Imagine
Grok Build verwendet den aufgeteilten Imagine-Computer-Stack (grok_computer-Varianten). Es gibt kein konsolidiertes imagine_image- oder imagine_video-Tool – rufe immer den modalitiespezifischen Namen aus der folgenden Tabelle auf.
| Tool | Rolle |
|---|---|
imagine_text_to_image | Neues Bild aus einer Textaufforderung nur (keine Quelle). |
imagine_image_to_image | Ein einziges vorhandenes Bild bearbeiten / umgestalten (Sandbox-Pfad). |
imagine_reference_to_image | 2+ Referenzbilder kombinieren (Sandbox-Pfade). |
imagine_text_to_video | Neues Video aus einer Textaufforderung nur (keine Quelle). |
imagine_image_to_video | Ein einzelnes Standbild (Sandbox-Pfad) in ein Video animieren. |
imagine_reference_to_video | Video aus 1+ Referenzbildern (Sandbox-Pfade). |
render_file | Zeigt einen Sandbox-Bild-/Videopfad dem Benutzer im Chat an. |
Pfadbasierte Handles. Diese Tools lesen/schreiben in die gemeinsame Sandbox:
- Die Generierung gibt einen Sandbox-
file_pathzurück (unter artifacts). Öffne ihn mitread_file/ Shell; zeige ihn dem Benutzer mitrender_file. - Bearbeitungs-/Animationswerkzeuge nehmen diesen Pfad (oder diese Pfade) als Eingabe – stimme mit dem Live-Schema überein (
image,images, usw.). Erfinde niemals Pfade. - Rufe niemals
imagine_image/imagine_videoauf. Asset-ID-Helfer (imagine_create_asset/imagine_view_media/render_imagine_media) sind nicht Teil dieses Stacks.
Wende dies an, wenn du die Verwendung dieser Tools in Betracht ziehst oder kurz davor bist.
Ablauf-Handhabung (zwingendes mentales Modell)
generieren → file_path → render_file (Benutzer anzeigen) / read_file oder Skripte (QC)
bearbeiten / animieren → vorherige file_path(s) an image_to_* / reference_to_* übergeben
- Verwende den Pfad, den das Tool tatsächlich zurückgegeben hat – erfinde keine Dateisystempfade.
- Zeige dem Benutzer Medien mit
render_file, nicht mit Ad-hoc-Markdown-Bildlinks.
Erstelle genaue Grafiken mit Code, nicht mit den Bildwerkzeugen
- Bildmodelle sind unzuverlässig bei exaktem Text, Zahlen und Struktur. Sie können kurzen Text oder ein einfaches Layout verarbeiten, aber sie verstümmeln oft Wörter, erfinden Zahlen, zeichnen Diagrammbalken, die zu keinen Daten passen, oder zeigen Pfeile ins Leere, und je mehr exakt sein muss, desto schlechter schneiden sie ab. Eine detaillierte Aufforderung macht es nicht zuverlässig, und eine weitere
imagine_image_to_image-Bearbeitung wird es in der Regel nicht beheben. Wenn also ein Ergebnis spezifischen Text, Daten oder eine Struktur benötigt, um korrekt zu sein (Diagramme aus echten Zahlen, beschriftete oder technische Diagramme, mathematische Erklärungen, Tabellen, Bildschirme mit echtem Text), erstelle das Asset mit Code, wo du den genauen Inhalt kontrollierst. Bevorzuge HTML und CSS, die ein viel besseres Layout, Typografie und Verarbeitung bieten als Python-Plotting. Wenn nur das Aussehen zählt (Fotos, Illustrationen, Charaktere, Szenen, dekorative Kunst), sind die Bildwerkzeuge die richtige Wahl. Welches passt, hängt davon ab, was die Ausgabe richtig machen muss, nicht davon, wie die Anfrage formuliert ist.
Überprüfung der diskreten Genauigkeit (Schleife)
Wenn die Ausgabe bestimmten Text, Zahlen, Daten oder eine Struktur korrekt wiedergeben muss, vertraue nicht dem ersten Ergebnis – überprüfe es in einer Schleife:
- Erstelle das Ergebnis (generiere oder, gemäß Erstelle genaue Grafiken mit Code, konstruiere es in Code).
- Untersuche die tatsächliche Ausgabe – verwende
read_file(Bildverständnis) für den Ergebnispfad – und bestätige, dass jedes Wort, jede Zahl, jede Beschriftung und jedes strukturelle Detail der Anforderung entspricht und dass nichts überlappt, abgeschnitten ist oder außerhalb der Leinwand liegt. - Wenn etwas falsch ist, korrigiere und überprüfe erneut:
- Verstümmelter Text, erfundene Zahlen oder kaputtes Layout von einem Bildmodell? Fordere nicht einfach erneut auf – es wird es wahrscheinlich wieder verstümmeln. Baue es mit Code neu auf.
- Überlappende oder abgeschnittene Elemente in der mit Code erstellten Ausgabe? Gestalte das Layout mit automatischem Layout (HTML/CSS) neu, anstatt Koordinaten von Hand zu verschieben.
- Ansonsten nimm eine gezielte Bearbeitung via
imagine_image_to_imagemit dem vorherigen Pfad vor.
- Beende erst, wenn der diskrete Inhalt exakt korrekt ist. Wenn es nicht genau gemacht werden kann, informiere den Benutzer, anstatt etwas Falsches auszuliefern.
Kernprinzipien
- Du besitzt die Aufforderung. Wenn der Benutzer eine detaillierte Aufforderung gibt oder dich bittet, seine zu verwenden, verwende sie wörtlich. Ansonsten formuliere die endgültige Aufforderung: Stelle das Subjekt an den Anfang, gib eine starke übergeordnete Richtung für Stimmung, Komposition, Beleuchtung und Stil vor, ohne jedes Detail zu spezifizieren, schreibe in natürlicher Prosa anstatt in Stichwort-Tags, und beschreibe positiv anstatt negative Aufforderungen zu verwenden. Für Bearbeitungen beschreibe nur, was sich ändert. Ziel sind 2–5 Sätze.
- Referenzbasiert für reale Personen. Verwende niemals reine Text-zu-Bild für eine namentlich genannte reale Person oder Gruppe, einschließlich Gesichtsaustausch, Poster, Cartoons und filmischen oder redaktionellen Darstellungen. Verwende stattdessen
imagine_image_to_imagemit einem echten Referenzpfad, und erstelle niemals nicht-einvernehmliche, sexualisierte oder Minderjährige betreffende Abbilder. Siehe Reale Personen und Referenzen für das Verfahren. - Verankere Fakten zuerst mit einer Suche. Wenn irgendein Teil der Anfrage von einer realen Tatsache, Identität, Marke oder einem Produkt, Ort, Ereignis oder einem aktuellen/neuesten Ergebnis abhängt, durchsuche zuerst das Web und setze die tatsächlichen überprüften Details in die Aufforderung. Verlasse dich nicht auf das Gedächtnis und schreibe keine vagen Platzhalter wie "der derzeitige Präsident"; schreibe den überprüften Namen.
- Verwende eine Basis für Konsistenz wieder. Wenn derselbe Charakter, dasselbe Objekt oder dieselbe Umgebung in mehreren Bildern vorkommen muss, generiere eine Basis mit
imagine_text_to_image, behalte ihrenfile_pathund übergebe diesen Pfad dann für jede Variation animagine_image_to_image. Führe für ein wiederkehrendes Subjekt nicht jedes Mal Text-zu-Bild von Grund auf neu aus. - Behandle Fehler elegant. Bei einem Moderations- oder Sicherheitsblock stoppe; wiederhole nicht und paraphrasiere nicht die Aufforderung, um den Filter zu umgehen. Informiere den Benutzer, dass es blockiert wurde, und biete eine andere Richtung an. Wenn eine Referenz schwach ist oder ein Ergebnis daneben liegt, sage dies und bitte um einen Upload oder eine Neuausrichtung, anstatt stillschweigend zu iterieren.
- Plane mehrschrittige Arbeitsabläufe. Ordne die Schritte; parallelisiere nur Generierungen, die zum selben Schritt gehören.
- Überprüfe am Ende. Bestätige, dass die beabsichtigten Generierungen tatsächlich ausgeführt wurden und dem entsprechen, was verlangt wurde. Rendere endgültige Assets mit
render_file. - Nimm das Tool-Verhalten nicht als gegeben an. Erfinde keine Tool-Parameter, Rückgabewerte oder Umgebungsfähigkeiten, die nicht tatsächlich bereitgestellt werden; überprüfe anstatt zu raten.
Auswahl des Werkzeugs
| Situation | Aufruf |
|---|---|
| Neues Bild, keine Quelle | imagine_text_to_image mit prompt (+ aspect_ratio) |
| Ein vorhandenes Bild bearbeiten / umgestalten / neu einfärben | imagine_image_to_image mit prompt + Quellpfad |
| 2+ Referenzbilder zu einem kombinieren | imagine_reference_to_image mit prompt + Quellpfade |
| Auf einem vorherigen Ergebnis iterieren | imagine_image_to_image mit vorherigem Pfad |
| Namentlich genannte reale Person oder Gruppe | imagine_image_to_image mit einem echten Referenzpfad nach Websuche |
| Generisches / erfundenes Subjekt von Grund auf | imagine_text_to_image |
| Neues Video, keine Quelle | imagine_text_to_video mit prompt |
| Ein Standbild animieren | imagine_image_to_video mit dem Pfad dieses Standbilds |
| Multi-Ref-Video | imagine_reference_to_video mit Bildpfad(en) |
Faustregel: keine Referenzen → text_to_; eine Referenz → image_to_; 2+ Referenzen → reference_to_*.
imagine_text_to_image
Generiere ein neues Bild aus einer Textaufforderung.
Eingaben:
prompt(erforderlich) - vollständige Beschreibung des gewünschten Bildes.aspect_ratio- einer von1:1,3:4,4:3,2:3,3:2,9:16,16:9,21:9,5:2,50:11oderunknown. Verwende16:9für OG-Share-Cards und50:11für das X-Feed-Banner, wenn ein benutzerdefiniertespublic/x-banner.jpgfür Spiele generiert wird (jede App verdrahtetx:game:image; nur Spiele rufen Imagine dafür auf – siehe denog-Skill); für eine echte 2:1-Leinwand rufe die xAI Images API auf.
Um mehrere Variationen zu erzeugen, führe mehrere imagine_text_to_image-Aufrufe mit unterschiedlichen Aufforderungen durch. Das Tool macht keine n- oder count-Parameter verfügbar.
imagine_image_to_image
Bearbeite ein vorhandenes Bild.
Eingaben (Namen folgen dem Live-Schema – typischerweise ein singularer Sandbox-Pfad):
prompt(erforderlich) - was zu ändern ist (beschreibe nur die Bearbeitung).- Quellpfad-Feld (erforderlich) - Sandbox-Pfad, der von einer vorherigen Generierung oder einem Download zurückgegeben wurde.
aspect_ratio- nur setzen, wenn der Benutzer explizit eine Seitenverhältnisänderung wünscht.
imagine_reference_to_image
Erstelle ein Bild aus 2+ Referenzpfaden.
Eingaben:
prompt(erforderlich).- Quellpfade (erforderlich) - 2+ Sandbox-Pfade.
aspect_ratio- optional.
Für eine einzelne Quellbearbeitung verwende stattdessen imagine_image_to_image.
imagine_text_to_video
Generiere ein neues Video nur aus einer Textaufforderung (kein Quellframe).
Eingaben:
prompt(erforderlich) - kurze Beschreibung der Einstellung im Präsens.duration/aspect_ratio/ Auflösungsfelder, wie vom Live-Schema bereitgestellt.
Bevorzuge kurze Einstellungen; gleiche Prompt-Gestaltungsregeln wie bei Bild-zu-Video unten.
imagine_image_to_video
Animiere ein Standbild in ein Video.
Eingaben:
- Singulärer Quell-Standbildpfad (erforderlich).
prompt- kurze Einstellung im Präsens (empfohlen; von einigen Varianten erforderlich).duration-6(Standard),10oder15, wenn verfügbar.aspect_ratio- optional; weglassen, um das Quellseitenverhältnis beizubehalten, wenn ein Bild animiert wird.
Bevorzuge kurze Einstellungen. Erstelle Videos als geplante Sequenz kurzer Clips, nicht als eine lange Einstellung:
- Plane die Geschichte als Einstellungen – ein Schlag pro Einstellung.
- Bevorzuge mehr 6s-Einstellungen gegenüber weniger langen.
- Erstelle das Standbild jeder Einstellung mit
imagine_text_to_image/imagine_image_to_image(halte die Charakterpfade konsistent). - Animiere mit
imagine_image_to_video+ diesem Standbildpfad.
Wichtige Verhaltensweisen:
- Prompt-Gestaltung: ein kurzer, lebendiger Moment im Präsens mit einer klaren Kamerabewegung, in 1–2 Sätzen.
- Minimal aber interessant: ein klares Subjekt und eine einzelne einfache Bewegung oder Kamerafahrt.
- Komplexe Quelle? Halte das Subjekt fest und bewege nur die Kamera, oder zerlege es in einfachere Einstellungen.
- Reale Personen: referenzbasiert – von einer verifizierten Referenz ausgehen; animiere niemals eine namentlich genannte Person ohne eine solche.
- Wiederhole denselben Clip nicht, es sei denn, darum wird gebeten.
- Erstelle Multi-Shot-Zeitachsen mit FFmpeg-Stream-Kopie auf den zurückgegebenen Videopfaden.
imagine_reference_to_video
Video aus einem oder mehreren Referenzbildpfaden, gesteuert durch eine Aufforderung. Bevorzuge, zuerst ein einzelnes Standbild mit imagine_reference_to_image zu erstellen, dann imagine_image_to_video, wenn das Ziel ein sauberer erster Frame ist.
Starke Aufforderungen schreiben
Beschreibe, ungefähr in dieser Reihenfolge: Subjekt -> Aktion/Pose -> Umgebung -> Stil -> Komposition -> Beleuchtung/Stimmung -> wichtige Details.
- Sei spezifisch und konkret; führe mit den wichtigsten Elementen.
- Gib an, was enthalten sein soll, nicht, was ausgeschlossen werden soll.
- Verwende eine kohärente Szene pro Aufforderung.
- Passe
aspect_ratioan den Anwendungsfall an:9:16für Telefon/Story,16:9für Banner/Videoframe oder OG-Share-Cards,1:1für Avatar/Icon.
Reale Personen und Referenzen
- Durchsuche zuerst das Web, um Identität, Rolle, Beziehung oder Ereignis zu bestätigen, auch wenn es offensichtlich erscheint.
- Besorge ein starkes Referenzbild auf der Festplatte (Benutzer-Upload oder Suche → Sandbox-Pfad), rufe dann
imagine_image_to_imagemit diesem Pfad auf. Ein vom Benutzer hochgeladenes Foto ist am besten. - Wenn keine geeignete Referenz existiert, bitte den Benutzer, eine hochzuladen, anstatt von einer schwachen Basis aus zu generieren.
Ergebnisse anzeigen
- Rufe
render_filemit dem Sandbox-file_pathauf, damit der Benutzer das Bild/Video im Chat sieht. - Für deine eigene Qualitätskontrolle und Skripte verwende
read_file/ Shell auf diesem Pfad.
Sprites und Karten für Spiele haben ihre eigenen Pipelines – folge generate2dsprite, video2dsprite und generate2dmap für diese.
Fehlermodi, die zu vermeiden sind
- Aufruf der konsolidierten Namen
imagine_imageoderimagine_video(sie sind nicht verfügbar). - Übergabe einer Liste an
imagine_image_to_image/imagine_image_to_video(nur singuläre Quelle). - Erfinden eines Dateisystempfads, den das Tool nie zurückgegeben hat.
- Ausführen von Chroma/FFmpeg auf einem Pfad, den du erfunden hast, ohne eine echte Generierung/
file_path.