Skills Agentes

Grok Media

Guía de generación de imagen y vídeo con xAI Grok: autenticación, endpoints, estructura de prompt, edición de imagen, vídeo con imagen de referencia y polling asíncrono.

Estrellas
49.5k

en todo el repo

Actividad
37

0–100, la ruta de este skill

Actualizado
hace 4 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
950 tok

38 tok en reposo

Paquete
1 archivo

4 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add calesthio/OpenMontage --skill grok-media --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Guía la generación de imagen y vídeo con Grok de xAI: autenticación, endpoints y polling asíncrono
  • Cubre texto a imagen, edición de imagen y vídeo condicionado por imagen de referencia
  • Da pautas de prompt específicas de Grok para imagen y para vídeo
  • Documenta modos, restricciones de vídeo, precios y manejo de fallos

Úsalo cuando

  • Transferencia de estilo en imagen o composición desde varias fuentes
  • Vídeo corto condicionado por referencia o clips de movimiento centrados en producto
  • Escenas con personaje consistente sin bloqueo duro de primer fotograma

No lo uses cuando

  • Generación de clips largos
  • Dependencia fuerte de semillas deterministas
  • Prompts sobrecargados con varios cambios de escena

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Genera esta imagen con Grok
  • Edita esta imagen con xAI
  • Hazme un clip corto a partir de esta imagen de referencia

SKILL.md

En inglés

Grok Media

Use this skill when working with xAI media models in OpenMontage.

Models

  • grok-imagine-image for image generation and image editing
  • grok-imagine-video for text-to-video, image-to-video, and reference-image video

Authentication

  • Env var: XAI_API_KEY
  • Base URL: https://api.x.ai/v1
  • Header: Authorization: Bearer $XAI_API_KEY

Image API

Text-to-image

  • Endpoint: POST /images/generations
  • Core fields:
    • model
    • prompt
    • n
    • aspect_ratio
    • resolution

Image edit

  • Endpoint: POST /images/edits
  • Use image for one source image
  • Use images for multi-image compositing
  • Each source image can be:
    • a public HTTPS URL
    • a base64 data URI

Image prompting

  • Grok responds well to direct natural language
  • For edits, describe only the intended change and preserve everything else implicitly
  • For multi-image merges, explicitly name how each source contributes
  • Prefer one strong scene description over long style-stacking

Video API

Generation

  • Endpoint: POST /videos/generations
  • Polling endpoint: GET /videos/{request_id}
  • Success state: status == "done"
  • Failure states to handle explicitly: failed, expired

Modes

  • Text-to-video:
    • prompt-only generation
  • Image-to-video:
    • use image: {"url": ...}
    • this anchors the starting frame
  • Reference-to-video:
    • use reference_images: [{"url": ...}, ...]
    • this influences who/what appears in the video without locking the first frame
    • prompts can reference inputs with placeholders like <IMAGE_1>, <IMAGE_2>

Video constraints

  • Grok video is best treated as short-form generation
  • Current output resolutions are 480p and 720p
  • Reference-image video supports multiple images and is useful for product placement, wardrobe transfer, and identity consistency
  • Download outputs promptly; provider URLs may be temporary

Pricing

  • grok-imagine-image: $0.02 per generated image
  • grok-imagine-image edits/composites: add $0.002 per input image
  • grok-imagine-video:
    • 480p: $0.05 per second
    • 720p: $0.07 per second
  • grok-imagine-video image-conditioned requests: add $0.002 per input image

Grok-Specific Prompt Guidance

Images

  • Start with subject, action, setting
  • Add one style anchor, not five
  • For edits:
    • describe the desired modification
    • keep the rest of the image stable by omission, not by writing a giant preservation list

Video

  • Keep prompts scene-local: one shot, one main motion idea, one emotional beat
  • For reference-conditioned video, explicitly map source images to roles:
    • person from <IMAGE_1>
    • jacket from <IMAGE_2>
    • product from <IMAGE_3>
  • Camera and pacing language helps:
    • slow push-in
    • handheld follow
    • locked-off medium shot
    • high-energy whip pan transition

Good Fits

  • Image style transfer
  • Image compositing from multiple sources
  • Reference-conditioned short video
  • Product-led motion clips
  • Character-consistent scenes without hard first-frame lock

Weak Fits

  • Long-form clip generation
  • Heavy reliance on deterministic seeds
  • Overloaded prompts with multiple scene changes

Failure Handling

  • If generation submission succeeds but polling expires, surface it as a provider/runtime issue
  • If a request fails, preserve the endpoint, mode, and prompt summary in the error
  • Do not silently substitute a different provider after xAI was selected without user approval

Reproducido de calesthio/OpenMontage bajo licencia AGPL-3.0. Leer esta página en markdown.

Archivos

1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Necesita credenciales de la API de xAI; consulta la tabla de precios del skill antes de lanzar un lote.

Detalles

Creador
calesthio
Categoría
Diseño y UI
Licencia
AGPL-3.0
Recursos incluidos
Solo SKILL.md
Código fuente
Ver SKILL.md

Etiquetas

Más de calesthio/OpenMontage

Este repo incluye 89 skills. Si instalas uno, normalmente ya tienes los demás.

Comfyui

49.5k

Úsalo al trabajar con workflows de ComfyUI en OpenMontage: comfyui_image/video/music, workflows propios, selección de output_node, modelos que faltan, LoRAs, poca VRAM e importación de workflows de la comunidad.

Costo de contexto al activarse
1.9k tok
Tamaño del paquete
1 archivo
Última actualización
hace 9 días
diseno ui

Genera vídeo cinematográfico de 4-30 s con ByteDance Seedance 2.5 por fal.ai, Volcengine Ark, Runway o ComfyUI. Cubre el contrato de prompt 2.5, cortes duros, locks de continuidad y voz.

Costo de contexto al activarse
3.2k tok
Tamaño del paquete
2 archivos
Última actualización
hace 4 días
diseno ui

Genera narración expresiva y multilingüe con fish.audio (modelos S1 / S2) y reutiliza voces clonadas mediante reference_id.

Costo de contexto al activarse
1.4k tok
Tamaño del paquete
1 archivo
Última actualización
hace 9 días
diseno ui

Genera y edita conversacionalmente vídeos cortos con Google Gemini Omni Flash: itera con ediciones en lenguaje natural, clips de 3-10s a 720p con audio y texto en pantalla, e imágenes de referencia por etiquetas.

Costo de contexto al activarse
2.1k tok
Tamaño del paquete
1 archivo
Última actualización
hace 9 días
Permisos
diseno ui

Genera vídeo con MiniMax H3 (Hailuo 3.0) por la API oficial v2, fal.ai, Runway, nodos partner de ComfyUI o pesos abiertos locales. Clips de 4-15s a 2K con animación de primer/último fotograma.

Costo de contexto al activarse
582 tok
Tamaño del paquete
1 archivo
Última actualización
hace 9 días
diseno ui

Genera, reconstruye, inspecciona y enruta activos 3D de producción para mundos de OpenMontage con Atlas Cloud, fal.ai, catálogos con licencia y Blender.

Costo de contexto al activarse
1.2k tok
Tamaño del paquete
2 archivos
Última actualización
hace 9 días
diseno ui

Skills relacionados

Genera, reconstruye, inspecciona y enruta activos 3D de producción para mundos de OpenMontage con Atlas Cloud, fal.ai, catálogos con licencia y Blender.

Costo de contexto al activarse
1.2k tok
Tamaño del paquete
2 archivos
Última actualización
hace 9 días
diseno ui

Acestep

49.5k

Generación musical con ACE-Step 1.5: música de fondo, pistas con voz, versiones y extracción de stems para producción de vídeo.

Costo de contexto al activarse
2.3k tok
Tamaño del paquete
1 archivo
Última actualización
hace 4 meses
diseno ui

Genera vídeos con IA desde texto usando varias pasarelas — HeyGen, fal.ai, Kling y Gemini — con soporte de imagen a vídeo y comparación entre VEO, Kling, Sora, Runway, Seedance y MiniMax.

Costo de contexto al activarse
3k tok
Tamaño del paquete
1 archivo
Última actualización
el mes pasado
diseno ui