], [sound effect], [music style], [optional short line of dialogue]
參考影片（參考圖轉影片）
參考圖是創作方向，不是起始影格：Grok 會汲取其中的主體、風格與構圖，創作全新畫面。xAI 建議以動作為先，所以先寫發生什麼事，再說明參考圖的用途。
[What happens: subject + action], [camera movement], [atmosphere / lighting]. [How the references interact: e.g. the product from the reference sits on the counter in the foreground]
分鏡構圖基準（參考圖轉影片）
重現指定構圖：將分鏡靜態圖或版面配置圖設為第一張參考圖，再依序放入主體參考圖。PixelDojo 的 Film Studio 就是這樣驅動 Grok。
[Subject + action of the shot]. The first reference image is this shot's storyboard frame: recreate its composition, setting, and characters exactly, and bring it to life.