Grok Imagine 2.0 提示词怎么写：结构、示例和实测出图

写 Grok Imagine 2.0 提示词，就用几句话描述一张图，按 xAI 的顺序来：主体、细节、风格、光线、颜色、构图。要出现在图里的每个字都放进双引号，并说清放在哪里。我们 2026 年 10 月 26 日跑了 11 条提示词：引号里的字全部正确，比例不设时由模型自己挑，直到我们用 aspect_ratio 固定下来。

Grok Imagine 2.0 的提示词结构

xAI 的 Image Prompting Guide 给了一个固定顺序：主体、细节和视觉焦点、艺术方向、光线、颜色、构图，并要求用四到六句话的散文描述同一张图。

最后一行“文字”是我们加的，xAI 的指南里没有这一行。

• 主体先说：xAI 的指南写得很直接，开头先写氛围、胶片型号或一串要避免的东西，出来的是一张有风格的场景，主体只是个替身。
• 写你要的东西，别写你不要的。“Brushed steel with fine horizontal grain”（细横纹拉丝钢）给了模型可以画的材质，一长串“不要什么”很容易被忽略。
• 文字：xAI 的指南没有讲图里的字怎么写，公告说它会像设计师一样规划字体和版式，小字也能出得清楚。我们把每句话放进双引号，并写明位置，14 行引号里的字全部正确。
• 比例：提示词本身定不了。aspect_ratio 默认是 auto，由模型挑最合适的比例。我们没设参数的 11 次出图分别是 832×1248、1248×832、1024×1024 和 1280×720，想固定比例看后面的接口一节。
• 长度和语言：xAI 没有公布提示词长度上限，也没有公布支持哪些提示词语言。我们的提示词是英文，30 到 48 个词、一到三句；图里的文字也都是英文，中文文字没有测。

我们怎么跑的

• 模型 grok-imagine-image-2.0，2026 年 10 月 26 日通过 OmniaKey 的异步媒体接口跑，operation 用 generate，一个参数都没加，所以 aspect_ratio 停在 xAI 默认的 auto，分辨率也是默认值。11 个任务全部一次成功。
• 之后又用海报那条提示词跑了两次，aspect_ratio 设成 "16:9"：一次用我们的测试脚本，一次用下面接口一节的 Python 脚本。两次都是 1280×720，文字也没错。
• 出图格式是 JPEG。从提交到拿到图用了 15.6 到 41.1 秒，多数在 16 到 25 秒之间，最慢的图标用了 41.1 秒。
• 检查方法：每张图都放大到原尺寸看；四张有文字的图，逐个字母对照提示词核对。
• OmniaKey 在卖 Grok Imagine 2.0 的接口，这些图就是通过它跑的。文中的价格都是 xAI 的官方价。
• 来源：xAI 的 Image Prompting Guide、图片生成指南和价格页，2026 年 10 月 26 日核对。

每条提示词只跑了一次，每张图都只是一个样本。

八个配方和实测出图

1. 带标题和一行小字的海报

这条要的是一张大标题、一行小字和平面丝网印的感觉。

A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette in deep blue on a cream background, lots of empty space, flat screen-print style.

意思是：一张极简爵士音乐会海报，顶部是大标题，底部是一行时间地点，奶油色底上有一把深蓝色萨克斯剪影。

设置： generate，没设 aspect_ratio（auto），出图 832×1248，用时 16.4 秒。

结果：

• “BLUE HOUR”用深蓝色窄体大写字母横在顶部，底部那行小字一字不差，中间的间隔号也在。
• 深蓝色萨克斯占住画面中间，奶油色纸面带一点印刷纹路，留白也留住了。
• 萨克斯的按键用浅线画了出来，看起来是一张画，而不是纯色剪影。

怎么调：

• 文字不用改，那行小字保持同一对引号，间隔号才不会被拆开。
• 想要纯剪影，可以试 “a solid single-color saxophone shape with no inner details”。

2. 字要准确的产品标签

这条把两行短字放上产品照。

Studio product photo of a glass bottle of cold brew coffee with a kraft paper label that reads "NORTH ROAST" and "Cold Brew · 12 oz". The bottle stands on wet dark slate with ice cubes around it, soft side light, dark background, sharp focus on the label.

意思是：一瓶冷萃咖啡的产品照，牛皮纸标签上印着品牌名和规格，瓶子放在湿石板上，旁边有冰块。

设置： generate，没设 aspect_ratio（auto），出图 832×1248，用时 17.1 秒。

结果：

• 深色玻璃咖啡瓶挂满水珠，立在湿黑石板上，四周有冰块，背景是黑的。
• 牛皮纸标签上 “NORTH ROAST” 是粗体大写，“Cold Brew · 12 oz” 在一条细线下面，两行都对。
• 模型在名字上方自己画了一个小山轮廓，提示词里没有。

怎么调：

• 标签上只能有你的字，可以试 “the label shows only these two lines of text, no logo”。

3. 多行文字加图标的食谱卡

这条要一个标题、三个编号步骤，每步配一个线描图标。

A clean recipe card titled "3-Step Pancakes" with three numbered steps: "1. Mix flour, milk and eggs", "2. Rest the batter 10 minutes", "3. Cook on a hot pan". A small line icon next to each step, cream background, simple sans-serif font.

意思是：一张干净的食谱卡，标题是三步煎饼，三步的文字都给了原话，每步右边一个小图标。

设置： generate，没设 aspect_ratio（auto），出图 832×1248，用时 15.6 秒。

结果：

• 标题 “3-Step Pancakes” 在顶部，下面一条浅棕色细线，三行用细线隔开。
• 每一步的字都对，各折成两行，右边一个线描图标：打蛋器、时钟、煎锅。
• 编号画成了圆圈里的 “1”“2”“3”，而不是 “1.” “2.” “3.”。

怎么调：

• 一定要 “1.” 这种写法，可以试 “numbers written as 1., 2., 3. before each step, no circles”。

4. 带价格的黑板菜单

这条测五行手写短句加价格。

A cafe chalkboard menu with the heading "TODAY" and five lines of small handwritten text: "Flat white 4.50", "Oat latte 5.00", "Matcha 5.50", "Almond croissant 4.00", "Banana bread 3.50". Wooden frame, warm cafe light.

意思是：一块咖啡馆黑板菜单，标题是 TODAY，下面五样单品各带价格，木框，暖光。

设置： generate，没设 aspect_ratio（auto），出图 1248×832，用时 29.8 秒。

结果：

• 木框黑板挂在暖色灰泥墙上，左边露出一盆绿植。
• “TODAY” 是大号粉笔大写字母，下面有下划线，旁边一个小叶子涂鸦。
• 五个品名都是整齐的粉笔手写，价格在右边排成一列，每一行、每个价格都对。

怎么调：

• 每行写短，字给原话；五行短句这次全部正确。

5. 街头照片：镜头和光线

这条用摄影术语要一张照片的质感。

Candid street photograph of an elderly man feeding pigeons in a stone plaza at golden hour. Shot on a 35mm lens, shallow depth of field, natural skin texture, warm low sun, slight film grain.

意思是：黄金时刻的抓拍街头照，一位老人在石板广场喂鸽子，35mm 镜头，浅景深，自然皮肤质感。

设置： generate，没设 aspect_ratio（auto），出图 1248×832，用时 19.8 秒。

结果：

• 戴鸭舌帽、穿深色长外套的老人蹲在石板上，伸手喂身边的鸽子。
• 光线暖而低，背景是虚化的广场、路人和一面大石墙。
• 脸上有皱纹和皮肤纹理，手看起来自然，胶片颗粒很轻。

怎么调：

• 不用改。xAI 的指南说材质只写一次，并要求光线让主体看得清，这两点都做到了。

6. 俯拍食物：每种配料都点名

这条把配料列全，并给光线一个方向。

Overhead food photo of a bowl of shoyu ramen with a soft-boiled egg, chashu pork, nori and sliced scallions on a dark wooden table. Chopsticks rest on the bowl, light steam rises, natural window light from the left.

意思是：从正上方俯拍一碗酱油拉面，配料逐一点名，筷子搭在碗上，左侧窗户自然光。

设置： generate，没设 aspect_ratio（auto），出图 1024×1024，用时 20.7 秒。

结果：

• 正上方俯拍，陶碗放在深色旧木桌上：半个溏心蛋、两片卷叉烧、两片海苔、一堆葱花，褐色汤里是面条。
• 木筷子横在碗的右侧，顶上飘着几缕淡淡的热气。
• 模型加了一撮深色蘑菇丝，提示词里没写。

怎么调：

• 碗里的东西全部列出来，要求严格对得上，可以试 “nothing else on top”。

7. 室内：每件东西带材质

这条给每件家具都写了材质和颜色。

Interior design photo of a small Scandinavian living room: light oak floor, a white sofa with a mustard throw, a round oak coffee table, a large window with soft morning light, a tall fiddle-leaf fig in a white pot. Calm, airy, eye-level view.

意思是：小户型北欧客厅的室内照，浅橡木地板、白沙发配芥末色毯子、圆橡木茶几、大窗和琴叶榕。

设置： generate，没设 aspect_ratio（auto），出图 1248×832，用时 16.3 秒。

结果：

• 点名的东西都在：浅橡木地板、搭着芥末色毯子的白沙发、织毯上的圆橡木茶几、左边的大窗和窗外的树，右边白盆里的琴叶榕。
• 墙上挂着画，平视角度，明亮柔和。

怎么调：

• 不用改。把每件东西的材质和颜色都写出来，结果就都到位了，换房间也照这个写法。

8. 水彩插画

这条指定媒介和纸张质感。

Children's book illustration in soft watercolor: a small fox reading a book under a giant red mushroom in a forest, fireflies glowing around it, gentle pastel colors, visible white paper texture.

意思是：柔和的水彩童书插画，小狐狸在巨大红蘑菇下看书，四周有萤火虫，能看见白纸纹理。

设置： generate，没设 aspect_ratio（auto），出图 832×1248，用时 24.9 秒。

结果：

• 柔和的水彩画：橙色小狐狸在红色大蘑菇下，捧着一本打开的书，四周是发光的萤火虫、蕨类、小花和小蘑菇。
• 画面边缘能看见白纸纹理。
• 狐狸闭着眼睛，看起来更像睡着了，而不是在看书。

怎么调：

• 表情要写出来，可以试 “eyes open, looking down at the page”。

常见翻车和怎么修

提示词太笼统，模型只好自己决定一切

你少写一个词，模型就自己补，补出来的可能是真实品牌。

a cool car

意思是：一辆很酷的车。三个词，别的什么都没说。

A 1960s cherry-red convertible parked on a coastal road at sunset, low angle from the front three-quarter view, chrome bumper catching the light, ocean and cliffs behind it, photorealistic, warm golden light.

意思是：日落时停在海岸公路上的 1960 年代樱桃红敞篷车，低角度前四分之三视角，镀铬保险杠反光。

• “a cool car” 出来的是一台深灰色现代跑车，停在黄昏的湿沥青上，背后是山、松树和粉色云层，气氛很电影。它的引擎盖和轮毂上带着真实车企的车标。
• 具体那条把提示词里的东西都放进了画面：樱桃红敞篷车、低角度前四分之三视角、阳光下的镀铬格栅和保险杠、背后的海和悬崖。模型还自己加了一块写着 “1962 CLK” 的车牌。

简单的图标容易撞上知名 logo

图标那条只要了简单几何形状，也确实做到了，结果离一个人人都认识的标志很近。

Flat vector app icon: a white paper plane on a rounded square with a blue-to-teal gradient. Simple geometric shapes, no text, centered, clean edges, plain white background around the icon.

意思是：扁平矢量应用图标，蓝到青渐变的圆角方块上一个白色纸飞机，不要文字，居中。

出来的正是要的东西：白色纸飞机、略微偏心、蓝到青的圆角方块、没有文字，但是和某款知名聊天应用的标志非常接近。越简单越常见的图标想法，越容易贴着知名标志走，所以加一个属于你自己的细节，用之前先和现有 logo 比一比。

下面这些问题我们都碰到了，每条都有改法。

国内怎么用

OmniaKey 支持人民币直充，可以用支付宝和微信支付，一个 key 就能调用 Grok Imagine 2.0 和其他多家模型，不用单独去开 xAI 的账号。模型页在这里：Grok Imagine 2.0。

用接口跑这些提示词

OmniaKey 的媒体接口分三步：建任务、轮询同一个任务直到完成、下载结果。

pip install requests
export OMNIAKEY_API_KEY="your-key"

下面是我们跑过的脚本，原样贴出：

import os
import time
import uuid

import requests

API = "https://api.omniakey.com/v1/media/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['OMNIAKEY_API_KEY']}"}

PROMPT = (
    'A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller '
    'line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette '
    "in deep blue on a cream background, lots of empty space, flat screen-print style."
)

# 1. Create the task. Reuse the same Idempotency-Key only when retrying this exact request.
resp = requests.post(
    API,
    headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
    json={
        "model": "grok-imagine-image-2.0",
        "type": "image",
        "operation": "generate",
        "input": {"prompt": PROMPT},
        "parameters": {"aspect_ratio": "16:9"},  # leave it out and the model picks the shape
    },
    timeout=30,
)
resp.raise_for_status()
task = resp.json()
print("task:", task["id"], task["status"])

# 2. Poll the same task until it finishes. Slow is not failed: keep polling this id.
while task["status"] in ("queued", "processing"):
    time.sleep(4)
    task = requests.get(f"{API}/{task['id']}", headers=HEADERS, timeout=30).json()

if task["status"] != "succeeded":
    raise SystemExit(f"task ended {task['status']}: {task.get('error')}")

# 3. Download the image now: the signed URL lasts about an hour.
asset = task["assets"][0]
with open("blue-hour.jpg", "wb") as f:
    f.write(requests.get(asset["url"], timeout=60).content)
print("saved blue-hour.jpg", asset["mime_type"], asset["byte_size"], "bytes")

2026 年 10 月 26 日的输出：

task: task_ETAcsodTDIPQkhTVyykyRiRdBpYDOgj7 queued
saved blue-hour.jpg image/jpeg 205099 bytes

从提交到文件保存好，用了大约 16 秒。

• aspect_ratio：xAI 的接口接受 1:1、16:9、9:16、4:3、3:4、3:2、2:3、2:1、1:2、19.5:9、9:19.5、20:9、9:20、21:9、5:2 和 auto。xAI 建议同一系列固定一个比例，多数照片用 3:2 合适。我们两次 16:9 都是 1280×720，版式是按宽画面重排的，没有被裁切：标题横在顶部，萨克斯在中间，小字在底部。
• 在 OmniaKey 上，Grok Imagine 只做生成，n 必须是 1。xAI 自己的接口还能改图，一次最多返回 10 张。
• xAI 的接口还有 quality 和 resolution 两个设置，这两个我们没在 OmniaKey 上测。
• 任务完成就马上下载：签名链接大约一小时有效，任务记录保留 24 小时。
• 价格：xAI 官方标价 Grok Imagine 2.0 每张 $0.04，提示词多长都一样（2026 年 10 月 26 日核对）。旧一些的 grok-imagine-image-quality 是 $0.05，grok-imagine-image 是 $0.02；三个模型怎么选，可以看 我们对三个 Grok 图片模型的接口测试，同样四条提示词都跑了一遍。在 OmniaKey 上任务失败会自动退款。OmniaKey 当前的费率看 Grok Imagine 2.0 模型页，参数细节看 图片接口文档。

常见问题

Grok Imagine 2.0 的提示词能写多长？

xAI 没有公布长度上限。它的 Image Prompting Guide 建议一张单图写四到六句，我们这次是 30 到 48 个词、一到三句，八个配方都基本照做了。

图里的文字怎么才能写对？

把每一行字放进双引号，并说清它在画面里的位置。我们四条带文字的提示词，14 行引号文字全部正确，间隔号和价格都在；xAI 的公告也说小字现在出得清楚。xAI 的指南没有讲文字怎么写，加引号是我们自己的做法。

Grok Imagine 2.0 出图是多大？

比例留在 auto 时，我们 11 次出图分别是 832×1248、1248×832、1024×1024 和 1280×720。把 aspect_ratio 设成 "16:9"，两次都是 1280×720。xAI 的接口还有 resolution，默认 1k，也可以选 2k。

Grok Imagine 2.0 能改图吗？

走 xAI 自己的接口可以，改图用 POST /v1/images/edits，一次最多 5 张源图。它的指南建议开头就写要改的那一到三处，其余保持不变。在 OmniaKey 上 Grok Imagine 只做生成，改图请求会被拒绝。

Grok Imagine 2.0 会改写我的提示词吗？

xAI 的接口会为“提示词改写（upsampler）”模型计费，但返回里没有改写后的提示词字段。改写改了什么，官方没有公布，所以拿图跟自己的提示词对，别去猜。

Grok Imagine 2.0 多少钱一张？

xAI 官方标价 grok-imagine-image-2.0 每张 $0.04（2026 年 10 月 26 日核对），提示词长短不影响价格。改图按输入图和输出图分别计费。OmniaKey 当前的费率看 Grok Imagine 2.0 模型页。

更新记录

• 2026 年 10 月 27 日：第一版，提示词于 2026 年 10 月 26 日实跑。