8 prompt Grok Imagine yang benar-benar bekerja
Delapan prompt siap salin untuk Grok Imagine 1.5 mencakup gambar dan video, dibangun dengan gaya bahasa alami FLUX.1 menggunakan struktur Subjek + Aksi + Kamera + Gaya + Audio. Apa yang dihasilkan setiap prompt dan mengapa berhasil, langsung di dalam OmniArt.

Grok Imagine 1.5 memperbarui basis gambar ke FLUX.1 dari Black Forest Labs, dan perubahan itu berdampak konkret pada cara Anda menulis prompt: model merespons deskripsi bahasa alami seperti fotografer membaca briefing, bukan seperti model lama yang mengurai daftar kata kunci. Delapan prompt di bawah ini siap disalin — tempelkan ke ruang kerja Grok Imagine OmniArt, sesuaikan detailnya, dan buat. Setiap kartu menyertakan teks prompt yang tepat, apa yang dihasilkannya, dan satu catatan kerajinan tentang mengapa strukturnya berhasil.
Untuk teori prompt umum di semua model OmniArt, lihat cara menulis prompt yang lebih baik. Untuk pembahasan mendalam tentang enam mode pembuatan Grok Imagine dan matematika biaya, lihat panduan kreator Grok Imagine. Artikel ini khusus membahas Grok Imagine 1.5 — rilis FLUX.1 — dan teknik prompt yang dihargainya.
Apa yang Grok Imagine 1.5 ubah tentang penulisan prompt#
Model dasar FLUX.1 dilatih secara berbeda dari arsitektur teks-ke-gambar sebelumnya. Model ini mengurai prosa yang terhubung dengan baik dan cenderung kurang merespons tumpukan kata kunci murni. Lima kebiasaan paling andal meningkatkan kualitas:
- Bahasa alami daripada tumpukan kata kunci. Kalimat lengkap mengungguli kata sifat yang dipisahkan koma. "Sebuah jalan di jam biru, diterangi dengungan papan toko serba ada" mengalahkan "jalan, malam, neon, sinematik, 4K."
- Referensi spesifik daripada kata sifat samar. "Diambil dengan Fujifilm XT4, 23mm f/2" menyampaikan lebih banyak kepada model daripada "foto berkualitas tinggi." Nama peralatan dan jenis film membawa bobot nyata di ruang laten.
- Kata warna tepat daripada "berwarna-warni." "Biru elektrik dan merah muda panas" menghasilkan palet yang disengaja. "Berwarna-warni" menghasilkan kebisingan yang dirata-ratakan.
- Waktu tepat daripada "jam emas." "Akhir Oktober, 17:45, matahari 6° di atas cakrawala" memberi tahu model sudut dan kehangatan cahaya yang tepat. "Jam emas" ambigu di berbagai musim dan lintang.
- Struktur video: Subjek + Aksi + Kamera + Gaya + Audio. Letakkan subjek dan aksi utama dalam 20–30 kata pertama. Satu fokus gaya mengalahkan kombinasi. Lakukan iterasi secara bertahap — ubah satu variabel per pembuatan hingga hasilnya terkunci, lalu dorong lebih jauh.
Untuk pembahasan lengkap kosakata sinematik yang ditransfer ke video, panduan prompt video AI sinematik membahas pilihan lensa, gerakan kamera yang termotivasi, dan bahasa pencahayaan secara mendalam.
8 prompt#
1. Foto produk sinematik (gambar)#
Apa yang dihasilkan: foto diam yang bersih dan terarah secara artistik yang terbaca sebagai fotografi produk profesional, bukan output AI.
Mengapa berhasil: referensi Fujifilm XT4 mengaitkan ilmu warna dan rendering sensor pada tampilan dunia nyata yang spesifik. Sudut cahaya ditentukan secara numerik, yang mencegah model menggunakan pencahayaan difus overhead sebagai default. Membatasi palet menjadi dua warna — sorotan amber hangat, isian bayangan biru-abu-abu dingin — mencegah model menambahkan warna ketiga yang bersaing.
2. Close-up karakter dengan audio (video)#
Apa yang dihasilkan: momen karakter dengan audio asli Grok Imagine 1.5 — model menghasilkan dialog, sinkronisasi bibir, dan suara ambient dalam satu putaran inferensi.
Mengapa berhasil: baris dialog cukup pendek untuk sinkronisasi bibir yang bersih dalam 8 detik. Dua sumber cahaya neon terpisah yang diberi nama (merah muda di atas, cyan dari kanan) memberi model peta cahaya yang jelas dan mencegah rata-rata generik "kota neon." "Bukan drama sinematik" adalah batasan negatif yang memandu suasana dengan lebih tepat daripada kata sifat positif.
Tips
Batasi dialog yang diucapkan menjadi satu atau dua kalimat pendek dalam klip di bawah 10 detik. Baris yang lebih panjang memenuhi durasi yang tersedia, dan model dapat mempercepat penyampaian atau memotong audio lebih awal.
3. Lingkungan atmosferik — klip ambience (video)#
Apa yang dihasilkan: klip ambience pengatur suasana yang ideal sebagai footage latar, materi transisi, atau adegan pembuka.
Mengapa berhasil: "awal November, jam 7 pagi" lebih akurat dari "pagi berkabut." Push digambarkan sebagai "tidak terasa" dan "melayang di atas napas," yang mengomunikasikan kecepatan dengan lebih tepat daripada "push lambat ke depan." Meminta tidak ada musik mencegah audio menggunakan musik latar secara default — model menghasilkan ambience gaya rekaman lapangan yang nyata.
4. Video sosial vertikal cepat — peluncuran produk (video)#
Apa yang dihasilkan: klip sosial 9:16 yang tajam untuk TikTok, Reels, atau Shorts — peluncuran produk potongan cepat dengan audio asli.
Mengapa berhasil: menentukan 9:16 di awal menetapkan rasio aspek sebelum hal lain dalam prompt. Timeline ditulis secara eksplisit ("0–2s / 2–8s"), yang membantu model menetapkan dua ketukan dengan benar alih-alih memadukan menjadi satu gerakan. Menyebutkan peristiwa audio tertentu (suara benturan, nada synthesizer) menghasilkan desain suara yang lebih disengaja daripada "tambahkan efek suara."
Peringatan
Klip Grok Imagine 1.5 dapat berdurasi hingga 15 detik. Untuk konten sosial, batasi klip maksimal 8–10 detik — gerakan model paling bersih dalam rentang tersebut, dan jendela perhatian platform sosial memang pendek. Pada 720p, klip 8 detik menghabiskan 120 kredit di OmniArt.
5. Ilustrasi bergaya (gambar)#
Apa yang dihasilkan: ilustrasi grafis dengan warna terbatas yang terbaca sebagai proses cetak nyata, bukan seni digital generik.
Mengapa berhasil: menyebutkan teknik cetak (Risograph) dan batasannya yang spesifik (dua warna tinta, bentuk datar, tanpa gradien, misregistrasi tinta) memberi model briefing teknis yang lengkap. "Misregistrasi tinta" adalah jenis detail proses fisik yang mengaitkan output pada estetika dunia nyata — ini setara FLUX.1 dengan menyebutkan jenis film. Tanpa itu, model cenderung menambahkan gradien atau mencampurkan warna.
6. Gerakan kamera dinamis — pull-back drone (video)#
Apa yang dihasilkan: shot pengungkapan 15 detik yang berkelanjutan — panjang klip maksimum model — dibangun di sekitar satu gerakan kamera yang termotivasi.
Mengapa berhasil: prompt ini menggunakan seluruh durasi 15 detik untuk satu gerakan kontinu, yang merupakan cara paling andal untuk mendapatkan hasil bersih pada durasi tersebut. Pull-back dibatasi pada ketinggian konstan (tanpa kemiringan), yang mencegah model mengimprovisasi sumbu kamera kedua dan menciptakan gerakan tersentak. "Warna gaya LOG, vignette lensa ringan" mengkode tampilan kamera nyata tanpa memerlukan nama peralatan spesifik.
7. Mode bergaya — potret film analog (gambar)#
Apa yang dihasilkan: potret fotografi analog dengan rendering warna vintage yang akurat — butiran asli, halasi, dan pergeseran warna film kedaluwarsa.
Mengapa berhasil: "Kodak Portra 400 kedaluwarsa" adalah salah satu referensi gaya satu frasa terkuat di ruang laten gambar — membawa seperangkat ekspektasi tonal yang lengkap. Menentukan pergeseran warna ("hijau sedikit bergeser ke arah kuning-zaitun") mencegah butiran vintage generik dan memandu korupsi palet tepat yang terkait dengan film kedaluwarsa. Potongan ketat dan rasio aspek tertentu (4:5) menghasilkan potret yang terbaca sebagai cetakan foto nyata.
8. Lingkungan imersif — hujan (video)#
Apa yang dihasilkan: klip lingkungan imersif dari sudut pandang tunggal — kuat sebagai shot pembuka atau sebagai karya suasana yang berdiri sendiri.
Mengapa berhasil: "akhir Juni, 22:00" menentukan musim tepat, rasa suhu (hujan musim panas yang lembap), dan tingkat kegelapan. Pengendara sepeda yang melintas ditempatkan sebagai peristiwa spesifik pada waktu tertentu ("sekitar 2 detik di tengah klip"), yang memberi model jangkar naratif tanpa meminta aksi karakter yang kompleks. Audio diberikan dalam tiga lapisan terpisah (hujan di kaca, bunyi ban mobil jauh, motor), yang cenderung menghasilkan desain suara yang lebih cermat daripada satu instruksi "hujan kota ambient."
Menjalankan ini di OmniArt#
Semua delapan prompt berjalan di Grok Imagine 1.5 di dalam ruang kerja kreasi OmniArt — tidak perlu berlangganan xAI terpisah. Prompt gambar (1, 5, 7) masuk ke ruang kerja gambar; prompt video (2, 3, 4, 6, 8) masuk ke ruang kerja video di bawah Grok Imagine.
Beberapa catatan praktis untuk menjalankan di OmniArt:
- Mulai dengan 480p untuk iterasi. Pada 480p, video menghabiskan 10 kredit per detik. Setelah strukturnya benar, naikkan ke 720p (15 kredit per detik) untuk take terakhir.
- Gunakan Extend Mode untuk memperpanjang. Klip ambience (prompt 3) dan pull-back drone (prompt 6) dapat diperpanjang hingga 15 detik tambahan menggunakan Extend Mode Grok Imagine — model yang sama, hanya ditagih untuk bagian yang ditambahkan.
- Gunakan Modify Mode untuk koreksi bertarget. Jika pencahayaan dalam hasil hampir benar tetapi satu elemen tidak pas, Modify Mode memungkinkan Anda mendeskripsikan perubahan dalam teks tanpa meregenerasi klip penuh. Simpan klip sumber di 480p sebelum meneruskan ke Modify — mode ini membatasi input di 854×480.
- Konsistensi karakter lintas shot: jika Anda membuat beberapa shot karakter yang sama (gaya prompt 2), gunakan Reference Mode dengan headshot sebagai
@Image1dan nyatakan ulang deskripsi karakter di setiap prompt baru. Reference Mode Grok Imagine 1.5 adalah jalur paling langsung menuju konsistensi tanpa mengandalkan model yang di-fine-tune.
Untuk pembahasan lengkap semua enam mode pembuatan Grok Imagine, skenario biaya, dan kapan harus beralih ke model yang berbeda, lihat panduan lengkap Grok Imagine. Untuk kosakata sinematografi yang lebih luas yang dapat ditransfer ke prompt video apa pun, panduan prompt video AI sinematik layak di-bookmark bersamaan dengan yang satu ini.


