Generar imágenes y videos: parámetros, límites y escenarios de uso
La definición oficial del posicionamiento de diseño de Grok Bot para generar imágenes y videos cabe en una frase: solo crea cuando tú lo pides, partiendo de tu descripción o de las imágenes que compartas, y cada imagen y video que produce se envía de vuelta a la conversación. La lección anterior hablaba de la entrada y salida de materiales; esta habla de cómo «crea algo de la nada»: cómo se definen parámetros como proporción, duración y resolución, cómo dar imágenes de referencia y qué tareas no puede hacer.
Toma unos 10 minutos en total y no hay ni un solo comando que ejecutar: todas las operaciones consisten en «hablar con él».
Qué podrás hacer al terminar
- Explicar en una frase propia el sujeto, el estilo y la emoción, y hacer que el Bot genere la imagen en la proporción indicada: esos son todos los «parámetros» de la generación de imágenes de Grok Bot
- Compartir imágenes existentes en la conversación como referencias, para que siga creando a partir de tu propia imagen
- Generar videos: definir duración (1–15 segundos, 6 por defecto), resolución (480p, se puede pedir 720p) y proporción, y crear clips en bucle con el primer y el último fotograma
- Fijar personajes, objetos, vestuario y escenas con hasta 14 imágenes de referencia, y luego especificar «debe aparecer en el segundo tal» con hasta 4 fotogramas de referencia temporal
- Identificar de un vistazo qué tipo de peticiones no debes llevarle: gráficos y tablas van a Pages, para personas y objetos reales te busca fotos reales, y marcas y personajes suelen ser bloqueados
Tu situación actual
- Pedirle a la IA que dibuje es pura lotería: la proporción sale mal, el estilo se desvía, y reintentar diez veces con el mismo prompt tampoco cuadra
- Quieres que en el video «la mochila aparezca sobre la mesa en el segundo 4», pero no sabes cómo decírselo
- Le pides un gráfico de datos y los números quedan hechos un borrón; mencionas un personaje famoso y las reglas de contenido lo bloquean directamente
Cuándo usar esta técnica
Cuando necesitas:
- Una portada, ilustración o imagen conceptual: la proporción, el estilo y la emoción los decides tú
- Un clip de estilo realista de 1–15 segundos: partiendo de una descripción de escena, una imagen del primer fotograma o el primer y el último fotograma
- Mantener la coherencia entre varias piezas: usar imágenes de referencia para fijar el aspecto de personajes, vestuario y escenas
Y además no quieres:
- Gráficos y tablas «dibujados»: los números son ilegibles
- Mencionar personajes de marca o personas reales y que te bloqueen una y otra vez sin saber por qué
- No encontrar los archivos generados o no poder enviarlos
🎒 Preparativos antes de empezar
- Haber completado 2.1 Mensajes y conversaciones: saber enviar mensajes y adjuntar archivos; generar imágenes y videos siempre empieza por «hablar con él»
- Conocer los límites de adjuntos de la versión de escritorio: 20 adjuntos por mensaje, imágenes de 25 MB cada una y 200 MB en total (ver 2.2 Archivos y resultados revisables)
- Tener al menos un Bot a mano y haberle encargado una tarea (ver 1.5 El primer Bot)
- Un vaso de agua ☕: en esta lección no hay comandos que ejecutar, las operaciones consisten en «hablar con él»
Idea central
La forma de trabajar de Grok Bot al generar imágenes y videos es completamente distinta a «abrir un sitio web de generación de imágenes y ajustar parámetros»: no hay panel de parámetros ni selección de modelos, todos los parámetros están en tus palabras.
Tres líneas maestras:
- Solo crea cuando tú lo pides. Parte de tu descripción o de las imágenes que compartes en la conversación; si no lo mencionas, no genera.
- Los resultados vuelven a la conversación. Cada imagen y video que produce se envía a la conversación y luego se recuperan en la Library del Bot; las imágenes generadas se cargan con normalidad incluso cuando su ordenador en la nube está dormido.
- Su círculo de capacidades tiene límites firmes. La generación de imágenes no sirve para gráficos, diagramas ni tablas: eso es para Pages; los videos son de estilo realista y no hacen gráficos en movimiento, tarjetas de título, diapositivas, demos de producto ni texto preciso; para personas, lugares y productos reales, busca fotos reales en lugar de generarlas.
La comparación de parámetros entre generación de imágenes y de videos, para familiarizarte primero:
| Generar imágenes | Generar videos | |
|---|---|---|
| Cómo empezar | Describir sujeto, estilo, emoción; se pueden incluir imágenes de referencia | Describir la escena; o dar una imagen del primer fotograma / el primer y el último fotograma |
| Proporción | 1:1, 4:3, 3:4, 16:9, 9:16 | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 |
| Duración / Resolución | — | 1–15 segundos (por defecto 6 segundos); 480p, se puede pedir 720p |
| Imágenes de referencia | basta con compartirlas en la conversación | máximo 14 imágenes de referencia + 4 imágenes de punto fijo |
| Imágenes de entrada | según el límite de adjuntos (cada imagen 25 MB) | JPEG / PNG / WebP, un total de unos 35 MB por video |
| Resultado | imagen, enviada a la conversación | archivo MP4, enviado a la conversación |
Hazlo conmigo
Paso 1: genera una imagen con el Bot de Grok en una sola frase: sujeto, estilo, emoción y proporción
Por qué: la generación de imágenes de Grok Bot no tiene panel de parámetros: el sujeto, el estilo, la emoción y la proporción dependen por completo de cómo los describas con tus propias palabras; solo si lo explicas con claridad saldrá bien a la primera.
- Tres elementos de la descripción: sujeto (qué dibujar), estilo (qué estilo de dibujo), emoción (qué atmósfera); basta con escribirlo con tus propias palabras
- Si quieres un formato específico, indica la proporción directamente: **1:1 (cuadrado), 4:3 / 16:9 (horizontal), 3:4 / 9:16 (vertical) **
- El Bot solo crea cuando se lo pides; cada imagen terminada se envía de vuelta a la conversación
Ejemplo de redacción (cambia el contenido por el tuyo y envíalo directamente):
Ayúdame a generar una imagen de portada 16:9: la azotea de una ciudad al amanecer, una persona de espaldas a la cámara contemplando el amanecer, estilo acuarela, atmósfera tranquila.
Deberías ver: la imagen aparece en la conversación y, al abrirla, se puede ver a pantalla completa y ampliar; incluso si su PC en la nube está en reposo, las imágenes ya generadas se cargan con normalidad.
- Has generado una imagen con el Bot mediante una descripción de una frase y has especificado la proporción
Paso 2: genera imágenes con referencias: haz que dibuje a partir de tu imagen
Por qué: si quieres seguir creando a partir de una imagen existente —por ejemplo, «dibuja con el sentir de esta foto»— comparte la imagen en la conversación y explica claramente cómo usar cada una; el Bot las tomará como referencias.
- Pega la imagen en el cuadro de entrada o envíala con el control de adjuntos (en la versión de escritorio, cada imagen 25 MB, un total de 200 MB por mensaje)
- En el mismo mensaje, deja claro el uso de cada imagen —«esta es una foto del producto», «usa su paleta de colores»—; no dejes que el Bot adivine
Ejemplo de redacción:
El adjunto es una foto del producto. Tomando como referencia su paleta de colores y composición, genera una imagen nueva 1:1 y cambia el sujeto por un vaso de café helado.
Deberías ver: el Bot genera una imagen nueva combinando las referencias, y la escena corresponde a tu descripción, sin inventar por su cuenta.
💡 Las imágenes de referencia no solo sirven para generar imágenes
Los videos también aceptan imágenes de referencia, y con límites aún más específicos: máximo 14 imágenes de referencia + 4 imágenes de punto fijo —ver el paso 4.
Paso 3: genera un video: parte de una descripción o de una imagen y define duración, resolución y proporción
Por qué: los límites de parámetros para generar videos con Grok Bot están clarísimos en la documentación oficial —tenlos claros antes de pedir, di todo de una vez y evita idas y vueltas.
El video se puede generar a partir de tres puntos de partida:
| Punto de partida | Cómo decirlo |
|---|---|
| Descripción de escena | Describe la imagen directamente: contenido, cámara, atmósfera |
| Una imagen | Comparte una imagen y se convierte en el primer fotograma del video |
| Dos imágenes | Un fotograma inicial y uno final; usar la misma imagen en ambos = fragmento en bucle |
Límites de los parámetros (todos se especifican en tu mensaje):
- Duración: 1–15 segundos, por defecto 6 segundos —si quieres otra duración, dilo
- Resolución: 480p; si quieres más nitidez, pide explícitamente 720p
- Proporción: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; al generar a partir de tu imagen mantiene la forma de la imagen original, salvo que indiques lo contrario
- Imágenes de entrada: JPEG, PNG o WebP; todas las imágenes de entrada de un video suman unos 35 MB
- Resultado: cada fragmento se guarda como archivo MP4 y se envía de vuelta a la conversación
- Generar un video** puede tardar varios minutos**, no te desesperes
Ejemplo de redacción:
Usa la imagen que acabo de enviar como primer fotograma y genera un video de 9:16 de 8 segundos, con la cámara alejándose lentamente, 720p.
Deberías ver: unos minutos después aparece el MP4 en la conversación; haz clic en la miniatura para reproducirlo a pantalla completa, y el reproductor incluye barra de progreso y velocidades de 2× / 1.5× / 1× / 0.5×.
- Has generado un video (primero con los 6 segundos por defecto también vale), o sabes de memoria los límites de duración, resolución y proporción
Paso 4: controla la imagen del video con imágenes de referencia y de punto fijo
Por qué: con el video es más difícil acertar a la primera que con las imágenes —el oficial ofrece dos grupos de imágenes para ayudarte a fijar la escena: las imágenes de referencia controlan «cómo se ve», las de punto fijo controlan «cuándo aparece».
- Imágenes de referencia (máximo 14): muestran cómo deben verse los personajes, objetos, vestuario y escenarios
- Imágenes de punto fijo (máximo 4): especifican las imágenes que deben aparecer en momentos concretos del fragmento
Ejemplo de redacción:
Las primeras 3 imágenes adjuntas son imágenes de referencia del personaje; el vestuario y el peinado deben seguir lo que aparece en ellas; la 4.ª imagen (la de la mochila roja) debe aparecer sobre la mesa alrededor del segundo 4 del video. Genera un video de 6 segundos en formato 16:9.
Deberías ver: que el personaje y el vestuario del video coinciden con las imágenes de referencia, y que el contenido de la imagen fija aparece en el momento que especificaste.
⚠️ Las imágenes de entrada tienen requisitos de formato y tamaño
Las imágenes para el video deben ser JPEG, PNG o WebP, y todas las imágenes de entrada de un video deben sumar unos 35 MB en total. Revisa el formato antes de enviarlas; no esperes a llegar al paso de generación para descubrir que las imágenes fueron rechazadas.
- Conocer el propósito respectivo de las imágenes de referencia (máximo 14) y de las imágenes fijas (máximo 4)
Paso 5: entiende los cuatro tipos de «no hizo lo que pediste» del Bot
Por qué: los distintos tipos de «no hizo lo que pediste» son comportamientos y limitaciones de diseño documentados oficialmente — primero identifica a cuál corresponde y luego decide el siguiente paso; no los trates como bugs ni reintentes una y otra vez.
| Situación que encuentras | Versión oficial | Qué debes hacer |
|---|---|---|
| Quieres ver a una persona real, un lugar real o un producto real, y el Bot responde con una imagen real | Comportamiento de diseño: busca imágenes reales en lugar de crearlas | Si quieres el aspecto real, úsala directamente; si quieres un resultado generado, describe la escena con tus propias palabras y no menciones objetos reales por su nombre |
| Tu solicitud fue bloqueada por las reglas de contenido y el Bot te lo informó | Mencionar personajes con marca, marcas o personas reales suele activar el bloqueo | Describe el sujeto con tus propias palabras e inténtalo de nuevo |
| El Bot te dice «inténtalo más tarde» | La generación de imágenes está ocupada | Espera un rato antes de volver a enviar |
| El Bot dice que tu cuenta no tiene generación de imágenes ni de video | La función fue desactivada para tu cuenta; en un equipo puede deberse a la configuración de modelos o de privacidad del administrador | Pregunta al administrador |
Deberías ver: que cada tipo de «no hizo lo que pediste» tiene una causa clara — es un límite, no una avería.
Paso 6: ver, guardar y reenviar los resultados del Bot
Por qué: las imágenes y los videos se envían en la conversación, pero para aprovecharlos — guardarlos localmente, enviarlos a otro chat — necesitas conocer el punto de acceso en cada plataforma.
En escritorio:
- Haz clic en la miniatura de la imagen o del video: se abre a pantalla completa; las imágenes se pueden ampliar con otro clic; con varios resultados, cambia entre ellos con las teclas de flecha izquierda/derecha o con las miniaturas; el botón de descarga de la parte superior guarda;
Escape, el botón de cierre o un clic fuera de la imagen la cierran - Reproductor de video: reproducir / pausar, barra de progreso, menú de velocidad 2× / 1.5× / 1× / 0.5×
- Clic derecho: imagen → Copy image o Save image…; video → Save video…
- Pasa el cursor sobre el mensaje y haz clic en los tres puntos: Download; cuando un mensaje tiene varios resultados, usa Download all; las imágenes tienen además Copy
En móvil:
- Toca la imagen a pantalla completa → menú del visor: Forward (reenviar a otro chat), Share, Save
- Mantén pulsada una imagen de la conversación: Copy Image, Save to Photos
- Toca el video para reproducirlo directamente en la conversación; mantén pulsado → Save to Photos
Recuperarlos: todas las imágenes y videos que el Bot ha creado quedan registrados en su Library (escritorio: nombre del Bot en la parte superior del chat → View conversation details → Library; móvil: nombre del Bot → perfil → Library); los detalles de la operación se ven en 2.2 Archivos y resultados revisables.
Deberías ver: que las imágenes y videos se pueden ver a pantalla completa, guardar localmente o en el álbum, y reenviar a otros chats; y que en Library se recuperan por fecha.
- Has guardado una imagen generada por el Bot o un video
Punto de control ✅
- Has descrito el sujeto, el estilo y la emoción con tus propias palabras y has hecho que el Bot genere una imagen con la proporción indicada
- Has generado una imagen con imágenes de referencia, o sabes que con las imágenes de referencia hay que «aclarar cómo usarlas»
- Has generado un video, o puedes recitar: 1–15 segundos, 6 por defecto, 480p se puede pedir en 720p, 7 proporciones, salida en MP4
- Sabes que los gráficos y tablas no se generan con imágenes — para eso están las Pages; y que para personas y objetos reales el Bot busca imágenes reales
- Has guardado y reenviado resultados del Bot en escritorio o móvil
Avisos de errores comunes
❌ Pedir al Bot que dibuje gráficos o tablas con generación de imágenes
Síntoma: le pides dibujar un gráfico de barras de datos o una tabla, y los números salen borrosos y no coinciden con los datos.
Causa: oficialmente está claro — la generación de imágenes no se usa para gráficos, diagramas ni tablas.
Solución correcta: este tipo de contenido pídele al Bot que lo haga como page (Pages): admite texto, tablas, gráficos y controles, y los informes y paneles se apoyan en ello — ver C2 Entregar informes y paneles de contenido con Pages.
❌ Mencionar personajes con marca, marcas o personas reales, y que la solicitud sea bloqueada
Síntoma: le pides dibujar a un personaje famoso o a una persona real, y el Bot dice que la solicitud fue bloqueada por las reglas de contenido.
Causa: oficialmente está claro — mencionar personajes con marca, marcas o personas reales suele activar el bloqueo de contenido; el Bot te informa de que fue bloqueado, no falla en silencio.
Solución correcta: describe el sujeto con tus propias palabras (aspecto, vestuario, carácter), sin mencionar nombres, e inténtalo de nuevo.
❌ Quieres ver cómo es una persona o un lugar emblemático reales, y el Bot «buscó una imagen»
Fenómeno: si le pides que «dibuje» un lugar real, te devuelve una foto existente en lugar de una imagen generada.
Causa: comportamiento de diseño: cuando se quiere mostrar el aspecto de personas reales, lugares reales o productos reales, el Bot busca imágenes reales en lugar de crearlas.
Forma correcta: si lo que quieres es el aspecto real, usa directamente la imagen real que encuentra; si quieres generar una escena estilizada, describe la escena en sí y no nombres objetos reales.
❌ Pedirle al vídeo que haga «trabajo de precisión»: títulos animados, diapositivas, demostraciones de producto
Fenómeno: quieres un vídeo animado con texto exacto, momentos temporales exactos o recursos de marca, y el resultado final no coincide.
Causa: la documentación oficial lo aclara: el vídeo tiene estilo de grabación real (look filmed), no es apto para gráficos en movimiento, tarjetas de título, diapositivas, demostraciones de productos o apps, gráficos, ni ningún contenido que requiera texto, tiempos o recursos de marca de forma exacta.
Forma correcta: usa el vídeo dentro de su zona de capacidad: escenas de grabación real, dar movimiento a imágenes estáticas, personajes de una imagen de referencia. El trabajo con texto exacto déjaselo a Pages o a un documento.
Técnicas avanzadas (opcional)
Las tareas asignadas a un task también pueden generar imágenes y vídeos. Cuando el Bot delega trabajo a un task, ese task también puede crear imágenes y vídeos, y el Bot los envía de vuelta a la conversación: no tienes que cambiar cómo asignas el trabajo.
La hibernación del ordenador en la nube no afecta a la visualización de imágenes. Las imágenes generadas por el Bot se cargan con normalidad en la conversación aunque su ordenador en la nube esté hibernando: puedes revisar los resultados anteriores sin despertarlo.
Gráficos y paneles van por Pages. Para contenido con gráficos, tablas o controles, pide al Bot que lo haga como Pages: los requisitos de versión y las opciones para compartir se ven en C2 Entregar informes y paneles de contenido con Pages.
Resumen de la lección
✅ Grok La línea principal de la generación de imágenes y vídeos del Bot: crea solo cuando se lo pides, parte de una descripción o de una imagen que compartes, y el resultado vuelve a la conversación y se registra en la Library.
✅ Generar imágenes: describe el sujeto, el estilo, el ambiente; proporciones 1:1, 4:3, 3:4, 16:9, 9:16; las imágenes ya existentes se comparten en la conversación como referencia.
✅ Generar vídeos: 1–15 segundos (por defecto 6 segundos), de 480p se puede pedir 720p, 7 proporciones; se empieza con una imagen del primer fotograma o con el primer y el último fotograma, misma imagen al inicio y al final = bucle; máximo 14 imágenes de referencia + 4 imágenes de punto fijo; imágenes de entrada JPEG / PNG / WebP con un total de unos 35 MB; salida en MP4.
✅ Límites: gráficos y tablas con Pages, no con generación de imágenes; el vídeo es de estilo de grabación real, no hace animaciones, texto exacto ni recursos de marca; para personas y objetos reales el Bot busca imágenes reales; marcas y personas reales suelen bloquearse, describe con tus propias palabras e inténtalo de nuevo.
✅ El resultado está disponible en todo momento: en escritorio pantalla completa / descarga / copiar con clic derecho, en móvil reenviar / guardar en el álbum; la Library permite recuperarlo por fecha.
Repaso de los parámetros clave:
| Parámetro | Valor | Descripción |
|---|---|---|
| Proporción de imagen | 1:1, 4:3, 3:4, 16:9, 9:16 | cuadrada / horizontal / vertical, se indica al describir |
| Duración del vídeo | 1–15 segundos | por defecto 6 segundos |
| Resolución del vídeo | 480p | pide 720p explícitamente para más nitidez |
| Proporción del vídeo | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 | mantiene la forma de la imagen original al generarse a partir de tu imagen |
| Imágenes de referencia | máximo 14 | fijan personajes, objetos, ropa, escenarios |
| Imágenes de punto fijo | máximo 4 | aparecen en el momento indicado |
| Imágenes de entrada | JPEG / PNG / WebP, total de unos 35 MB | todas las imágenes de entrada de un vídeo |
| Salida de vídeo | MP4 | la generación puede tardar varios minutos |
Avance de la próxima lección
Ya puede «crear de la nada»; en la próxima lección veremos cómo te «recuerda». Próxima lección: 2.4 Mecanismos de memoria.
Aprenderás:
- El Bot decide por sí mismo qué recordar: unos pocos datos sobre ti se comparten entre todos los Bots
- La memoria existe a través de las conversaciones: en otra conversación sigue recordando tus preferencias
- Ver, corregir y eliminar en el chat lo que recuerda
- Reset reinicia la conversación pero conserva la memory; también se puede importar desde otros asistentes