Replicate révèle comment guider Grok Imagine Video 1.5

Replicate présente Grok Imagine Video 1.5, le modèle vidéo de xAI, dans un guide publié le 21 mai 2026. Le système peut générer une vidéo réaliste avec un audio synchronisé en un seul passage. Replicate indique aussi qu’il gère des mouvements complexes tout en suivant précisément les instructions du prompt. Le guide s’appuie sur plusieurs scènes testées, dont une conversation téléphonique, des skateboarders et une course à Bangkok. Les exemples associent actions, cadrage, rythme et bande sonore. Le guide complet de Replicate détaille ces méthodes de rédaction pour obtenir des séquences plus contrôlées avec Grok Imagine Video 1.5.

Les scènes illustrent plusieurs niveaux de précision dans les instructions. Une scène de skateboard décrit une accélération progressive, une caméra qui suit le visage et des bâtiments qui défilent rapidement. Elle précise aussi les rires, les voitures et le roulement des planches. Une autre scène montre une vague qui se forme, se projette sur des rochers sombres et produit une écume blanche. Son prompt décrit également le vent, les embruns et le retrait de l’eau. Replicate utilise ces exemples pour montrer comment les actions visuelles et les sons peuvent être écrits ensemble. Le modèle reçoit ainsi des indications distinctes sur le mouvement, l’environnement et l’ambiance sonore.

Replicate détaille le son

La section Sound constitue l’une des recommandations centrales du guide. Replicate oppose une formulation vague, comme des sons urbains et de la circulation, à une description ciblée. Cette dernière peut mentionner des voitures, des skateboards sur le bitume, des adolescents qui rient et le grondement lointain d’une rue. Le guide recommande aussi des indications comme « no music » ou « camera not moving ». Ces formulations précisent respectivement l’absence de musique et l’immobilité de la caméra. Replicate estime que les sons d’ambiance et les éléments sonores ciblés produisent des indications différentes pour le modèle. La granularité peut donc porter directement sur le paysage sonore.

Les modificateurs d’intensité servent à préciser l’échelle et le rythme d’une action. Replicate compare une vague qui se forme à une vague qui se forme complètement, bascule et s’écrase avec une force considérable. Dans la scène de skateboard, le personnage commence lentement, accélère, puis roule très vite. Les bâtiments et la rue avancent alors rapidement dans l’arrière-plan. Le guide relie ces formulations à une séquence moins statique. Il recommande également de décrire les mouvements de caméra avec des termes comme « slow push-in », « tracking shot alongside », « locked » ou « static ». Une caméra immobile peut rester le choix adapté lorsque le prompt ne demande aucun déplacement.

L’image fixe verrouille la scène

Le prompt ciblé constitue une autre recommandation de Replicate. Le modèle suivrait mieux une instruction concentrée qu’une description trop étendue. La scène de soin de la peau se limite à trois temps : toucher la joue, sourire doucement, puis sourire largement face à la caméra. Dans la scène du singe, chaque personnage reçoit un rôle distinct. Replicate recommande aussi de commencer par une image fixe déjà réglée. Cette image peut provenir de Grok Imagine Image ou d’une photographie personnelle. Elle sert à fixer la composition et la lumière. Le prompt vidéo décrit ensuite principalement les changements, comme une déformation, un déplacement lumineux ou une rotation.

Le code Replicate montre une exécution avec le modèle « xai/grok-imagine-video-1.5 ». L’exemple utilise une image de pêcheur, un prompt demandant de tourner lentement la tête vers l’Atlantique et une section Sound consacrée à l’eau, aux mouettes et au bateau. Les paramètres indiqués comprennent une durée de huit secondes et une résolution de 720p. Le guide présente cette exécution en Python et en JavaScript. Replicate renvoie ensuite la sortie générée. L’exemple d’utilisation de Grok Imagine Video 1.5 formalise donc une méthode en trois parties : préparer une image, décrire les évolutions visuelles et composer les sons attendus.