Skip to content

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:

  1. 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.
  2. 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.
  3. 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 imágenesGenerar videos
Cómo empezarDescribir sujeto, estilo, emoción; se pueden incluir imágenes de referenciaDescribir la escena; o dar una imagen del primer fotograma / el primer y el último fotograma
Proporción1:1, 4:3, 3:4, 16:9, 9:161:1, 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 referenciabasta con compartirlas en la conversaciónmáximo 14 imágenes de referencia + 4 imágenes de punto fijo
Imágenes de entradasegún el límite de adjuntos (cada imagen 25 MB)JPEG / PNG / WebP, un total de unos 35 MB por video
Resultadoimagen, enviada a la conversaciónarchivo 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 partidaCómo decirlo
Descripción de escenaDescribe la imagen directamente: contenido, cámara, atmósfera
Una imagenComparte una imagen y se convierte en el primer fotograma del video
Dos imágenesUn 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 encuentrasVersión oficialQué debes hacer
Quieres ver a una persona real, un lugar real o un producto real, y el Bot responde con una imagen realComportamiento de diseño: busca imágenes reales en lugar de crearlasSi 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 informóMencionar personajes con marca, marcas o personas reales suele activar el bloqueoDescribe el sujeto con tus propias palabras e inténtalo de nuevo
El Bot te dice «inténtalo más tarde»La generación de imágenes está ocupadaEspera un rato antes de volver a enviar
El Bot dice que tu cuenta no tiene generación de imágenes ni de videoLa función fue desactivada para tu cuenta; en un equipo puede deberse a la configuración de modelos o de privacidad del administradorPregunta 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:

ParámetroValorDescripción
Proporción de imagen1:1, 4:3, 3:4, 16:9, 9:16cuadrada / horizontal / vertical, se indica al describir
Duración del vídeo1–15 segundospor defecto 6 segundos
Resolución del vídeo480ppide 720p explícitamente para más nitidez
Proporción del vídeo1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3mantiene la forma de la imagen original al generarse a partir de tu imagen
Imágenes de referenciamáximo 14fijan personajes, objetos, ropa, escenarios
Imágenes de punto fijomáximo 4aparecen en el momento indicado
Imágenes de entradaJPEG / PNG / WebP, total de unos 35 MBtodas las imágenes de entrada de un vídeo
Salida de vídeoMP4la 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

Tutoriales relacionados ​

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.