Обзор возможностей модели Grok Imagine 2.0 в VeoSuno: как создавать сложные макеты с правильной типографикой, переносить внешность с референса и писать промпты для надписей.
В VeoSuno появилась Grok Imagine 2.0 — нейросеть для генерации изображений от команды xAI, вышедшая 7 августа 2026 года. Она рисует картинку по текстовому описанию и переделывает готовые фотографии, а одна генерация стоит 6 ₽. Отдельно разработчики работали над типографикой и плотными макетами — над теми случаями, когда надписей в кадре много и все они должны остаться читаемыми.
Показываем на примерах, что получается, и даём промпты — их можно скопировать и повторить.
Grok Imagine 2.0 — модель генерации изображений, в которой создание картинки с нуля и правка готовой работают в одном окне. Вы или описываете сцену словами, или загружаете исходники и объясняете, что с ними сделать.
Заявленный акцент версии — вёрстка. Модель планирует расположение текстовых блоков так, как это делал бы дизайнер: заголовок, подзаголовок, мелкие строки и логотип не налезают друг на друга и держат общую сетку. Второй сценарий — работа с референсами: в форму генерации можно загрузить до четырёх изображений и собрать из них новый кадр.
Найти её просто: раздел «Создать фото», в списке моделей — Grok Imagine 2.0.
Кириллица — слабое место большинства генераторов: буквы плывут, подменяются похожими символами или превращаются в орнамент. Начали с простого макета — спортивной афиши, где есть заголовок, строка с датой и логотип.
Промпт:
A printed football match poster on a stadium wall, large Cyrillic headline "ФИНАЛ СЕЗОНА" across the top, below it a line of smaller Cyrillic text reading "28 СЕНТЯБРЯ 2026 · СТАДИОН «СЕВЕР»", a photograph of a player celebrating a goal in the middle, thin rules separating the blocks, small "VeoSuno" logotype in the bottom corner, paper texture and scuffs, cold evening light from the floodlights, 50mm lens, subtle film grain, shot on 35mm film
Заголовок встал широким плотным гротеском, строка с датой читается целиком вместе с кавычками-ёлочками, логотип не поплыл. Обратите внимание на деталь: дата и название стадиона прописаны в промпте дословно, в кавычках. Это ключевой приём для этой модели.
Афиша — простой случай: три элемента. Сложнее, когда текста много и он разной величины. Собрали обложку журнала: шапка издания, крупный заголовок поверх фотографии, три анонса по краю и строка с номером выпуска.
Промпт:
A glossy magazine cover lying on a desk, the masthead "VeoSuno News" across the top in a bold modern typeface, a photograph of a heavy-lift rocket lifting off at dawn filling most of the cover, flame and steam spreading across the launch pad, a large Cyrillic cover line "СУПЕРХЕВИ ВЫШЕЛ НА ОРБИТУ" over the lower part of the photograph, three short Cyrillic cover lines stacked along the left edge reading exactly "GROK IMAGINE 2.0: КАРТИНКИ ПО ОПИСАНИЮ", "ТРЕК СВОИМ ГОЛОСОМ ЗА ВЕЧЕР" and "КАК ПИСАТЬ ПРОМПТЫ КОРОЧЕ", the text "ВЫПУСК 20 · 28.09.2026" near the bottom, light reflecting off the coated paper, slight bend in the page, 50mm lens, natural colour, soft film grain
Здесь работает то же правило, только жёстче: весь текст, который должен быть осмысленным, пишется в промпте буквально. Формулировки вроде «три коротких строки анонсов» модель понимает как разрешение придумать их самой — и придумывает набор символов, похожий на текст издалека. Пишете дословно каждую строку — получаете каждую строку.
Практический совет: Сначала напишите макет на бумаге или в заметках, как если бы верстали сами, а потом перенесите все надписи в промпт в кавычках. Это и быстрее, и дешевле, чем перегенерировать вслепую.
Второй сценарий — генерация с опорой на референс. В форме четыре слота под изображения, в промпте на них ссылаются по порядку: первый референс, второй и так далее.
Мы загрузили одно фото и попросили собрать из него афишу концерта — то есть совместить сохранение внешности с вёрсткой в одном кадре.
Промпт:
A concert poster pasted on a concrete wall, the photograph on the poster shows the same woman as in the first reference, unchanged, her face, hair and tattoos must match the first reference exactly, she wears the same white top with the "I love VeoSuno" print. A large Cyrillic headline "НОЧНАЯ СМЕНА" across the top of the poster, a smaller Cyrillic line below it reading "10 ОКТЯБРЯ · КЛУБ «ОРБИТА»", a small "VeoSuno" logotype in the bottom corner, torn paper edges, street grime on the print, cold night light from a street lamp, 50mm lens, subtle film grain, shot on 35mm film
Человек с референса узнаётся: те же черты лица, причёска, татуировки на руке и надпись на топе. При этом заголовок и строка с датой остались чистыми — модель не пожертвовала текстом ради портрета.
Важное правило: Не описывайте внешность словами при работе с референсом. Если референс уже показывает человека, а в промпте написано «блондинка с чёлкой», текстовое описание перебивает картинку, и модель перерисует лицо под текст. Пишите «внешность в точности как на первом референсе» — и ничего больше.
У Grok Imagine 2.0 в VeoSuno пять соотношений сторон: 1:1, 2:3, 3:2, 9:16 и 16:9. Переключателя качества нет — разрешение фиксированное.
По нашим замерам на выходе получается 1728 пикселей по длинной стороне: горизонтальный кадр 3:2 выходит 1728×1152, вертикальный 2:3 — 1152×1728. Этого хватает на публикацию в соцсетях, превью, баннер или афишу в ленте. Для печати большого формата понадобится апскейл.
Одна картинка стоит 6 ₽. Цену приводим на сентябрь 2026 года. Загруженные референсы стоимость не меняют: четыре исходника в форме обойдутся так же, как генерация по одному описанию.
Минимальное пополнение баланса — 50 ₽, это восемь генераций. Для макетов с текстом такой запас как раз к месту: обычно первая версия показывает, что формулировку надписи стоит уточнить, а вторая или третья уже идёт в дело.
Попробовать модель можно в разделе генерации изображений, а общие вопросы по интерфейсу разобраны в документации VeoSuno. Если нужен не макет, а обложка для трека, у нас есть отдельный разбор с примерами. В том же разделе «Создать фото» работает и Qwen Image 2.1, про неё мы писали отдельно.
Создавайте качественные афиши, макеты и обложки с читаемыми надписями с помощью Grok Imagine 2.0
6 ₽ за генерацию по ценам на сентябрь 2026 года. Загруженные референсы стоимость не меняют. Минимального пополнения баланса в 50 ₽ хватает на восемь картинок.
Да. В наших примерах кириллические заголовки, строки с датами и названия отрисовались без искажений. Условие одно: нужный текст пишется в промпте буквально, в кавычках. Если оставить формулировку общей, модель придумает надпись сама и та выйдет нечитаемой.
Фиксированное, переключателя качества у модели нет. По нашим замерам длинная сторона составляет 1728 пикселей: 1728×1152 в горизонтальных форматах и 1152×1728 в вертикальных.
До четырёх изображений в одной генерации. В промпте на них ссылаются по порядку — первый референс, второй и так далее. Порядок загрузки важен, иначе модель перепутает, что откуда брать.
Пять соотношений сторон: квадрат 1:1, вертикальные 2:3 и 9:16, горизонтальные 3:2 и 16:9. Этого достаточно и для ленты, и для сторис, и для широкого баннера.
Загрузите фото референсом и напишите в промпте, что внешность должна в точности совпадать с референсом. Описывать человека словами при этом не нужно: текстовое описание перебивает картинку, и модель перерисует лицо под него.
Войти через Яндекс
Войти через Telegram
Войти через Gmail
или войти через VK ID с использованием данных из сервера
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
