Générer des images et vidéos

La création visuelle avec Grok

Après avoir vu comment Grok comprend une image, voyons comment il en fabrique. La famille de modèles grok-imagine génère des images et des vidéos à partir de descriptions textuelles, ce qui en fait un outil de création de contenu, de prototypage visuel et d’illustration. Une idée de visuel qui demandait un brief, un prestataire et deux jours d’attente se teste désormais en quelques minutes, quitte à confier ensuite la version finale à un professionnel.

Générer une image

Sur grok.com, la génération est intégrée à l’interface conversationnelle : il suffit de décrire l’image souhaitée dans votre message. La qualité du résultat tient presque entièrement à la précision de cette description, comme dans cet exemple qui fixe le sujet, le lieu, le moment et le style :

Génère une illustration d'un chat roux assis sur un toit
parisien au coucher du soleil, dans un style aquarelle.

Grok utilisera automatiquement le modèle grok-imagine pour créer l’image, qui s’affiche dans la conversation et peut être téléchargée. Deux modèles coexistent selon l’exigence du moment : grok-imagine-image, le modèle standard, rapide et économique, convient aux itérations et aux essais de cadrage, tandis que grok-imagine-image-quality, plus lent, offre des rendus plus détaillés et plus réalistes que l’on réserve à la version retenue.

Via l’API, vous disposez de contrôles précis sur la génération :

response = client.images.generate(
    model="grok-imagine-image",
    prompt="Un paysage futuriste avec des bâtiments flottants",
    n=1,
    aspect_ratio="16:9",
    resolution="2k"
)

Les ratios d’aspect disponibles incluent 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 et d’autres — de quoi produire d’un même prompt la bannière et sa déclinaison verticale pour mobile. Vous pouvez générer jusqu’à 10 images par requête, la bonne manière d’explorer une direction artistique : mieux vaut dix variations d’un prompt correct qu’une seule image d’un prompt que l’on croit parfait.

Grok modifie également des images existantes. L’édition via l’API permet d’ajouter des éléments, de changer le style ou l’ambiance, de corriger des détails, et surtout d’enchaîner des retouches successives en réinjectant la sortie d’une requête comme entrée de la suivante. Ce chaînage remplace avantageusement le prompt géant qui tente tout d’un coup : on avance par corrections lisibles et l’on peut revenir en arrière. Jusqu’à 5 images sources peuvent être fournies par requête d’édition.

Générer une vidéo

Contrairement aux images, produites instantanément, la création de vidéos est un processus asynchrone, ce qui a une conséquence directe sur votre code : vous ne pouvez pas attendre la réponse dans le fil de la requête. La séquence se déroule ainsi :

1. Vous soumettez votre requête avec une description
2. Vous recevez un identifiant de requête
3. La vidéo est générée en arrière-plan
4. Vous récupérez le résultat une fois la génération terminée

Trois approches sont possibles. Le Text-to-Video crée une vidéo à partir d’une description textuelle, le Image-to-Video anime une image existante — la voie la plus fiable quand vous tenez déjà au visuel de départ — et les images de référence servent de guide de style pour la vidéo, afin de rester cohérent avec une charte graphique.

Une vidéo générée peut par ailleurs être prolongée : vous ajoutez de 2 à 10 secondes à la fin d’une séquence existante, avec un prompt décrivant la suite souhaitée. C’est la façon la plus simple de dépasser la durée d’une génération unique sans perdre la continuité visuelle.

Écrire des prompts qui tiennent

Pour une image, décrivez le sujet, le style, les couleurs, l’ambiance et l’éclairage plutôt que de vous en tenir à un objet. Nommez explicitement le style visé — aquarelle, photographie, illustration vectorielle, pixel art — car en son absence le modèle tranche à votre place. Indiquez la composition, vue de face, plongée, gros plan ou panoramique, puis les détails qui ancrent la scène : textures, matériaux, heure du jour, saison.

Pour une vidéo, c’est le mouvement qui porte le résultat : précisez ce qui bouge, dans quelle direction et à quelle vitesse, puis l’ambiance recherchée, calme, dynamique, dramatique ou joyeuse. Restez réaliste sur l’ampleur, car les séquences courtes aux mouvements simples donnent de meilleurs résultats qu’un plan complexe demandé en une fois.

Quatre limites à intégrer dès le premier essai

Les URLs des images et vidéos générées sont temporaires : téléchargez vos créations immédiatement, sinon vous devrez les régénérer, et une génération identique ne redonne jamais exactement le même rendu. Une modération de contenu s’applique automatiquement. La génération vidéo a un timeout par défaut de dix minutes, à prévoir dans votre gestion d’erreurs. Enfin, l’édition vidéo est limitée à 8,7 secondes de sortie en résolution 720p maximum : à savoir avant de bâtir un format éditorial dessus.

Points clés à retenir

• grok-imagine permet de générer des images (standard et pro) et des vidéos
• Les images sont générées instantanément, les vidéos de manière asynchrone
• Plusieurs ratios d’aspect et résolutions sont disponibles
• L’édition d’images et l’extension de vidéos enrichissent les possibilités créatives
• Les URLs générées sont temporaires : téléchargez vos créations sans attendre