Grok Imagine : transformer une image en courte vidéo

Vous avez peut-être déjà obtenu une image Grok Imagine convaincante, mais la version animée change le visage, fait disparaître un accessoire ou déforme l’arrière-plan. Le moyen le plus fiable de progresser n’est pas d’allonger le prompt au hasard : il faut stabiliser l’image, séparer l’apparence du mouvement, puis contrôler le résultat avec la même grille à chaque essai.

Ce guide commence par une méthode indépendante du nom exact des boutons dans l’application ou sur le site Grok, puis propose un parcours reproductible avec l’API xAI. À la fin, vous saurez créer une image fixe, l’animer en courte vidéo, vérifier le mouvement et la continuité du sujet, enregistrer les fichiers et distinguer les limites de votre compte Grok de celles de l’API.

Réalisez une première image-vers-vidéo en cinq étapes

Pour le premier essai, demandez une seule action au sujet et un seul mouvement de caméra. L’objectif est d’abord de valider tout le parcours, pas de produire immédiatement une scène complexe.

1. Créez l’image fixe. Verrouillez le sujet, les vêtements ou l’objet important, le cadrage, l’arrière-plan et la lumière ; ne décrivez pas encore une longue suite d’actions.
2. Choisissez une image facile à animer. Contrôlez le visage, les mains, le texte, les contours et les occultations. Un défaut déjà visible sur l’image devient souvent plus gênant en mouvement.
3. Rédigez un prompt de mouvement séparé. Dites seulement ce qui doit se passer ensuite, puis nommez les éléments d’identité et de décor qui ne doivent pas changer.
4. Lancez la vidéo depuis cette image précise. Ouvrez l’image retenue et utilisez l’action d’animation ou de vidéo réellement visible sur votre compte ; son libellé peut varier selon le compte, la version et la région.
5. Téléchargez avant de relancer. Vérifiez le mouvement, la continuité du sujet, la caméra et le fichier enregistré, puis ne modifiez qu’une variable pour la version suivante.

Stabilisez l’identité et la composition dans l’image fixe

Une bonne image source doit être stable avant d’être spectaculaire. Un visage lisible, des vêtements reconnaissables, un objet clé bien séparé et une silhouette claire donnent au modèle moins d’ambiguïtés lorsqu’il invente les images intermédiaires.

Construisez le prompt dans cet ordre : sujet et traits permanents, composition et caméra, arrière-plan, lumière et style, puis format souhaité. Réservez le mouvement au prompt vidéo ; cela permet de savoir si un écart vient de l’image de départ ou de l’instruction d’animation.

Modèle de prompt pour l’image fixe

Sujet et caractéristiques immuables ; vêtements, accessoires ou objet principal ; taille de plan, hauteur de caméra et rendu de focale ; arrière-plan ; lumière, palette et style ; profondeur de champ ; format.

Exemple

Portrait cinématographique à mi-corps d’une jeune femme portant un manteau anthracite, avec un oiseau jaune vif posé sur son épaule ; une foule dans une gare forme un léger flou de mouvement en arrière-plan ; caméra à hauteur des yeux, rendu 50 mm, faible profondeur de champ ; la femme et l’oiseau sont nets.

Pour choisir entre plusieurs variantes, ne retenez pas seulement l’image la plus atmosphérique. Vérifiez plutôt les points suivants :

• Le visage, les yeux, les mains et l’objet principal sont cohérents, avec des silhouettes séparées et lisibles.
• Les parties du corps qui doivent bouger ne sont ni coupées par le cadre ni fortement cachées par un élément au premier plan.
• La coiffure, la couleur des vêtements, les accessoires et le nombre de sujets sont faciles à nommer pour pouvoir les verrouiller dans le prompt vidéo.
• L’arrière-plan ne contient pas de texte cassé, de personnes dupliquées ni de structures croisées trop denses susceptibles de dériver.

Si l’identité ou la géométrie est déjà instable dans l’image, régénérez d’abord l’image. La vidéo ne répare pas de façon fiable un visage incohérent, une main fusionnée ou un objet mal dessiné.

Décrivez un changement, pas une nouvelle scène

Un prompt de mouvement utile comporte quatre parties : action du sujet, action de la caméra, mouvement de l’arrière-plan et liste de verrouillage. Commencez par une action courte dont le résultat est observable.

Choisissez une action avec un début et une fin visibles en quelques secondes. « Elle se tourne vers la caméra et cligne une fois des yeux » se vérifie facilement ; « une ambiance vivante et magique » ne dit ni ce qui bouge ni comment juger la réussite.

Modèle de prompt de mouvement

Ce que fait le sujet pendant quelques secondes ; mouvement de la caméra ; mouvement de l’arrière-plan ; visage, vêtements, objet, nombre de sujets, cadrage et disposition du décor qui doivent rester inchangés.

Exemple

La femme se tourne lentement vers la caméra et cligne une fois des yeux. L’oiseau jaune déplace ses pattes et entrouvre une aile. La foule continue de marcher derrière eux. La caméra avance lentement. Conserver exactement le visage de la femme, le manteau anthracite, la couleur de l’oiseau, le nombre de sujets, le cadrage et la disposition de la gare.

Ne commencez pas par cumuler changement de tenue, météo, explosion, interaction entre plusieurs personnes et caméra complexe. Si le résultat échoue, vous ne saurez pas quelle demande a provoqué la dérive.

Partez de l’image retenue et enregistrez immédiatement les deux fichiers

Dans l’application ou sur le site Grok, le nom exact du bouton importe moins que le contexte. Vérifiez que vous poursuivez depuis l’image finale sélectionnée, et non depuis une nouvelle conversation textuelle ou une autre variante.

Ouvrez l’image retenue, choisissez l’action d’animation ou d’image-vers-vidéo actuellement proposée à votre compte, collez le prompt de mouvement, puis lancez une seule génération. Les libellés, quotas et délais affichés peuvent varier : fiez-vous à l’écran de votre propre compte plutôt qu’à une capture d’un autre utilisateur.

Dès que le résultat est prêt, téléchargez l’image et la vidéo et conservez les deux prompts avec eux. Les URL de médias générés ne doivent pas servir d’archive permanente ; un fichier local nommé par version évite de perdre la correspondance entre l’image source, l’instruction et le clip.

Contrôlez cinq points avant de dépenser une nouvelle génération

Une vidéo qui se lit n’est pas forcément exploitable. Examinez toujours les éléments dans le même ordre afin de distinguer un défaut de l’image source, un prompt trop ambitieux et un mouvement de caméra inattendu.

• Correspondance de la première image : la première frame ressemble encore à l’image choisie — visage, vêtements, oiseau, nombre de sujets et disposition du décor correspondent.
• Action réalisée : le mouvement demandé se produit dans la bonne direction, avec l’amplitude et l’ordre attendus.
• Continuité du sujet : aucun échange de visage, membre supplémentaire ou manquant, changement de couleur, accessoire disparu ou fusion de sujets n’apparaît.
• Maîtrise de la caméra : la caméra n’effectue que le mouvement demandé, sans coupe, roulis ni secousse violente imprévus.
• Livrable enregistré : la vidéo complète se lit, le fichier est téléchargé et vous pouvez retrouver son image source et son prompt.

Si l’identité ou l’enregistrement du fichier échoue, n’augmentez pas encore l’ampleur du mouvement. Revenez à l’image ou au prompt de mouvement ; n’ajoutez des actions qu’une fois un clip simple et stable obtenu.

Séparez l’accès au produit Grok, les limites de l’API et les exemples d’utilisateurs

Au 28 septembre 2026, la documentation officielle établit la capacité image-vers-vidéo et le contrat de l’API. Elle ne garantit pas que chaque compte Grok affiche le même bouton, le même quota gratuit, le même délai ou la même disponibilité régionale.

Élément de preuve	Ce qu’il permet réellement de conclure
Votre écran Grok, application ou web	Indique si ce compte dispose actuellement de l’action, du quota restant, d’un éventuel délai d’attente et d’un téléchargement fonctionnel.
Documentation officielle de l’API xAI	Décrit le modèle API, les formats d’entrée, les états asynchrones, la durée et la résolution — pas les droits d’accès de l’interface Grok.
Publication d’un créateur sur X	Montre que cette personne a produit un court clip à ce moment-là, sans établir une durée maximale universelle, un niveau de qualité ou une allocation gratuite.

Le guide officiel image-vers-vidéo accepte une URL publique, une data URI en base64 ou un file_id comme image d’entrée. La documentation de génération vidéo indique pour grok-imagine-video-1.5 une durée de 1 à 15 secondes et des résolutions 480p, 720p ou 1080p ; pour l’image-vers-vidéo, l’omission du format conserve le ratio de l’image, tandis qu’un format forcé l’étire.

Considérez les quotas de l’application, les temps de récupération et la disponibilité régionale comme propres au compte tant que votre écran ne les confirme pas. Les limites de débit de l’API et la tarification sont séparées de l’abonnement au produit Grok et peuvent évoluer ; consultez-les au moment de l’exécution.

La publication Frame Zero sur X rapporte la création d’une image dans Grok Imagine puis d’une vidéo visible de quatre secondes. Il s’agit d’un témoignage individuel utile pour illustrer le parcours, pas d’une spécification officielle ni d’une garantie de résultat.

Utilisez l’API officielle pour obtenir un parcours reproductible

Le script Bash ci-dessous suit les contrats officiels actuels de génération d’images, d’image-vers-vidéo et de récupération d’une vidéo. Il génère une image, la télécharge, lance la vidéo avec l’URL retournée, interroge l’état jusqu’à une fin explicite, puis télécharge le MP4.

Il vous faut un compte API xAI avec facturation et accès activés, ainsi que curl, jq et python3. Le code s’exécute dans Bash. La clé est lue sans affichage et n’est ni écrite dans le script ni placée dans l’historique de la commande.

set -euo pipefail

command -v curl >/dev/null
command -v jq >/dev/null
command -v python3 >/dev/null

read -rs XAI_API_KEY && export XAI_API_KEY
trap 'unset XAI_API_KEY' EXIT

STILL_PROMPT=$(cat <<'PROMPT'
Portrait cinématographique à mi-corps d’une jeune femme portant un manteau anthracite, avec un oiseau jaune vif posé sur son épaule ; une foule dans une gare forme un léger flou de mouvement en arrière-plan ; caméra à hauteur des yeux, rendu 50 mm, faible profondeur de champ ; la femme et l’oiseau sont nets.
PROMPT
)

MOTION_PROMPT=$(cat <<'PROMPT'
La femme se tourne lentement vers la caméra et cligne une fois des yeux. L’oiseau jaune déplace ses pattes et entrouvre une aile. La foule continue de marcher derrière eux. La caméra avance lentement. Conserver exactement le visage de la femme, le manteau anthracite, la couleur de l’oiseau, le nombre de sujets, le cadrage et la disposition de la gare.
PROMPT
)

IMAGE_PAYLOAD=$(jq -n \
  --arg prompt "$STILL_PROMPT" \
  '{
    model: "grok-imagine-image-2.0",
    prompt: $prompt,
    aspect_ratio: "16:9",
    resolution: "1k"
  }')

IMAGE_JSON=$(curl --fail-with-body --silent --show-error \
  https://api.x.ai/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d "$IMAGE_PAYLOAD")

IMAGE_URL=$(jq -r '.data[0].url // empty' <<<"$IMAGE_JSON")
if [ -z "$IMAGE_URL" ]; then
  printf '%s\n' "Aucune URL d’image n’a été trouvée dans la réponse." >&2
  jq . <<<"$IMAGE_JSON" >&2
  exit 1
fi

curl --fail-with-body --location --silent --show-error \
  "$IMAGE_URL" -o grok-imagine-still.jpg

VIDEO_PAYLOAD=$(jq -n \
  --arg prompt "$MOTION_PROMPT" \
  --arg image "$IMAGE_URL" \
  '{
    model: "grok-imagine-video-1.5",
    prompt: $prompt,
    image: {url: $image},
    duration: 8,
    resolution: "720p"
  }')

START_JSON=$(curl --fail-with-body --silent --show-error \
  https://api.x.ai/v1/videos/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d "$VIDEO_PAYLOAD")

REQUEST_ID=$(jq -r '.request_id // empty' <<<"$START_JSON")
if [ -z "$REQUEST_ID" ]; then
  printf '%s\n' "Aucun request_id n’a été trouvé dans la réponse de lancement vidéo." >&2
  jq . <<<"$START_JSON" >&2
  exit 1
fi

for _ in $(seq 1 120); do
  RESULT=$(curl --fail-with-body --silent --show-error \
    "https://api.x.ai/v1/videos/$REQUEST_ID" \
    -H "Authorization: Bearer $XAI_API_KEY")

  STATUS=$(jq -r '.status // "unknown"' <<<"$RESULT")

  case "$STATUS" in
    pending)
      sleep 5
      ;;
    done)
      VIDEO_URL=$(jq -r '.video.url // empty' <<<"$RESULT")
      if [ -z "$VIDEO_URL" ]; then
        printf '%s\n' "Aucune URL de vidéo n’a été trouvée dans la réponse terminée." >&2
        jq . <<<"$RESULT" >&2
        exit 1
      fi
      curl --fail-with-body --location --silent --show-error \
        "$VIDEO_URL" -o grok-imagine-output.mp4
      printf '%s\n' "Fichiers grok-imagine-still.jpg et grok-imagine-output.mp4 enregistrés"
      exit 0
      ;;
    failed|expired)
      printf 'La génération vidéo s’est terminée avec l’état : %s\n' "$STATUS" >&2
      jq . <<<"$RESULT" >&2
      exit 1
      ;;
    *)
      printf 'État inattendu : %s\n' "$STATUS" >&2
      jq . <<<"$RESULT" >&2
      exit 1
      ;;
  esac
done

printf '%s\n' "Arrêt de l’interrogation après dix minutes sans résultat final." >&2
exit 1

La réussite signifie que le script se termine avec le code 0 et que le dossier courant contient grok-imagine-still.jpg et grok-imagine-output.mp4. Les états failed et expired arrêtent le script avec une erreur ; pending continue l’interrogation ; done n’est accepté que si .video.url est présent.

Ce code est un modèle reproductible fondé sur les champs documentés, pas un test de qualité visuelle réalisé ici. Le lien de l’image retournée est réutilisé immédiatement pour la vidéo et les deux médias sont téléchargés, car les URL générées sont temporaires.

Corrigez la cause la plus probable avant de tout modifier

Ne changez qu’une variable en amont par tentative. Vous pourrez ainsi attribuer l’amélioration — ou l’échec — à une cause précise.

Aucune action image-vers-vidéo n’est visible

Vérifiez d’abord que vous avez ouvert l’image finale et non une nouvelle conversation. Contrôlez ensuite la version de l’application, le compte connecté, l’offre, la région et tout message de délai affiché. Ne copiez pas le nom d’un bouton vu sur la capture d’un autre utilisateur ; si vous disposez d’un accès API, utilisez l’endpoint officiel image-vers-vidéo.

Le visage change ou l’objet principal disparaît

Revenez à une image source avec des silhouettes plus nettes et moins d’occultations, réduisez l’ampleur du geste et terminez le prompt par une liste explicite : visage, vêtements, couleur, nombre de sujets et objet principal. Si la première frame diffère déjà, ajouter davantage de prose résout rarement le problème.

La vidéo reste presque immobile

Remplacez les termes abstraits par une transition visible avec un début et une fin, par exemple « se tourne du profil gauche vers la caméra et cligne une fois des yeux ». Conservez une seule action du sujet et une seule action de caméra pour éviter des demandes contradictoires.

L’arrière-plan fond ou la caméra s’emballe

Supprimez d’abord le mouvement de l’arrière-plan et gardez seulement l’action du sujet ; fixez la caméra ou demandez un unique rapprochement lent. Les foules, textes, barrières et lignes croisées dérivent facilement : simplifiez l’image source si nécessaire.

L’API reste pending, puis échoue ou expire

Interrogez l’état à intervalle fixe et ne soumettez pas de doublons simplement parce que plusieurs minutes se sont écoulées. Après failed ou expired, examinez la réponse, l’état de la clé et du compte, ainsi que l’accessibilité de l’URL d’entrée, puis créez une nouvelle requête. Respectez un délai maximal au lieu d’interroger indéfiniment.

L’URL terminée ne fonctionne plus plus tard

La documentation officielle décrit les URL d’images et de vidéos générées comme temporaires. Téléchargez dès que la requête atteint done, nommez les fichiers locaux par version et n’utilisez pas l’URL hébergée comme stockage permanent.

Gardez l’image fixe et ne changez qu’une variable pour la version suivante

Une relance utile répond à une question précise ; « essayer encore » sans protocole n’en résout aucune.

1. Conservez la même image source et la même liste de verrouillage, puis ne modifiez que l’amplitude du mouvement pour voir si la continuité s’améliore.
2. Une fois le mouvement stable, modifiez la caméra — par exemple d’un plan fixe à un lent rapprochement — sans remplacer l’image source.
3. Une fois la caméra stable, ajustez la durée ou la résolution et notez le temps de traitement, l’état final et le résultat du téléchargement.
4. Conservez sur une seule ligne le numéro de version, le nom de l’image, le prompt de mouvement, les paramètres et le résultat du contrôle pour pouvoir revenir en arrière.

Cette méthode permet de savoir si le problème vient de l’image, de l’instruction de mouvement, de la caméra ou de l’accès. Stabilisez d’abord un clip simple, puis ajoutez une seule difficulté à la fois.

Références et portée

Les pages ci-dessous ont été vérifiées le 28 septembre 2026. Les pages officielles étayent les capacités et les champs de l’API ; la publication X sert uniquement de témoignage individuel.

• xAI Image Generation — modèle, /v1/images/generations, URL d’image temporaire et options de configuration.
• xAI Image-to-Video — formats d’image acceptés et exemple avec grok-imagine-video-1.5.
• xAI Video Generation — flux asynchrone, états, durée, résolution et URL de sortie temporaire.
• xAI Videos REST API Reference — request_id et endpoint de récupération du résultat.
• xAI Release Notes — entrée du 31 juillet 2026 sur les modalités de grok-imagine-video-1.5.
• Publication Frame Zero sur X — témoignage personnel, sans valeur de limite officielle ni de garantie générale de qualité.