Grok Imagine: hướng dẫn mô hình video của xAI cho người sáng tạo 2026

Grok Imagine là mô hình sinh video và âm thanh của xAI, ra mắt tháng 1/2026 và dùng được trên OmniArt mà không cần gói đăng ký xAI riêng. Đây là sản phẩm khác với chatbot Grok — hai thứ chỉ chung tên gọi, ngoài ra không liên quan gì. Hướng dẫn này nói về việc Grok Imagine được xây để làm gì, sáu chế độ tạo đáng quan tâm, các mẫu prompt phù hợp với từng chế độ, và phép tính chi phí tín dụng thật cho những dự án thật.

Grok Imagine là gì

Grok Imagine sinh video tới 720p kèm âm thanh gốc, trong các clip dài 1–15 giây. Điểm mạnh không nằm ở độ phân giải — ở mức 720p, nó cố tình không đấu với Sora 2 hay V6 về độ trung thực thuần. Điểm mạnh nằm ở bề mặt quy trình bao quanh mô hình: sáu chế độ tạo dùng chung một bộ trọng số, cho phép bạn tạo, kéo dài, đổi phong cách và chỉnh sửa mà không phải rời khỏi mô hình.

Sáu chế độ cần biết

Mỗi chế độ là một cách khác nhau để nói cho mô hình biết nó đang làm việc với loại đầu vào nào. Chọn đúng chế độ chiếm phần lớn công việc viết prompt.

Text-to-Video

Chế độ mặc định. Viết một prompt, nhận một clip. Hợp nhất cho khám phá ý tưởng, dựng mood board và bản nháp cho mạng xã hội khi bạn chưa có ảnh tham chiếu. Chi phí 10–15 tín dụng mỗi giây tùy độ phân giải.

Image-to-Video

Làm động một ảnh tĩnh trong khi giữ nguyên bố cục đầu vào. Khung hình đầu tiên bị khóa theo ảnh của bạn. Dùng nó để làm động minh họa, ảnh chụp sản phẩm và mockup thiết kế, những chỗ mà khung hình gốc không thể thay đổi.

Reference Mode — điểm tạo khác biệt

Reference Mode nhận 1–7 ảnh làm neo trực quan mà không khóa khung hình đầu tiên. Bạn gắn thẻ cho ảnh bằng @Image1, @Image2, @Image3 rồi nhắc tới chúng trong prompt. Đây là thứ mà phần lớn mô hình video khác không có — chúng hoặc khóa khung hình đầu (image-to-video), hoặc không nhận ảnh tham chiếu nào cả (text-to-video). Reference Mode nằm ở giữa, và đó là con đường sạch nhất để giữ nhân vật nhất quán qua nhiều cảnh quay.

Chi phí là 15 tín dụng mỗi giây ở 480p, 22,5 ở 720p.

Extend Mode

Nối thêm 2–10 giây vào một clip có sẵn. Đầu vào là một tệp MP4 dài từ 2 đến 15 giây. Đầu ra là một clip liền mạch duy nhất; chỉ phần nối thêm mới bị tính phí. Mẹo dùng chéo mô hình: Extend Mode chạy được trên video sinh ra bởi bất kỳ mô hình nào trong studio video của OmniArt, không riêng Grok.

Modify Mode

Chỉnh một clip có sẵn mà không phải tạo lại — đổi nền, đổi ánh sáng, đổi màu trên vật thể cụ thể, thêm hiệu ứng thời tiết. Đầu vào bị giới hạn 8 giây và tự động co về 854×480, nghĩa là nguồn độ phân giải cao sẽ mất chi tiết sau vòng xử lý. Hãy dùng Modify trên những clip vốn đã tạo ở 480p.

Editing Suite — Restyle, Object Manipulation, Sketches to Life

Một túi đồ nghề các thao tác hậu kỳ. Restyle áp phong cách nghệ thuật (Cyberpunk, Anime, Retro, Origami, Watercolor, Mosaic). Object Manipulation thêm, xóa hoặc thay các thành phần. Sketches to Life làm động hình vẽ nét. Add Performance ghép chuyển động nhân vật lên hình tĩnh. Hữu ích khi cần nhiều biến thể từ một clip nguồn duy nhất.

Prompt tôn trọng mô hình

Bốn thói quen giúp chất lượng lên nhanh hơn là kéo dài prompt.

Dùng ngôn ngữ điện ảnh

Grok Imagine có sáu preset máy quay dựng sẵn: Zoom In, Zoom Out, Dolly Out, Tilt Up, Pan Right, Timelapse. Chúng kích hoạt chính xác hơn khi prompt dùng đúng thuật ngữ quay phim.

Gắn thẻ ảnh tham chiếu thật rõ

Reference Mode xuống chất lượng khi prompt chung chung. Hãy buộc mỗi ảnh tham chiếu vào một vai trò cụ thể.

"@Image1 (the red sports car) drifts around a mountain corner with @Image3 (the sunset sky) in the background while @Image2 (the driver character) grips the steering wheel."

Đưa hành động lên trước

Quá trình tạo chạy tuần tự theo chiều dài clip. Nếu cao trào nằm ở cuối một clip 5 giây, mô hình có thể không kịp hoàn thành nó. Hãy dời hành động lên đầu.

Chia nhịp clip 10–15 giây theo dòng thời gian

Với clip dài hơn, hãy viết luôn nhịp thời gian vào prompt.

"Slow zoom into abandoned library (0–5s), dust particles catch light beams (5–10s), book falls from shelf (10–12s), pages flutter (12–15s)."

Chi phí thực tế

Ba kịch bản cảnh quay có thật, tính theo tín dụng OmniArt.

Video sản phẩm TikTok 15 giây

Storyboard thương hiệu 3 cảnh

Một lượt đổi phong cách

Khi nào nên chọn mô hình khác

Grok Imagine là công cụ đúng cho nội dung mạng xã hội ngắn, việc biến phác thảo thành hình động, và các câu chuyện multi-shot dựa trên ảnh tham chiếu ở mức 480p–720p. Nó là lựa chọn sai khi:

Những mẫu quy trình chạy được việc

Cách Grok Imagine sinh lời trên OmniArt không phải với vai trò một bộ tạo video độc lập — mà là lớp lặp lại. Hai mẫu quy trình mang lại nhiều nhất.

Mẫu 1 — tạo ở nơi khác, tinh chỉnh ở đây. Dựng clip gốc bằng V6 hoặc Sora 2 ở độ phân giải cao hơn, rồi dùng Extend, Restyle và Modify để xoay ra các biến thể và phần bổ sung trong Grok với chi phí thấp hơn.

Mẫu 2 — Reference Mode để khóa nhân vật. Khi một chiến dịch thương hiệu cần cùng một nhân vật xuyên năm cảnh, hãy khóa danh tính bằng một ảnh neo trong @Image1, rồi tạo từng cảnh với cùng bộ ảnh tham chiếu ở Reference Mode. Rẻ hơn so với quay lại Sora 2 cho từng cảnh.

Bắt đầu trên OmniArt

Grok Imagine có sẵn trong studio video của OmniArt, cạnh V6, BACH, Sora 2, Veo 3, Kling 3.0, HappyHorse 1.0 và Seedance 2.0. Cùng một số dư tín dụng, cùng một luồng tải ảnh tham chiếu lên, cùng một ngữ pháp prompt. Hãy bắt đầu ở Text-to-Video để làm quen với các preset máy quay, rồi chuyển lên Reference Mode khi bạn đã có nhân vật hoặc sản phẩm cần khóa.

Ghép hướng dẫn này với bài mổ xẻ nhà quay phim BACH cho các dự án tự sự cần độ trung thực cao hơn, hoặc danh sách rút gọn ảnh sang video nếu bạn đang chọn mô hình cho một cảnh quay cụ thể.