Grok Imagine 1.5 Preview
支持音频同步与生动动作表现的图生视频生成模型。
输入
上传图片 *
点击或拖拽文件到此处
查看上传限制
图片：JPG / PNG / WEBP，≤10.0MB，最多 1 张，宽高均 ≥300px，宽高比在 1:2.5 ～ 2.5:1
提示词
时长(s)
分辨率
宽高比
- auto
- 16:9
- 9:16
- 1:1
- 3:2
- 2:3
- 3:4
- 4:3
结果
查看生成记录| 模型与模态 | 积分 / 生成 | 我们的价格 (USD) | 官方价格 （美元） | 折扣 |
|---|---|---|---|---|
grok-imagine-video-1.5-preview, i2v, 480p videoGrok | 14.5 per second | $0.0647 | $0.08 | - 19% |
grok-imagine, i2v, 720p videoGrok | 25 per second | $0.1116 | $0.14 | - 20% |
grok-imagine, i2v, input image videoGrok | 2 per image | $0.0089 | $0.01 | - 11% |
Grok Imagine Video 1.5 API
使用 xAI 的 Grok Imagine Video 1.5 预览模型，将静态图片转换为带有同步音频的短视频。
提示词：
一枚巨大的火箭从现代航天发射中心升空，引擎喷射出炽热的火焰和浓烟，强劲起飞，电影级镜头视角，富有戏剧性的光影效果，真实物理表现，晴朗蓝天背景，细节丰富，充满力量感，4K画质。
Grok Imagine 1.5 API 核心功能
让任何图片动起来，并自带声音
图生视频
将静态图片转换为动态视频，同时保留主体身份、构图和视觉风格。
原生音频生成
在一次生成过程中同时创建对话、音效、环境音和背景音乐。
视频延展
基于最后一帧无缝延长视频，保持动作、光线和场景的连续性。
参考一致性
在多次视频生成中保持角色外观、视觉风格和场景美学一致。
基于提示词的视频编辑
通过自然语言指令编辑和优化视频，无需复杂工作流。
快速电影级渲染
生成具有真实运动效果、流畅镜头运动和快速渲染速度的高质量视频。
使用 Grok Imagine Video 1.5 可以构建什么
Grok Imagine Video 1.5 能够将静态图片转换为具有真实运动、自然交互和自动生成声音的动态视频。上传人物肖像、产品照片或插画后，它会生成带有同步背景音乐、音效和环境音的电影级视频，使声音与画面自然匹配。
音视频一体化生成能力
Grok Imagine Video 1.5 支持在一次生成过程中同时创建视频和音频，实现真正的音视频协同生成。系统可自动生成符合场景语境的声音，包括同步动作音效（如挥剑声、脚步声）、环境音（如房间背景音、空间混响）、背景音乐以及对话，并提供自然的口型同步效果。只需一张图片和一句提示词，即可生成带有完整声音设计的电影级视频，无需额外后期音频处理工具。
真实运动、物理模拟与细节还原
该模型能够将单张图片扩展为完整动态场景，在运动一致性、物理真实性和细节表现方面均有出色表现。它可以自然还原流体运动、蒸汽升腾、玻璃等透明材质等复杂现象，同时保持原有视觉风格。模型还能准确理解提示词，并支持基于自然语言的镜头控制，实现更加灵活的场景导演能力。
端到端创作工作流
Grok Imagine 提供从文生图、图片编辑、图生视频、视频生成到视频延展的完整创作链路，并通过 Agent Mode 支持迭代式创意优化。这种一体化工作流非常适合短视频内容制作、概念视频创作以及快速原型验证，让用户能够在单个平台内高效地将创意转化为可交付的视频作品。
Grok Imagine Video 1.5 API 与 Seedance 2.0 API 对比
Grok Imagine Video 1.5 Preview 近期登顶 Image-to-Video Arena（720p）排行榜，以 1473 分超越 Seedance 2.0 的 1467 分。相比上一代模型，其 Elo 分数提升了 52 分，已成为目前 Crun 平台上表现最强的图生视频模型之一。
| 模型 | Grok Imagine Video 1.5 | Seedance 2.0 |
|---|---|---|
分辨率 | 720P | 1080P |
视频时长 | 15秒 | 15秒 |
帧率 | 24fps | 24fps |
音视频同步生成 | 支持 | 支持 |
参考视频 | 不支持 | 不支持 |
文生视频 | 不支持 | 支持 |
运动质量 | 中等 | 高 |
场景复杂度 | 简单场景 | 支持多场景 |
角色一致性 | 基础 | 强 |
生成速度 | 快 | 中等 |
控制能力 | 低~中 | 高（多模态控制系统） |
关于 Grok Imagine Video 1.5 的常见问题
什么是 Grok Imagine Video 1.5？
Grok Imagine Video 1.5 是 xAI 推出的图生视频模型。它接收参考图片和文本提示词，并生成带有运动效果和原生音频的电影级视频，包括对话、环境音和音效，所有内容都在一次生成过程中完成同步。Grok Imagine Video 1.5 的优势是什么？
它将高质量图生视频能力与原生音频合成为一体，可在一次生成中同时输出画面和同步声音。此外，它还集成于 Grok Imagine 的完整创作工作流，包括文生图、图片编辑、图生视频、视频转视频以及视频延展，非常适合短视频内容创作和快速迭代。Grok Imagine Video 1.5 的音频效果如何？
音频与视频同步原生生成，无需额外后期处理。模型能够生成自然流畅的对话、精准的口型同步、符合场景的环境音以及时机准确的音效，从而获得更加完整的电影级体验。支持哪些分辨率和时长？
Grok Imagine Video 1.5 支持 480p 和 720p 图生视频生成。单个视频最长可达 15 秒，并支持原生同步音频输出。Grok Imagine Video 1.5 API 是否支持原生音频生成？
支持。Grok Imagine Video 1.5 可在生成视频的同时同步生成对话、音效、环境音和背景音乐，减少对独立音频工具的依赖。Grok Imagine Video 1.5 与 Seedance 2.0 相比如何？
两者都是先进的 AI 视频生成模型。Grok Imagine Video 1.5 当前在 Image-to-Video Arena 排行榜上排名更高，而 Seedance 2.0 则提供更丰富的多模态工作流和更强的多镜头叙事能力。Crun 同时提供这两个模型的 API 接入服务。Grok Imagine Video 1.5 可以用于商业项目吗？
可以。通过 crun.ai API 生成的内容可用于商业用途。
