Grok Image

Коротко

Разработчик

xAI, модель для картинок из семейства Grok Imagine

На входе

задание до 5000 знаков и до 5 картинок JPEG, PNG или WebP, до 10 МБ каждая

На выходе

по тексту две картинки за запуск, при правке одна

Пропорции

1:1, 2:3, 3:2, 9:16 и 16:9 для картинок по тексту

Размер

по тексту около 1 мегапикселя, квадрат 960×960; после правки у нас выходило до 1728 пикселей по длинной стороне

Русский язык

задание понимает; кириллицу на картинке пишет с ошибками, латиницу точнее

Цена

4 ₽

Обычно готово

≈ 35 с после отправки

API

есть, документация

Что умеет Grok Image

Ниже пять задач, которые мы прогнали здесь сами, и один готовый пример сайта. Каждый результат получен с одного запуска, мы его только уменьшили для страницы.

Два варианта по одному заданию

Если в форме нет загруженных файлов, нейросеть рисует с нуля и присылает два изображения за цену одного запуска. Мы попросили фото сырников для меню кафе и ждали ответа 80 секунд.

Фото еды для меню кафе: на деревянном столе у окна тарелка с тремя сырниками, сверху ложка сметаны и свежая малина, рядом чашка капучино и льняная салфетка. Утренний мягкий свет сбоку, малая глубина резкости, вид сверху под углом 45 градусов, без надписей.

Варианты вышли разные. На левом весь стол виден сверху, ложка лежит на тарелке. На правом камера опустилась ниже, а ложка со сметаной висит в воздухе над сырниками, как будто её держит невидимая рука. Угол 45 градусов вышел только на левом. Тут и пригодился второй вариант: из двух легче выбрать тот, что ближе к заданию.

Правка фото словами

Загрузите картинку в поле Изображения, и нейросеть переключится на правку. Мы отдали ей левый вариант сырников и попросили поменять ягоды и напиток. Ответ пришёл через 19 секунд.

Замени малину на чернику, а капучино — на чёрный чай в прозрачной стеклянной чашке. Сырники, сметану, тарелку, салфетку, стол, окно и свет оставь без изменений.

Поменялось только названное. Малина везде стала черникой, даже ягоды на столе, а капучино превратился в чай в стеклянной кружке. Ложка, салфетка, трещинки на досках, вид за окном и даже размытый горшок с растением на улице остались на своих местах, так что оба кадра можно ставить рядом в меню как один и тот же завтрак с разными добавками. Результат правки вышел крупнее исходника, 1408×1408 против 960×960.

С той же точностью нейросеть убирает лишнее. С витрины кофейни мы попросили убрать меловую доску и заодно сделать зиму. Доска исчезла чисто. А вот зима вышла робкой: снег лёг только на крышу и тротуар, а снегопада, о котором мы тоже просили, на картинке нет.

Убери меловую доску у входа. Сделай на улице зиму: на брусчатке, подоконнике и крыше лежит снег, идёт лёгкий снегопад. Вывеску, витрину, дом и свет в окнах не меняй.

Перерисовать в другом стиле

Для этой задачи мы сначала сделали портрет столяра в мастерской. Такого человека нет, его выдумала сама нейросеть по тексту. Первая просьба перерисовать фото «акварельной иллюстрацией» почти ничего не дала: вышла та же фотография с лёгкой текстурой бумаги. Со второй попытки мы прямо запретили фотографическую детализацию и назвали технику, и стиль сменился.

Полностью перерисуй эту сцену как рисунок цветными карандашами в детской книжке: простые линии, заметная штриховка, мало деталей, светлый фон бумаги, никакой фотографической детализации. Мужчина, его поза и табуретка остаются.

Лицо, борода и клетка на рубашке узнаются, табуретка стоит в тех же руках. Мастерская за спиной превратилась в несколько карандашных контуров: мы сами попросили «мало деталей», и нейросеть поняла это буквально.

Сцена из нескольких картинок

До пяти картинок можно свести в одну сцену. В примере сайта девушка с первой картинки получила кроссовок со второй, оба исходника нарисованы нейросетью.

Объедини два изображения: девушка с первого держит в руках кроссовок со второго изображения и с улыбкой рассматривает его, стиль 3D-мультфильма сохранить.

Кроссовок перешёл вместе с оранжевой подошвой и надписью на боку, стол и стакан кофе остались. Пропала надпись слева, о ней в задании не было ни слова. Главный кадр загружайте первым: пропорции итог берёт с него.

Надписи: латиница точнее кириллицы

Мы дали одно и то же задание дважды: с вывеской «КОФЕ» по-русски и с вывеской «COFFEE & BOOKS» по-английски. Сверху русские варианты, снизу английские.

Фото витрины маленькой кофейни на старой улице вечером. Над входом деревянная вывеска с крупной надписью «КОФЕ». Тёплый свет из окна, мокрая брусчатка после дождя, фотореализм.

Обе русские вывески с ошибкой. Даже в слове из четырёх букв нейросеть написала «КОФФЕ» и «КОРФЕ». Английская вывеска в обоих вариантах написана верно, и мелкая надпись на меловой доске у входа тоже, хотя про доску в задании не было ни слова и текст для неё нейросеть придумала сама. В углу одного из русских вариантов нейросеть ещё и нарисовала логотип несуществующего фотостока. Для афиш и открыток с русским текстом берите версию 2.0 или Pro. Здесь же надпись удобнее добавить потом в редакторе.

Как это работает

У Grok Image два способа работы, и переключать их не нужно: всё решает поле Изображения. Если оно пустое, нейросеть рисует по одному тексту из поля Задание и присылает две картинки в выбранных пропорциях. Если загрузить от одной до пяти картинок, начинается правка: нейросеть берёт их за основу, меняет то, что вы описали, и присылает один результат. Поле Соотношение сторон при этом исчезает: пропорции, по словам xAI, берутся с первой загруженной картинки.

Цена видна на кнопке Отправить до запуска. Результаты появляются в ленте под формой и хранятся 7 дней в разделе Мои результаты; нужное скачайте или сохраните в библиотеку, там срока нет. Кнопка Изменить на карточке возвращает в форму прошлое задание, Повторить запускает его ещё раз. У результата правки, где картинка одна, есть ещё Редактировать: она кладёт картинку в поле Изображения для следующей правки. Если не знаете, с чего начать, нажмите Генератор промпта у поля Задание: он соберёт подробный текст из пары слов (это отдельный платный запуск).

Одну правку для десятка фото удобнее отправить разом: переключите Один запуск над формой на Много за раз. Как это устроено, рассказано в справке.

Настройки: что ставить

• В поле Задание помещается от 3 до 5000 знаков. Для новой картинки опишите, что в кадре, где, какой свет и стиль. Для правки назовите, что поменять, и перечислите, что оставить.
• В поле Изображения можно загрузить до 5 файлов JPEG, PNG или WebP, каждый до 10 МБ. Одной картинки хватит для правки, несколько нужны, когда собираете сцену. В задании ссылайтесь на порядок: «с первой», «со второй».
• Поле Соотношение сторон есть только у картинок по тексту, по умолчанию 1:1. Для сторис берите 9:16, для обложки видео 16:9, для вертикального фото 2:3. На цену поле не влияет.

Как писать промпт

Удобная формула: кто или что в кадре, что происходит, где, какой свет, каким способом снято или нарисовано. Все задания на этой странице написаны по-русски, переводить их не понадобилось. Исключение одно: надпись, которая должна появиться на картинке, лучше давать латиницей и в кавычках.

Заготовка для новой картинки, квадратные скобки замените своим:

А эта подходит для правки, чтобы лишнее не поменялось:

• Не перечислили, что оставить, — нейросеть может заодно переставить предметы или сменить фон.
• Мягкая просьба о стиле («сделай акварелью») может дать почти то же фото, так вышло у нас с первой попыткой. Назовите технику и прямо запретите фотографичность, как во втором задании со столяром.
• Без слов «без текста» или «без надписей» на картинке могут появиться выдуманные буквы и логотипы.

Готовые задания с кнопкой Повторить собраны на странице готовых промптов.

Сколько стоит

Цена одна на любой запуск: от пропорций, длины задания и числа загруженных картинок она не меняется.

Для проб по тексту это удобно: за одну цену приходят сразу два варианта на выбор. Если модерация отклонит запрос или нейросеть не ответит, деньги вернутся на баланс сами.

Для чего подойдёт

• Фото блюд для меню, доставки и соцсетей, как сырники выше.
• Замена предмета, цвета или напитка на готовом снимке без пересъёмки.
• Удаление лишнего из кадра: таблички, провода, случайного предмета на столе.
• Иллюстрация к посту или презентации в нужном стиле: постер, комикс, акварель.
• Перевод фото в рисунок для открытки или детской книжки.
• Сцена из нескольких картинок: персонаж с товаром, предмет в новом интерьере.
• Стартовый кадр для ролика в Grok Video или другой видеонейросети.

Ограничения

• Русские буквы на картинке выходят с ошибками даже в коротком слове. Для надписей возьмите версию 2.0 или Pro либо добавьте текст в редакторе.
• Размер по тексту небольшой, около мегапикселя. Для печати или крупного баннера нужна Pro с разрешением 2K или другая нейросеть.
• Пропорций пять: нет 4:3, 3:4 и вытянутых форматов вроде 20:9. Они есть у Pro.
• Крупные перемены всей сцены, вроде смены сезона, получаются осторожными. Опишите результат подробнее или сделайте правку в два шага.
• Иногда нейросеть дорисовывает то, чего не просили: висящую в воздухе ложку, логотип в углу. В наших пробах из двух вариантов один обычно выходил чище.
• У xAI свои правила о допустимом: откровенные сцены и часть правок с фото людей нейросеть может отклонить.

Версии и альтернативы

Картинки в семействе Grok рисуют три нейросети. Подробно мы сравнили их на одной афише в обзоре всех нейросетей Grok, здесь покажем одно задание у этой нейросети и у самой новой версии, 2.0.

Задание было то же, что у сырников в начале страницы. Кадр 2.0 крупнее и аккуратнее, свет мягче, сырники выглядят как в каталоге ресторана. Зато здесь за запуск приходят две картинки, и только эта нейросеть из двух правит загруженные фото: в 2.0 на сайте можно лишь писать задание.

Как Grok Image выглядит среди других нейросетей, видно на страницах создания изображений и редактирования изображений.

Вопросы и ответы