Grok فيديو: كيف تصنع فيديو باستخدام Grok — الأوضاع والبرومبتات والحدود

يبحث الناس عن Grok فيديو لسببين: هل يصنع Grok فيديوهات أصلًا، وكيف يحصلون على نتيجة جيدة. جواب السؤال الأول نعم، ففي 2026 أصبح من أقوى نماذج الفيديو. قرأنا وثائق xAI، وأنشأنا أربعة مقاطع بـ Grok Video 1.5 نفسه، وجمعنا الأوضاع المتاحة وطريقة كتابة البرومبتات والحدود وأسباب فشل التوليد أحيانًا. نظرة عامة على نموذجَي Grok في صفحة Grok Imagine.

ما هو Grok فيديو

Grok فيديو هو توليد المقاطع في Grok Imagine، الجزء المرئي من روبوت المحادثة Grok التابع لشركة xAI. تخرج المقاطع مع الصوت جاهزًا: مؤثرات وأجواء وكلام. يعمل على grok.com/imagine وفي تطبيقات Grok لنظامي iOS وAndroid وعبر واجهة xAI البرمجية.

ثلاثة نماذج تغطي الأوضاع المختلفة:

	Video 1.5	Video 1.5 Lite	grok-imagine-video
الأوضاع	نص، صورة، صور مرجعية، الإطار الأول والأخير، إطارات مفتاحية	نص، صورة	نص، صورة، تعديل الفيديو، التمديد
الدقة	1080p أصلية، وحتى 720p مع الصور المرجعية	1080p بتكبير من 720p	حتى 720p
المدة	1–15 ثانية	1–15 ثانية	1–15 ثانية، وحتى 10 ثوانٍ مع الصور المرجعية
الصوت	نعم، مع مزامنة الشفاه	نعم، مع مزامنة الشفاه	نعم
السعر في واجهة xAI	‏0.08 دولار للثانية	‏0.02 دولار للثانية بدقة 480p، و0.03 بدقة 720p	‏0.05 دولار للثانية

أطلقت xAI نموذج Video 1.5 في 16 يونيو 2026 ووصفته بأنه أفضل نماذجها في الحركة والفيزياء: تشوهات أقل، ووزن وقصور ذاتي أكثر إقناعًا، وكلام أوضح يتطابق أكثر مع حركة الشفاه. تعمل في التطبيقات نسخة مسرَّعة هي Video 1.5 Fast: مقطع مدته 6 ثوانٍ بدقة 720p في نحو 25 ثانية، مقابل أكثر من 40 ثانية للنموذج السابق. وفي 31 يوليو 2026 أضافت xAI الصور المرجعية وصوت الشخصية وتحويل النص إلى فيديو ودقة 1080p الأصلية.

أما Video 1.5 Lite فهو الأقل سعرًا للثانية، وتنصح به xAI للفيديوهات البسيطة.

كيف تنشئ فيديو في Grok خطوة بخطوة

1. اختر الوضع. النص عندما لا تملك صورة بعد. الصورة عندما يهمك مظهر أو منتج أو تكوين محدد. الصور المرجعية لسلسلة مقاطع بالشخصية نفسها.
2. حدد نسبة العرض إلى الارتفاع. الخيارات: 1:1 و16:9 و9:16 و4:3 و3:4 و3:2 و2:3 و21:9 و5:2. عند تحويل صورة إلى فيديو تُعتمد نسبة الصورة ويُتجاهل اختيارك.
3. اختر المدة. من 1 إلى 15 ثانية، و8 افتراضيًا. تكفي 6–8 ثوانٍ للمحاولة الأولى: تتسع لحركة واحدة، والمحاولة الفاشلة أرخص.
4. اختر الدقة. ‏480p للمسودات، و720p لوسائل التواصل، و1080p للنسخة النهائية. القيمة الافتراضية في الواجهة البرمجية هي 480p.
5. اكتب البرومبت وفق الصيغة أدناه: المشهد ← الحركة ← الكاميرا ← الإضاءة ← الصوت.
6. ولّد وقيّم. إن لم تنجح النتيجة، غيّر شيئًا واحدًا في كل مرة: الحركة أو الكاميرا أو الصوت.

توليد الفيديو في Grok من النص

في تحويل النص إلى فيديو، يعمل Video 1.5 على مرحلتين: يرسم أولًا إطارًا افتتاحيًا من وصفك، ثم يحرّكه. يبقى الأمر طلبًا واحدًا، ولا يعيد النموذج الصورة الوسيطة. لذا فالنصيحة الأهم: صف الإطار الأول بالتفصيل — المكان والإضاءة ومن يقف أين. المقطع كله يعتمد عليه.

برومبت هذا المقطع:

A vintage red tram rolls slowly through a narrow cobblestone street at night in the rain,
neon shop lights reflecting in the puddles. The camera starts low near the wet stones and
slowly pushes in as a passer-by in a dark coat opens a yellow umbrella and steps aside.
Realistic motion, cinematic lighting.
Sound: steady rain, the tram bell ringing twice, wheels on rails, distant traffic.
No readable text on signs.

Grok: تحويل الصورة إلى فيديو

تحويل الصورة إلى فيديو هو الوضع الأكثر قابلية للتوقع. الصورة تحدد مسبقًا المظهر والملابس والخلفية والإضاءة، ولا يبقى للنموذج سوى الحركة. في Video 1.5 يكون البرومبت اختياريًا، لكن من دونه يقرر النموذج وحده ما الذي يتحرك.

كيف تحصل على نتيجة جيدة:

• صف ما يتغير فقط. لا تُعِد وصف الصورة: اكتب «الثعلب يدير رأسه ويتثاءب ثم يركض بخفة نحو اليمين»، لا «ثعلب أحمر يجلس في غابة مغطاة بالثلج».
• افصل حركة الشخصية عن حركة الكاميرا في جمل مختلفة.
• لا تطلب من الإطار المستحيل. إذا أظهرت الصورة شخصًا حتى الخصر، فإن «يمشي نحو الكاميرا بكامل جسده» يجبر النموذج على اختراع الساقين.
• يمكن توليد الصورة الأولى. صُنع الإطار الأول لمقطعنا في Grok Image 2.0 — التفاصيل في دليل Grok Image.

بالطريقة نفسها يمكن تحريك الصور القديمة والبورتريهات — أفكار أخرى في دليل تحريك الصور بالذكاء الاصطناعي.

الصور المرجعية والإطارات المفتاحية والصوت

يقدّم Video 1.5 ما هو أكثر بكثير من تحريك صورة، وقليل من المنافسين يجمع كل ذلك في نموذج واحد.

• الصور المرجعية. حتى 7 صور عند الإطلاق في 31 يوليو 2026، والآن تذكر وثائق الواجهة البرمجية حتى 14. كل صورة تثبّت شخصية أو مشهدًا أو منتجًا أو مكانًا. يعمل هذا الوضع بدقة 720p.
• الصوت. يحصل حتى 3 متحدثين على صوت خاص بكل منهم من مرجع صوتي، فيبقى وجه الشخصية وصوتها كما هما بين المشاهد. حتى يوليو 2026 كانت المراجع الصوتية في الواجهة البرمجية متاحة عند الطلب.
• الإطار الأول والأخير. يستكمل النموذج الحركة بين صورتين.
• الإطارات المفتاحية. حتى 4 صور تُثبَّت عند لحظات محددة داخل المقطع، بخطوة قدرها ثلث ثانية. هكذا تبني قصة من عدة مراحل.

الكلام. يولّد Video 1.5 وLite الكلام مع مزامنة الشفاه. حدد من يتكلم وضع الجملة بنصها بين علامتي تنصيص، والأصوات الأخرى في سطر منفصل. الجملة القصيرة خلال 6–8 ثوانٍ تبدو أكثر طبيعية من مونولوج طويل.

المزيد عن المقاطع الناطقة في دليل الصورة المتكلمة.

برومبتات فيديو Grok

الصيغة الناجحة: المشهد ← حركة رئيسية واحدة ← الكاميرا ← الإضاءة والأجواء ← الصوت. للمشاهد المعقدة وحركات الكاميرا، اكتب بالإنجليزية. حوار الشخصيات يوضع بين علامتي تنصيص، باللغة التي يجب أن يُنطق بها.

الكاميرا في جملة مستقلة:

ما تريده	كيف تكتبه
اقتراب بطيء	slow push-in
الكاميرا تتبع الشخصية	the camera follows / tracking shot
الدوران حول جسم	slow orbit around
الارتفاع فوق المشهد	crane up, rising shot
لقطة ثابتة	static camera, locked-off shot
حركة بطيئة في اللحظة المناسبة	slow motion at the peak of the jump

ستة برومبتات لمهام شائعة:

فيديو منتج لمتجر أو إعلان:

A glass perfume bottle on a dark wet stone surface, thin mist drifting around it,
soft highlights moving across the glass. The camera slowly orbits the bottle.
Sound: a deep ambient tone, a single water drop.

بورتريه متحرك:

The man slowly looks up from the book into the camera and gives a slight warm smile.
Static camera, his face and clothes stay unchanged.
Sound: quiet room tone, a page turning.

مشهد حركة:

A mountain biker speeds down a forest trail and jumps over a fallen log. The camera
tracks alongside, slow motion at the peak of the jump, then back to normal speed as he lands.
Sound: tires on gravel, wind, a hard landing.

منظر طبيعي بأجواء:

A misty mountain lake at sunrise, clouds slowly rolling over the peaks, a lone canoe
gliding across the still water. Crane up, rising shot.
Sound: birds, gentle water ripples.

طعام لوسائل التواصل (9:16):

Vertical close-up: honey slowly pours onto a stack of fluffy pancakes, a blueberry rolls
off the top. Static camera, warm morning light, shallow depth of field.
Sound: a soft drip, quiet kitchen ambience.

جملة على لسان شخصية:

Medium close-up of a young woman in a yellow raincoat at a bus stop in the rain.
She turns to the camera and says: "Looks like summer is over."
Sound: her voice, heavy rain on the roof, a passing car.

قوالب أخرى للفيديو والصور في مجموعتنا من برومبتات الصور.

تعديل الفيديو الجاهز وتمديده

في واجهة xAI البرمجية، يتولى التعديل والتمديد النموذج الأساسي grok-imagine-video، لا Video 1.5.

• تعديل الفيديو — تصف التغيير نصيًا، فيعيد النموذج صنع المقطع مع الحفاظ على بقية المشهد. المدة ونسبة العرض كما في الأصل؛ والمدة لا تتجاوز 8.7 ثانية والدقة حتى 720p، فيُصغَّر مقطع 1080p.
• التمديد — يكمل النموذج المقطع من إطاره الأخير ويدمج الأصل والتكملة في ملف واحد. هكذا تُبنى مشاهد أطول من 15 ثانية.

نصيحة: لا تمدد أكثر من مرتين أو ثلاث متتالية. كل خطوة تنطلق من إطار مولَّد مسبقًا، فتتراكم الأخطاء الصغيرة. الفيديو الطويل أكثر موثوقية عند تجميعه من عدة مقاطع قصيرة في برنامج مونتاج.

لماذا لا ينشئ Grok الفيديو أو ينشئ شيئًا مختلفًا

• انتهى الحد. في التطبيق يتوقف التوليد حتى يتجدد الرصيد الأسبوعي، وقبل ذلك تنخفض 720p إلى 480p.
• الإشراف على المحتوى. البرومبتات أو الصور المخالفة لقواعد xAI تُرفض دون توليد.
• أحداث كثيرة. خمس حركات في 8 ثوانٍ تُضغط أو يسقط نصفها. حركة رئيسية واحدة لكل مقطع.
• تناقضات. «كاميرا ثابتة» و«دوران» في البرومبت نفسه، أو برومبت يعارض الصورة: نهار في الصورة وليل في النص.
• أجسام متحركة كثيرة. الحشد الذي يفعل فيه كل شخص شيئًا مختلفًا مصدر شائع للتشوهات.
• كلام طويل. مونولوج من 15 ثانية يتزامن مع الشفاه أسوأ من جملة قصيرة.

Grok فيديو مجانًا والحدود

يمكن تجربة Grok مجانًا على الويب وفي التطبيقات. لا تنشر xAI عدد مقاطع Imagine المتاحة دون اشتراك، والميزات الجديدة — مثل الصور المرجعية والصوت في يوليو 2026 — تصل أولًا إلى مشتركي SuperGrok Heavy وPlus.

كيف تعمل الحدود بحسب صفحات مساعدة xAI:

• رصيد أسبوعي واحد مشترك. منذ يونيو 2026 لم تعد للخطط المدفوعة حدود منفصلة للمحادثة وImagine، بل رصيد أسبوعي واحد لكل المنتجات. الفيديو عالي الجودة يستهلكه أسرع بكثير من رسالة محادثة.
• ‏720p ← 480p. عند بلوغ حد 720p في خطتك، تُولَّد الفيديوهات تلقائيًا بدقة 480p.
• ‏1080p — في خطة SuperGrok Plus.
• الشحن الإضافي. تُباع Extra Usage Credits على الويب فقط، بدءًا من 5 دولارات؛ وهي أغلى من التوليد ضمن الخطة وتنتهي صلاحيتها بعد عام.
• العلامة المائية. تحمل الصور والفيديوهات من تطبيقات Grok علامة مائية لا يمكن إيقافها.

Grok فيديو مقارنةً بنماذج الفيديو الأخرى

	Grok Video 1.5	Gemini Omni	Seedance 2.5	Kling
الترتيب في Arena ‏(21/09/2026)	4 (وضع الوكيل)	1–2	7	29 (2.6 Pro)
الصوت والكلام	نعم، مزامنة الشفاه	نعم	نعم	نعم
الدقة	حتى 1080p	حتى 4K	غير معلنة	‏720p و1080p
المراجع	حتى 14 صورة و3 أصوات	صور وفيديو	حتى 50	حتى 7 صور

يقع Grok Video 1.5 ضمن المراكز الخمسة الأولى، وبفضل الصور المرجعية والصوت والإطارات المفتاحية والتمديد فهو من أكثر النماذج مرونة. يتفوق Gemini Omni في الجودة والدقة، ويقبل Seedance مراجع أكثر. المقارنة الكاملة في مقالنا عن مولدات الفيديو بالذكاء الاصطناعي.

Grok فيديو في AI2Face

‏SuperGrok اشتراك منفصل بحد أسبوعي. في AI2Face يتوفر Grok Imagine مباشرة في المولّد:

• دون اشتراك SuperGrok — سجّل الدخول بالبريد الإلكتروني أو بحساب Google؛
• الدفع بالبطاقة أو العملات المشفرة أو أي وسيلة مريحة أخرى — تكلفة كل توليد تظهر قبل تشغيله؛
• الرصيد لا تنتهي صلاحيته — إلى جانب الاشتراك يمكنك شراء باقة رصيد، وينتقل المتبقي إلى الشهر التالي؛
• كل نماذج الفيديو في اشتراك واحد — Grok وVeo 3.1 وGemini Omni وSeedance وKling: أوفر من الاشتراكات المنفصلة، ومقارنة المقاطع على البرومبت نفسه سهلة؛
• رصيد ترحيب بعد التسجيل — يكفي لمقاطعك الأولى.

الخلاصة

اختر Grok فيديو عندما تحتاج مقطعًا بصوت وفيزياء نابضة بالحياة: رياضة، حيوانات، مشاهد حركة، منتج تدور حوله الكاميرا. لسلسلة بالشخصية نفسها يتفوق Video 1.5 على معظم المنافسين بفضل مراجع الوجه والصوت، ويكفي Lite الأرخص للمسودات والمشاهد البسيطة. ابدأ بتحويل الصورة إلى فيديو: إنه الوضع الأكثر قابلية للتوقع. حركة واحدة كل 6–8 ثوانٍ، والكاميرا والصوت في سطرين منفصلين. وإن كانت الجودة القصوى ودقة 4K أهم لك، فقارن البرومبت نفسه في Gemini Omni — في AI2Face يتم ذلك في نافذة واحدة.