更多AI前沿科技资讯，请关注我们：
【closerAI ComfyUI】很强！grok-image这波很强！支持中文的音画同步视频生成，强大算力数秒间生成，免费使用吊打开闭源产品！
原文和效果请看微信公众号的：https://mp.weixin.qq.com/s/yOZwv_mJqBZj3Z3wpl-qmw?token=113037722&lang=zh_CN
大家好，我是Jimmy。
索拉2是音画同步生成在闭源中强者，甚至在开源模型中，唯一有诚意开源的LTX-2也勉强地弥补开源缺失一环：【closerAI ComfyUI】低显存者福音！完美支持8G显存！最可行的8G显存运行LTX-2音画同步视频生成模型的解决方案！尽管如此，LTX-2在画质上以及物理逻辑表现上还是差一点。
就在近日，grok-image升级到1.0版本，从0.9升级到1.0，这次更新有几个亮点，一是能生成10秒，能高清化。二是产品交互终于人类化符合用户操作习惯。最重要一点！音画同步生成，支持中文！这次更新终于能说中文！其他语言我不管，单单能说中文就是一个很大的亮点！
我们看看效果：
结合这波更新，同样的之前关于利用grok进行视频生成的方法论同样适用：Grok很OK！又快又准！5秒图生视频顶级利器！超快速的视频生成，高质量的视频效果！长视频动画制作新思路分享！用好胜过闭源产品和更轻！更快！更好玩！nanoBanana+Grok强强联合！AI视频制作新思路，更高效地一致性视频生成解决方案！
本期，分享一个思路，让大家能轻松玩转grok的视频生成！内容很干，如果对你有帮助，请一键三连支持下我。
理论上，你直接使用，用简单的提示词描述也能生成，如果你打算做口播数字人的视频，如上面的案例中：
你只需要提供文案和一张图，现在grok免费的只能生成6秒，但能升级高清。一个账号大概能生成80多个视频，如此类推，注册多几个，够你玩。
在grok上，直接这么写，文案不要太多，因为6秒长度。就能在10几秒内生成，但如果你的文案长，可以分开多次，最后将视频剪辑合成一个视频即可。就能得到如案例一样长度的自然现实的口播数字人视频。
其次，像我们一般普通人在电影创作上都是小白，难以通过提示词去描述得很详尽。如果不借助LLM，直接提示词描述，如下面的例子。
提示词：她展示着新衣服自信地说：穿上closerAI牌衣服，自信由内而外散发！
你会发现，它就遵循你一张图一句话地脑补了一些内容，特别是讲完话后，挥挥手的动作。因为我们没给它指令，所以它脑补了一些内容。
所以我们需要借助LLM，AI助理来完成。我们给一个想法，让它去丰富。同时，结合之前我分享过的json化提示词结构去丰富它。
关于json结构化提示词分享请看这篇：真强技巧立杆见影！让视频生成更专业！更精准！AI视频Json结构化提示词，让多模态视频生成模型更容易理解！建议收藏学习！
我之前为之开发过一个json结构化提示词节点：
就是将想法转换成json结构化提示词，中间使用了qwen3作为LLM在本地进行推理。如上面截图中，使用了qwen3-VL-4B Q4 GGUF模型，速度快且稳定。
同样的提示词经过转换后：
{
"global_settings": {
"title": "CloserAI自信时刻",
"total_duration": 6,
"aspect_ratio": "16:9",
"style": "时尚广告短片，现代都市感",
"mood": "积极、自信、闪耀",
"tone": "轻快、鼓舞人心",
"color_palette": "高饱和度暖色调：亮橙、金黄、白",
"film_grain": "轻微颗粒感，增强质感",
"audio": {
"ambient": "轻柔城市背景音（脚步声、远处人声）",
"music": "现代电子流行音乐，节奏轻快"
},
"production_design": {
"key_characters": [
"一位年轻女性模特"
],
"key_locations": [
"室内时尚摄影棚，简约现代背景"
],
"key_props": [
"一件设计感十足的CloserAI品牌服装",
"镜子、衣架、灯光装置"
]
}
},
"shot_sequence": [
{
"shot_number": 1,
"timestamp": "0:00-0:15",
"duration": 15,
"composition": "模特正面中景，手持衣服展示，镜面反射背景",
"camera_motion": "缓慢推近面部与服装细节",
"lighting": "明亮柔光打在模特和衣物上，突出质感",
"subject": "女性模特",
"action": "自信微笑，手指轻抚新衣领口，眼神直视镜头",
"environment": "简约白色背景摄影棚，镜面反射增强空间感",
"key_props": [
"CloserAI品牌服装"
],
"style_override": null,
"mood_override": null,
"tone_override": null,
"color_palette_override": null,
"film_grain_override": null,
"audio_sfx": "轻柔的“叮”声（衣物质感音效）",
"audio_music_cue": "音乐渐入，节奏提升",
"dialogue_or_narration": "穿上CloserAI牌衣服，自信由内而外散发！",
"sora_prompt": "一位年轻女性模特在现代摄影棚中展示一件设计感十足的CloserAI品牌服装，她面带自信微笑，手指轻抚衣领，背景是简约白色与镜面反射。镜头缓慢推近，光线明亮柔和，突出衣服质感和人物神态。",
"transition_to_next": "淡入下一场"
},
{
"shot_number": 2,
"timestamp": "0:15-0:30",
"duration": 15,
"composition": "模特转身展示背面，镜头跟随旋转",
"camera_motion": "环绕拍摄+轻微摇移",
"lighting": "保持柔光，强调服装剪裁线条",
"subject": "女性模特",
"action": "优雅转身，展示衣服背部设计与合身剪裁",
"environment": "摄影棚镜面背景继续反射动作，增强动态感",
"key_props": [
"CloserAI品牌服装"
],
"style_override": null,
"mood_override": null,
"tone_override": null,
"color_palette_override": null,
"film_grain_override": null,
"audio_sfx": "轻快的脚步声+金属扣合音效",
"audio_music_cue": "音乐持续，节奏增强",
"dialogue_or_narration": null,
"sora_prompt": "模特优雅转身展示CloserAI服装背面设计，镜头环绕拍摄，背景镜面反射动作，光线柔和突出剪裁线条。",
"transition_to_next": "淡入下一场"
},
{
"shot_number": 3,
"timestamp": "0:30-0:45",
"duration": 15,
"composition": "模特站在镜子前，自拍式视角，反射出自信微笑",
"camera_motion": "轻微晃动镜头模拟手机拍摄角度",
"lighting": "暖光打在镜面与人物面部",
"subject": "女性模特",
"action": "对着镜子比心+点头，展现自我认同感",
"environment": "摄影棚内镜面背景，反射出完整动作",
"key_props": [
"CloserAI品牌服装",
"镜子"
],
"style_override": null,
"mood_override": null,
"tone_override": null,
"color_palette_override": null,
"film_grain_override": null,
"audio_sfx": "轻快的“咔嗒”声
那大家可以拿着上面的结构化提示词当作模板给其AI助理照抄模板，形成指令。
在comfyUI,搭建了grok视频生成工作流：
这里使用了我开发的另一个Grok节点在comfyUI中直接生成视频，一气呵成。当然，大家将上面得到的json结构化提示词直接在网页版的grok上粘贴就能生成了。
生成效果：
再测试下其它的：
提示词写：她突然散发着金光充满能量，对着镜头说：维护正义是我的职责所在！说完慢慢升空
执行工作流：
转换后提示词：
{
"global_settings": {
"title": "金光觉醒",
"total_duration": 6,
"aspect_ratio": "16:9",
"style": "电影感",
"mood": "史诗感",
"tone": "激昂",
"color_palette": "金色、深蓝、黑色",
"film_grain": "轻微颗粒",
"audio": {
"ambient": "低沉鼓点与风声",
"music": "庄严交响乐"
},
"production_design": {
"key_characters": null,
"key_locations": null,
"key_props": null
}
},
"shot_sequence": [
{
"shot_number": 1,
"timestamp": "0:00",
"duration": "6.0",
"composition": "中景，角色站立于空旷场地中央，背景为暗色天空与远山",
"camera_motion": "缓慢推近",
"lighting": "环境光偏暗，面部有聚光灯打亮",
"subject": "女性角色",
"action": "突然身体散发金光，能量爆发，直视镜头",
"environment": "荒凉城市废墟边缘，天空阴沉",
"key_props": "无",
"style_override": null,
"mood_override": null,
"tone_override": null,
"color_palette_override": null,
"film_grain_override": null,
"audio_sfx": "能量爆破音效+低频嗡鸣",
"audio_music_cue": "音乐骤升，加入铜管与弦乐",
"dialogue_or_narration": "她突然散发着金光充满能量，对着镜头说：维护正义是我的职责所在！说完慢慢升空",
"sora_prompt": "电影感画面：女性角色在废墟中突然被金色光芒包裹，面对镜头高声宣言‘维护正义是我的职责所在’，随后缓缓升空，背景为阴沉天空与远山。风格史诗激昂，色彩以金、蓝为主。",
"transition_to_next": "无"
}
]
}
效果如下：
总结：
目前grok升级后，图像模型不仅能文生图、图生图、图像编辑，设置能图生视频，且视频生成支持中文的音画同步生成，生成视频质量极高且合理。目前以其强大的算力和免费的使用，已满足日常使用。更有免费升级画质从480P升级到720P。特别这次的产品交互做得很好。目前，视频生成模型的强者之一。是目前内容创作的最强法宝。
本地算力不够怎么办？
如果本地设备算力不好的小伙伴，推荐使用线上comfyUI来运行体验：runninghub.cn
人物迁移精准替换flux2klein应用体验地址：
https://www.runninghub.cn/ai-detail-new/2017945754324705281
注册地址：https://www.runninghub.cn/?utm_source=kol01-RH151
通过这个链接第一次注册送1000点，每日登录送100点
最后几句：
如果对你有帮助，请一键三连支持下我，感谢
CloserAI 3D Pose Editor:
http://aigc.douyoubuy.cn/2025/12/03/3448/
closerAI-nanoPrompts:
http://closerai.douyoubuy.cn/2025/11/24/3396/
closerAI 分镜设计 软件（exe）本地运行版
http://aigc.douyoubuy.cn/2025/11/22/3350/
以下是closerAIwater节点：
http://aigc.douyoubuy.cn/2025/10/22/3121/
分镜分词器节点：
http://aigc.douyoubuy.cn/2025/10/11/3080/
json结构化提示词
http://aigc.douyoubuy.cn/2025/11/05/3242/
更多资源和工作流可以在我们closerAI会员站上获取(查看原文)。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：JimmyMo
更多AI前沿科技资讯，请关注我们：
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
评论(0)