Grok 图片生成：如何用 Grok Imagine 生成和编辑图片——教程与提示词

两年间，Grok 图片生成从 X 平台里的表情包生成器，变成了 xAI 定位为工作工具的模型：带小字的海报、商品图、局部修图。我们用 Grok Image 2.0 做了一张海报、一张人像、一张商品图、一组修图前后对比和一张双图合成，并对照 xAI 文档梳理了模型能做什么、提示词怎么写、限制在哪里。两款 xAI 模型（图片与视频）的综合介绍见 Grok Imagine，图片模型的详细介绍见 Grok Imagine Image 2.0。

什么是 Grok 图片生成

Grok 图片生成是 xAI 聊天机器人 Grok 中的图片生成与编辑功能。在界面和 API 中，它属于 Grok Imagine——Grok 的视觉部分，Grok 视频生成 也在其中。

模型	时间	要点
Aurora	2024 年 12 月 9 日	xAI 首个自研图片模型，自回归混合专家（mixture-of-experts）架构；在 X 上推出
Grok Imagine Image	Image 2.0 之前	快速基础模型，API 每张 0.02 美元
Imagine Image 2.0	2026 年 8 月 7 日	Grok 的 Quality 模式：排版、局部修改、最多 5 张参考图；API 每张 0.04 美元

发布当天，Imagine Image 2.0 在 Arena 的图片生成和图片编辑两个排行榜上都位列全球第 2。截至 2026 年 9 月 24 日，它在 80 个模型中排名第 6。

如何用 Grok 生成图片

1. 打开 Grok Imagine——grok.com/imagine，或 Grok iOS / Android 应用中的 Imagine 板块。也可以在普通聊天里让它画图，但 Imagine 提供画面比例和编辑工具。
2. 开启 Quality 模式——这就是 Image 2.0。快速模式适合出草稿。
3. 选择画面比例。 Image 2.0 支持 16 种：从 1:1、竖版 9:16、9:19.5、9:20，到全景 21:9 和 5:2。API 默认为 auto，会根据提示词自动选择比例。
4. 按下文公式写提示词。
5. 多生成几张备选。 通过 API 每次请求最多可生成 10 张。
6. 用修改来完善，而不是重新生成。 在一张好图上局部调整，比从头改写提示词更有效。

Grok Image 2.0 能做什么

文字与排版。 据 xAI 介绍，Image 2.0 会像设计师一样规划字体和版式：信息密集、多板块的画面依旧规整，小字也清晰锐利。在我们的测试中，一张包含主标题、副标题、分隔点和日期区间的海报，第一次生成就没有任何错字。

海报的提示词直接写明准确文字，并禁止出现其他文字：

Minimalist retro travel poster for a fictional seaside town, screen-print style:
white sailboats on a turquoise sea under a pale yellow sun, bold title SAILS & SALT
at the top in large condensed letters, and a smaller line SUMMER FESTIVAL · JULY 12–14
below it, limited palette of navy, turquoise, cream and coral, no other text

写实与商品图。 皮肤、布料和石材纹理是它的强项。Image 2.0 会严格执行镜头（85mm、50mm）和光线（golden side light、hard morning sunlight）描述：景深和阴影都与提示词一致。

模板。 随 Image 2.0 一同推出了 15 个模板：照片编辑、商品图、头像照、图标、游戏素材和表情。

Grok 修图：如何用 Grok 编辑照片

编辑能力是 Image 2.0 区别于旧版本的关键。无论是多次生成还是多次修改，模型都会保留你没要求改动的内容。

• 文字修改。 上传照片并描述修改：“把风衣改成红色，换成晴天，脸、姿势和街道不要变”。
• 魔棒。 指定一个区域，模型只修改这一处。
• 分割——精确选取要修改的区域。
• 去除背景——导出透明背景的主体，可直接用于商品详情页或拼贴。
• 智能扩图（Smart resize）——选择新的画面比例，模型会补全缺失部分：竖版照片变成横版横幅。
• 多张素材。 每次生成最多 5 张照片：合并人物、迁移风格、组合场景。

合成多张照片也是同样的方法：按顺序指明素材——“第一张图里的女子”“第二张图里的杯子”。

在 API 中，编辑会两头计费：输入图片和输出结果都要付费。用 AI 修改照片的其他方法，见 用 AI 修改照片 教程。

Grok 图片提示词

公式：主体与动作 → 地点与背景 → 光线 → 风格或镜头 → 限制条件。处理细节和精确排版时，英文最可靠。需要出现在图上的文字直接写进提示词，用你需要的语言，并加上“no other text”。

任务	必须写明
写实照片	镜头（35mm、85mm）、光源、“realistic skin texture”
商品图	材质、台面、光线与阴影类型、“no logos, no text”
海报、封面	准确文字、位置和大小、配色、“no other text”
艺术、插画	技法（watercolor、screen-print、3D render）、配色
修图	改什么、保留什么：“keep the face and pose unchanged”

六个常见场景的提示词：

头像照：

Professional headshot of a man in his 30s in a navy sweater, soft window light from the left,
neutral light grey background, 85mm lens, shallow depth of field, realistic skin texture, no text

电商商品图：

Product photo of white wireless earbuds in an open charging case on a smooth concrete surface,
soft diffused light, subtle reflection, minimal composition, no logos, no text

文章封面或缩略图：

Wide editorial illustration of a person working on a laptop at a desk surrounded by floating
icons of charts and chat bubbles, flat vector style, teal and orange palette, no text

美食：

Overhead photo of a rustic breakfast table: shakshuka in a cast iron pan, fresh bread, herbs,
morning sunlight with hard shadows, linen napkin, realistic, no text

室内：

Scandinavian living room with a light oak floor, a beige linen sofa, a large window with
sheer curtains, indoor plants, soft afternoon light, wide angle, photorealistic, no text

奇幻艺术：

A lighthouse on a cliff made of giant seashells, glowing windows at dusk, stormy sea below,
painterly digital art, rich colors, cinematic composition, no text

更多现成模板，见我们整理的 图片提示词。

为什么图片效果不理想

• 背景文字成了乱码。 Image 2.0 能准确写出主标题，但提示词没提到的背景招牌和标识，有时会被填上无意义的字符。解决办法：加上“no readable text on signs”，或做局部修改。
• 细节太多。 十个带属性的物体会混在一起。重点放在前面，其余简短带过。
• 风格冲突。 同一提示词里写“写实”又写“水彩”，结果会含糊不清。只选一种风格。
• 没写光线和背景。 缺了它们，模型会用中性的影棚光，画面显得扁平。
• 系列图不统一。 想让多张图保持同一角色或风格，应以原图为参考进行编辑，而不是用同一提示词重新生成。
• 被内容审核拒绝。 违反 xAI 规则的提示词，模型不会执行。

Grok 图片生成限制与价格

在 Grok 应用中。 没有固定的图片张数。自 2026 年 6 月起，付费的 SuperGrok 方案在所有产品（聊天、Imagine、语音）之间共享一个每周用量池。图片——视频更甚——的消耗比聊天快；各产品的用量可在“设置”的 Usage 标签查看。用量池耗尽后，可以购买 Extra Usage Credits（仅限网页端，最低 5 美元），或升级方案。xAI 没有公布 Imagine 的免费额度。

水印。 Grok 应用生成的图片带有水印，无法关闭。

在 xAI API 中：

模型	每张价格	说明
grok-imagine-image-2.0	0.04 美元	1K 和 2K，画质 low 或 medium，支持编辑，最多 5 张素材
grok-imagine-image	0.02 美元	上一代快速模型

编辑按输入图片和输出结果分别计费。画质默认为 auto：生成用 low，编辑用 medium。

Grok 图片生成与其他 AI 绘图工具对比

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Arena 排名（2026-09-24）	第 6	第 1	第 9	第 14
局部修改	魔棒、分割	蒙版	提示词	提示词
去除背景	有	透明背景	—	—
参考图	最多 5 张	多张	最多 14 张	最多 14 张
API 价格	0.04 美元	按 token	0.045 美元起	0.134 美元起

Grok Image 2.0 在排行榜上高于 Nano Banana 2 和 Pro，做局部修改和抠图也更方便。追求最准确的文字，GPT Image 2.5 领先；需要十几张参考图的复杂场景，选 Nano Banana。详细对比见 AI 图片生成工具 一文。

在 AI2Face 中使用 Grok 图片生成

SuperGrok 是单独的订阅，且有每周上限。在 AI2Face 中，可直接在生成器里使用 Grok Image：

• 无需订阅 SuperGrok——用邮箱或 Google 账号登录即可；
• 支持银行卡、加密货币等便捷支付方式——每次生成的费用在开始前就能看到；
• 积分不会过期——除订阅外还可购买积分包，余额自动转入下个月；
• 文件里没有 AI 标记——AI2Face 会清除成图中的神经网络元数据，改写为普通相机的 EXIF，社交平台不会在文件中读到“AI 生成”标记；
• 一个订阅用上所有模型——Grok Image、GPT Image、Nano Banana 和视频模型：比分别订阅更划算，同一提示词也方便横向对比；
• 注册即送新用户积分——足够生成最初几张图。

总结

做带文字的海报和封面、商品图，尤其是修图时，选 Grok Image 2.0：替换细节、去除背景、更改画面比例、用多张照片合成场景，同时不丢失人脸和构图。它位列前十，排名高于 Nano Banana。如果需要一整段零错误的小字，可与 GPT Image 2.5 对比；如果一个场景要用十几张参考图，试试 Nano Banana Pro。Grok 生成的图片还能直接做成视频——方法见 Grok 视频生成 教程。