Обновлено
Grok: как оживить фото, сгенерировать видео и что умеет Grok 4.7
Grok — это не одна нейросеть, а линейка xAI из трёх разных инструментов под одним именем: текстовая модель Grok 4.7 и пара Grok Imagine — для картинок и для видео. Чаще всего в русскоязычном поиске Grok ищут ради третьего: оживить фотографию, то есть превратить статичный снимок в короткое видео. С него и начнём.
Оживить фото: что это на самом деле делает
Вы загружаете одну фотографию и описываете, что должно произойти в кадре. Модель достраивает движение: человек поворачивает голову, волосы и одежда колышутся, камера чуть наезжает, фон живёт. Получается короткий ролик, начинающийся ровно с вашего снимка.
Соотношение сторон при этом берётся из самой фотографии, а не задаётся отдельно — вертикальный портрет останется вертикальным, и объект не растянет. Попробуйте на своём снимке прямо здесь:
Вот как это выглядит. На входе — старая семейная фотография, в запросе — движение и реплика. Ролик приходит со звуком: ветер, птицы и сама фраза, произнесённая по-русски.
Подробно и по шагам — что писать в запросе, какие снимки оживают лучше и что делать, если фото не оживает, — в руководстве как оживить фото в Grok.
Четыре режима видео
«Оживить фото» — только один из них, и остальные три решают задачи, ради которых обычно ищут другие сервисы.
| Режим | Что на входе | Когда нужен |
|---|---|---|
| Оживление фото | Одно изображение | Портрет, старая фотография, снимок товара — всё, что должно задвигаться. |
| Видео по тексту | Только описание | Кадра нет, есть идея. Самый свободный режим и самый непредсказуемый. |
| Переход между кадрами | От 1 до 5 изображений | Морфинг и переходы: первый кадр — начало, последний — конец, модель придумывает середину. |
| Переделка готового видео | Видео плюс описание | Сменить стиль или обстановку в уже снятом ролике. |
Переход выглядит так: на входе два кадра из раздела про картинки ниже — кружка на белом фоне и она же на столе у окна. Модель сама придумала, как одно перетекает в другое.
Что нового в Grok Imagine Video 1.5
С 27 сентября видео в Twelver снимает Grok Imagine Video 1.5 — новое поколение модели xAI. Главное — разрешение 1080p для видео по тексту и оживления фото, и картинка заметно чётче: оживлённый снимок точнее держит лицо и детали оригинала. Ниже — один и тот же запрос на прежней версии и на 1.5.
Кадр на третьей секунде. Запрос: ночная улица под дождём, уличный музыкант под фонарём играет медленный джаз на саксофоне, прохожий с зонтом останавливается послушать. Версия 1.5 поставила музыканта ровно под фонарь, как просили, и дала кинематографичный свет.
Переделка готового ролика по-прежнему доступна — её выполняет предыдущая версия модели, в 480p или 720p.
Как не потратить лишнего
Видео — самая дорогая операция в чате, и дорожает она по секундам. Отсюда практическое правило, которое заложено даже в настройки по умолчанию: сначала короткие черновики, потом финал.
- Перебирайте на двух секундах и на 480p. Движение, ракурс и общее настроение видно уже там. Ошибку в брифе дешевле поймать на черновике, чем на пятнадцатисекундном 1080p.
- Самая дорогая комбинация — 1080p плюс длинный ролик. Берите её осознанно и один раз, когда всё остальное уже устраивает.
- Сборка не стоит ничего. Обрезать, склеить несколько клипов, поменять размер, подложить звук — это обычные операции с файлом, а не генерация, и они бесплатны.
Grok Imagine для картинок: версия 2.0
Та же линейка, но для статичных изображений: картинка по тексту, правка одного снимка и сборка одного кадра из нескольких исходных — от двух до пяти. С 27 сентября картинки в Twelver рисует Grok Imagine Image 2.0 — новое поколение модели xAI. Разницу видно на одном и том же запросе: кадр 2.0 выглядит как фотография, а не как иллюстрация, — свет, фактура дерева и снег читаются естественнее.
Один и тот же запрос, 16:9, 2K: «Уютная кофейня зимним вечером, вид с улицы через витрину… На меловой доске у входа написано „Глинтвейн — 250 ₽“». Надпись по-русски обе версии написали без ошибок.
Правка одного снимка
Загрузите фото и скажите, что поменять, — Grok перенесёт предмет в новую обстановку. Пропорции исходника сохраняются: вертикальный кадр остаётся вертикальным, и предмет не растягивается. Удобно для карточек товара — одна студийная съёмка превращается в серию интерьерных кадров.
Запрос: «Поставь эту кружку на деревянный стол у окна, утренний свет, рядом раскрытая книга и веточка эвкалипта. Кружку не меняй». Исходник 3:4 — результат тоже 3:4.
Один кадр из нескольких фото
До пяти снимков можно свести в одну сцену: героя с одной фотографии, предмет с другой. Здесь на входе два отдельных студийных кадра — кот и та же кружка.
Стоит знать про разрешение: у Grok это 1K или 2K, причём 2K стоит примерно в полтора раза дороже, а правка — дороже генерации с нуля, к ней добавляется плата за каждый исходный снимок. Варианта «поменьше и подешевле» здесь нет — в отличие от Nano Banana, где черновик можно гонять на 512. Если вам нужно много дешёвых проб, подбирайте кадр там, а Grok берите, когда важна стилистическая совместимость с будущим видео: изображение и ролик из одного семейства сочетаются заметно лучше.
Grok 4.7 — текстовая модель
Третий Grok никак не связан с картинками: это языковая модель с контекстом в 500 тысяч токенов, принимающая на вход и текст, и изображения, с регулируемой глубиной рассуждения. Версия 4.7 заменила 4.6 по той же цене. Что изменилось между версиями — в разборе Grok 4.7.
Про длинные диалоги с Grok 4.7
Выше 200 тысяч токенов в запросе действует повышенный тариф, и считается он от всего запроса, а не от превышения. Переписка отправляется модели целиком на каждом шаге, поэтому длинный чат доходит до этой границы сам — если разговор ушёл в сторону, дешевле начать новый.
В чате модель по умолчанию подбирается автоматически. Если нужна именно Grok 4.7, закрепите её за агентом: в настройках агента, в разделе «Модель», выберите «Grok» и сохраните — выбор модели доступен на тарифе Pro. По API модель называется явно — передайте model: "grok"; как получить ключ, сколько стоит и как платить в рублях — в главе Grok API, а настройка агентов — в книге про API для кодинга.
Что Grok не делает
- Не гарантирует одного и того же героя в двух роликах, снятых по тексту. Текстовое описание — слишком слабая привязка, чтобы человек или предмет совпали дважды. Надёжный способ — сначала получить кадр картинкой, а потом оживлять именно его: изображение и видео из одного семейства сходятся по стилю лучше всего.
- Не делает длинных сцен. Пятнадцать секунд — потолок одного ролика; всё, что длиннее, собирается склейкой.
Частые вопросы
Как оживить фото нейросетью Grok?
Есть ли у видео Grok звук?
Какой длины ролик можно сделать?
Какое разрешение выбрать: 480p, 720p или 1080p?
Что нового в Grok Imagine Video 1.5?
Что такое Grok Imagine?
Что нового в Grok Imagine 2.0?
Можно ли сделать переход между двумя фотографиями?
Нужна ли подписка X или аккаунт xAI?
Страницы с примерами и ценами — Grok Imagine для видео и для картинок. Другие модели — в оглавлении книги; про видео вообще — в книге про генерацию видео.
Попробуйте сами
Всё из этого руководства работает в Twelver
Один чат для текста, картинок, видео, музыки и озвучки — без отдельных сервисов и подписок.
Открыть чат Twelver