Grok Imagine 提示词指南(2026)
每个生成器都有自己的方言,Grok Imagine 的方言是用信息流的速度说出来的。Midjourney 奖励浓密的视觉散文,可灵要编排,而 xAI 的 Grok Imagine 在读起来像发消息的提示词上表现最好:短促、口语、懂梗。它成了每天追热点的创作者的工具——梗图、热点观点、产品上新、卡点万圣节、黑五和跨年的节日帖子。
这种方言坑两拨人。影视老兵写 80 词的镜头简报,拿到的是僵硬、过度导演的结果。随手写的用户输入”派对上的酷哥”,拿到的是垃圾。这个模型又快又宽容;纪律得你自己出。
这篇指南就是短格式的纪律:Grok Imagine 的提示词方言怎么用、七个镜头要素压缩成信息流大小的句子、三个可直接复制的模板,以及怎么从已经跑出来的爆款里研究节奏。
像帖子那样写,别像简报那样写
Grok Imagine 奖励”听起来就像它描述的内容”的提示词。方言有三个特征:
- 短句,动词打头。 “她撒出彩纸。镜头绕她甩过去。”好过”一个庆祝性的场景中,主体分散彩纸,同时摄影机执行旋转运动。”
- 氛围词是承重的。 “抓拍感”、”放飞”、”松弛”、”混乱”、”冷面”、”傻乐”这类词掌控调性,就像灯光词掌控情绪。可以用——但一条提示词只用一个氛围,不要五个。
- 文化速记可以有,品牌搬运不行。 “TikTok 味”、”穿搭检查”、”黄金时刻”、”主角光环”是合法的调性指令。真实品牌名、真实人物、抄来的口号不行——自己编产品、自己编脸、自己编文案。
陷阱在于把”短”当成”糙”。信息流大小的提示词依然要有主体、构图、动作和时间——只是用更少、更锋利的词携带它们。
压缩成短句的七个镜头要素
| 要素 | 要写什么 | Grok 尺寸的说法 |
|---|---|---|
| 主体 Subject | 谁 + 什么态度 | “黑色长发女生,棒球夹克,毫不费力,全场最拽” |
| 构图 Framing | 景别 + 画幅 | “半身,9:16” |
| 镜头 Camera | 一个运动,口语说法 | “手机手持感,抖得恰到好处” |
| 动作 Motion | 两秒钟的动作 | “撕开盒子,定住,然后笑弯了腰” |
| 光影色彩 Light & color | 两个词的调色 | “硬闪光灯,高对比” |
| 节奏 Timing | 时长 + 步调 | “5 秒,快节奏,没有冷场” |
| 声音 Sound | 用节奏暗示 | “看起来像配着热门 BGM” |
注意压缩方式:每个要素都在,词汇量缩小。”手机手持感,抖得恰到好处”比”充满动感的电影摄影机运动”告诉 Grok Imagine 的多得多——它点名了一种*来源美学*,而来源美学正是这个模型最会渲染的东西。
压缩,但别删:短提示词规则
一个氛围、一个动作、一个运动。 短提示词失败,都是因为偷偷夹带了三个想法。拆开。
主体放最前面。 信息流模型把注意力分配给第一个从句。先写谁在画面里,不是先写灯光。
点名美学来源,不点名技术术语。 “监控摄像头感”、”前置摄像头自拍”、”90 年代家用摄像机”、”MV 特写”——每一个都把十个词的技术压缩成三个。
时间照样要写。 哪怕两个节拍(”0–2 秒起哄;2–4 秒揭晓”),也能阻止片段乱跑。时长和画幅放最后,永远如此。
以保留清单收尾。 “全程同一张脸,画面里不要文字。”八个字省下一次重跑。
三个可直接复制的模板
1. 热点反应片段,竖屏(9:16)
黑色长发女生,棒球夹克,坐在乱糟糟的宿舍书桌前,半身,9:16。她撕开一个盲盒,定住,然后笑弯了腰。手机手持感,抖得恰到好处,3 秒时推近她的脸。硬闪光灯,高对比,混乱又温暖的配色。5 秒,快节奏,没有冷场。全程同一张脸,画面里不要文字。
2. 产品上新造势帖,竖屏(9:16)
哑光黑色水壶,橙色素面杯盖,在转盘上缓慢旋转,车库工作室,一盏硬光。镜头 3 秒内绕它转半圈,4 秒时急推到杯盖特写。高对比,水泥灰配安全橙。共 6 秒:0–2 秒旋转,2–4 秒环绕,4–6 秒变焦定格。有情绪但有趣,不端着。产品形状和颜色保持一致,任何地方都不要出现标识。
3. 节日出片生活片段,竖屏(9:16)
戴针织围巾的男生走在黄昏的集市街上,地面薄雪,到处是串灯,对着画面外的人大笑。前置摄像头自拍角度,9:16,随他转身而移动。暖色灯光,冷蓝阴影,傻乐的能量。6 秒:0–3 秒边走边对镜头说话,3–6 秒他转身,灯光虚化掠过。黄金时刻,但要节日版。全程同一张脸、同一条围巾,背景里不要有可读文字。
信息流节奏从哪来
Grok Imagine 的产出应该踩在目标平台的节奏上——而那个节奏已经被免费记录在所有地方了。你收藏夹里的 TikTok 和 Reels 就是时间数据:钩子多快落地、揭晓什么时候来、循环点之前定格多久。
用 SocialToPrompt,这些数据会变成结构化提示词。粘贴 25+ 平台的链接(YouTube、TikTok、Instagram、X、小红书、快手、B 站等)或上传本地文件——支持 20 秒以内——得到逐镜头的主体、构图、镜头、动作、光影、节奏拆解。把这套结构压缩进你的 Grok 尺寸句子,你就能既短促又精确。完整一跑 4 积分(提取 1 + 生成 3),新账号送 3 积分。
借节奏语法,笑话自己写。
自检清单
- [ ] 提示词听起来像帖子,不像制片简报
- [ ] 一个氛围、一个动作、一个镜头运动,不夹带私货
- [ ] 主体和态度在第一个从句里
- [ ] 点名了美学来源(手机感、家用摄像机、闪光抓拍)
- [ ] 哪怕短提示词也至少两个带时间的节拍
- [ ] 时长和画幅放在结尾(5 秒,9:16)
- [ ] 以保留清单收尾(同一张脸、无文字、无标识)
- [ ] 全部原创:没有真实品牌、人脸、口号或音频
常见错误
过度简报。 给梗图写 50 词的镜头术语,产出的是一支忘了搞笑的广告。Grok Imagine 已经默认了来源美学的氛围——别再把每项技术都规定死。
氛围乱炖。 “混乱、温暖、傻乐、冷面、复古”不是一种调性,是噪音。一条提示词一个氛围词,胜过五个。
不写保留清单。 然后你把省下的时间用来重跑变形的脸和凭空出现的文字。开头六个字,胜过重跑六次。
整个潮流照搬。 格式可以学;里面的人、品牌、音乐不行。用你自己的产品和表演者重建结构。
按帖子思考,用句子下笔,节拍一个不少——然后从信息流已经奖励的片段里提取节奏语法,用 SocialToPrompt。
分享文章