Zum Inhalt springen
Grok image
Deutsch
English简体中文繁體中文DeutschEspañolPortuguês

Grok Imagine Video 1.5

Grok Imagine Video 1.5 ist das Videomodell, das xAI unter dem Namen grok-imagine-video-1.5 in seiner Imagine API anbietet. Diese Seite stellt die Dokumentation des Herstellers neben die Einstellungen, die der Dienst dieser Seite für dasselbe Produkt zurückgibt, und markiert jede Stelle, an der die beiden voneinander abweichen.

Aktualisiert:

Grok Imagine Video 1.5

Wähle einen Modus, schreibe den Prompt und lies die veranschlagten Kosten, bevor du generierst.

Grok Imagine Video 1.5
AI-Video0
5s
2s15s

Dieses Modell unterstützt keine Referenzvideo-Eingabe

Generierte Inhalte erscheinen hier

Quellmaterial

Amtliches Material zu diesem Modell

Drei Einträge, die der Hersteller veröffentlicht hat und die abrufbar und prüfbar waren, jeweils mit dem Prompttext des Herstellers, sofern einer veröffentlicht wurde.

Die Galerie ist absichtlich kurz. Der Hersteller hat weit mehr Material veröffentlicht, aber diese Dateien sind von diesem Rechner aus nicht abrufbar, und die Vorschaubilder von drei dieser Clips erwiesen sich als Programmoberflächen statt als Modellausgabe. Was hier fehlt, steht im Baunachweis, statt durch etwas anderes ersetzt zu werden.

Eine einzelne Gestalt auf dunkler Ebene unter einem dichten Sternfeld, die Milchstraße als helles Band über dem Bild Prompt lesen ↗

01 / Amtliches Eingangsstandbild

Das Standbild, das xAIs Bild-zu-Video-Beispiel animiert

xAI documentation ↗

Vom Hersteller veröffentlichter Prompt

Generate a slow and serene time-lapse

Diesen Prompt in der Werkbank öffnen ↗

Prompts stehen im englischen Original des Herstellers. Wo eine Zeile eine Anweisung an den gezeigten Clip ist und nicht der Prompt, der ihn erzeugt hat, sagt die Bildunterschrift das.

Ein Spartanerhelm mit Helmbusch auf einem Schlachtfeld bei Sonnenuntergang, dahinter Rauch, verstreute Gestalten und eine Speerlinie Prompt lesen ↗

02 / Standbild aus einem amtlichen Trailer

Schlüsselbild aus dem Trailer, den der Hersteller diesem Modell zuschreibt

xAI news ↗

Vom Hersteller veröffentlichter Prompt

Slow cinematic push-in as embers drift across the battlefield and the helmet's crest stirs in the wind

Diesen Prompt in der Werkbank öffnen ↗

Prompts stehen im englischen Original des Herstellers. Wo eine Zeile eine Anweisung an den gezeigten Clip ist und nicht der Prompt, der ihn erzeugt hat, sagt die Bildunterschrift das.

Eine Frau in hellem Kleid auf einem Balkon über einer Bucht im Abendlicht, eine Hand zu einer kleinen Geste erhoben Prompt lesen ↗

03 / Standbild aus einem amtlichen Beispielclip

Ein Moment aus dem Clip, den der Hersteller in seinem Beispiel bearbeitet

xAI documentation ↗

Vom Hersteller veröffentlichter Prompt

Give the woman a silver necklace

Diesen Prompt in der Werkbank öffnen ↗

Prompts stehen im englischen Original des Herstellers. Wo eine Zeile eine Anweisung an den gezeigten Clip ist und nicht der Prompt, der ihn erzeugt hat, sagt die Bildunterschrift das.

Was Grok Imagine Video 1.5 ist, in den Worten des Herstellers

Zwei Ankündigungen von xAI beschreiben dieses Modell. Die erste, datiert auf den 16. Juni 2026 auf der News-Seite des Herstellers, erklärt Grok Imagine Video 1.5 für allgemein verfügbar in der Imagine API, nennt es eines von "our best image-to-video models yet: better motion, better physics, better audio, at the fastest speeds" und gliedert die Seite in drei Überschriften: Audio und Sprache, Bewegung und Physik, Geschwindigkeit. Die zweite Ankündigung ergänzt Bild- und Stimmreferenzen sowie natives 1080p und eröffnet mit "our best video model, now with text, image, and voice references - generating up to 1080p".

Die Modellkennung lautet grok-imagine-video-1.5, Version 1.0. Der Hersteller nennt zwei Aliasse, grok-imagine-video-1.5-preview und grok-imagine-video-1.5-2026-05-30. Deshalb tragen ältere Berichte ein Maidatum und die Formulierung "xAI hat veröffentlicht", die nicht zu der Ankündigung der allgemeinen Verfügbarkeit passt.

Alles in diesem Abschnitt ist beim Hersteller zitiert, die Quellen liegen neben dieser Seite archiviert. Diese Seite ist keine Aussage von xAI und wurde von xAI nicht geprüft.

Zitate bleiben im englischen Original des Herstellers. Eine übersetzte Spezifikation ist der übliche Weg, auf dem Zahlen zu wandern beginnen.

Was der Dienst dieser Seite für dasselbe Produkt veröffentlicht

Die Werkbank liest nicht die Dokumentation des Herstellers. Sie liest den eigenen Dienstkatalog dieser Seite, und der Katalog führt je Modell genau einen Produkteintrag. Für Grok Imagine Video 1.5 ist dieser Eintrag verfügbar und aufrufbar, gehört zur Familie, die der Katalog xAI Grok video nennt, und deklariert drei Aufgabentypen: Text zu Video, Bild zu Video und Referenz zu Video. Alle drei tragen denselben veröffentlichten Einstiegspreis von vierzehn Punkten pro Aufgabe und dieselbe Obergrenze von fünfundvierzig.

Der Katalog deklariert Referenz zu Video für dieses Produkt, und die Werkbank bietet eine Familie in dieser Auswahl nur dann an, wenn der empfangene Modus eine Videoeingabe tragen kann. Dieser Eintrag nimmt Bilder, keine Clips, also wird der Modus vom Dienst deklariert, erscheint aber nicht im Menü für Referenz zu Video.

ModusWas Sie liefernReferenzbilder
Text zu Videoeine beschriebene Szenekeine
Bild zu Videoeinen Prompt und ein Standbild1 bis 7
Referenz zu Videoeinen Prompt und visuelle Referenzen1 bis 7, siehe Hinweis unten

Die vier Bedienelemente, die die Werkbank wirklich rendert

Der Dienst veröffentlicht je Modus ein Formularschema, und die Werkbank baut ihre Bedienelemente aus diesem Schema statt aus den Modelltabellen im Quelltext dieser Seite. Für dieses Produkt enthält das Schema Prompt, Auflösung, Seitenverhältnis und Dauer, dazu ein Bildfeld in den beiden bildgestützten Modi. Die folgenden Werte sind daher das, was ein Besucher sieht, nicht das, was eine lokale Standarddatei zufällig enthält.

FeldTypVom Dienst veröffentlichte Werte
promptText, erforderlichfreier Text
resolutionAuswahl480p, 720p - Standard 480p
aspect_ratioAuswahl2:3, 3:2, 1:1, 9:16, 16:9 - Standard 16:9
durationAuswahl6, 8, 9, 10, dann 12 bis 30 - Standard 6

Dauer: die zwei veröffentlichten Bereiche sind nicht derselbe Bereich

Das ist die nützlichste Information, bevor hier Punkte ausgegeben werden. Die API-Dokumentation des Herstellers nennt für den Parameter duration einen Bereich von 1 bis 15 Sekunden. Der Dienst, über den diese Seite verkauft, veröffentlicht dreiundzwanzig Daueroptionen, die von 6 Sekunden bis 30 Sekunden laufen. Das sind zwei verschiedene Mengen mit verschiedenen Enden, und beide stammen aus einer Quelle, die sich selbst nachlesen lässt.

Die Werkbank folgt der mittleren Zeile, weil der Dienst ein Dauerfeld veröffentlicht und ein veröffentlichtes Feld Vorrang vor einer lokalen Vorgabe hat. Die dritte Zeile steht nur in dieser Tabelle, damit die Abweichung sichtbar wird; nichts daraus erreicht das Formular.

QuelleVeröffentlichter BereichStandard
xAI API-Dokumentation1 bis 15 Sekundennicht genannt
Dienstkatalog dieser Seite6, 8, 9, 10, dann 12 bis 306 Sekunden
Lokale Ersatztabelle im Quelltext2 bis 15 Sekunden, Schrittweite 15 Sekunden

Auflösung: drei Stufen beim Hersteller, zwei in dieser Werkbank

Der Hersteller dokumentiert drei Ausgabeauflösungen und bepreist sie pro Sekunde erzeugten Videos: 480p mit 0,08 US-Dollar, 720p mit 0,14 US-Dollar und 1080p mit 0,25 US-Dollar. Dieselbe Seite hält fest, dass 1080p in diesem Modell für Text zu Video und Bild zu Video unterstützt wird und dass Referenz zu Video auf 720p begrenzt ist. Der Dienst, über den diese Seite verkauft, veröffentlicht zwei dieser drei Stufen, 480p und 720p, und wählt standardmäßig die günstigere.

Zur dritten Quelle lohnt Genauigkeit. Eine lokale Ersatztabelle im Quelltext dieser Seite nennt für diese Familie 720p und 1080p, was weder die dreistufige Liste des Herstellers noch die zwei Stufen des Dienstes ist. Diese Tabelle greift nur, wenn der Dienst überhaupt kein Auflösungsfeld veröffentlicht, und er veröffentlicht eines, deshalb zeigt das Formular 480p und 720p.

Der Hersteller berechnet auch Eingaben: ein Bild als Eingabe wird berechnet, ein Textprompt nicht, und Audioeingabe mit voreingestellten Stimmen ist kostenlos. Das sind die Preise der Hersteller-API, pro Sekunde, und nicht das, was diese Seite berechnet. Was diese Seite berechnet, nennt der Server in Punkten, bevor eine Aufgabe startet.

Ton kommt mit dem Bild, und diese Werkbank hat keinen Schalter dafür

Der Hersteller hält fest, dass erzeugte Videos standardmäßig eine Tonspur enthalten und dass die Übergabe von generate_audio mit dem Wert false ein stummes Video anfordert. Auf dem Weg über Referenz zu Video geht es weiter: bis zu drei voreingestellte Stimmen lassen sich pro Anfrage anhängen, im Prompt über Indexmarken adressiert, entnommen demselben Stimmverzeichnis wie das Text-zu-Sprache-Modell des Herstellers, während eigene Audiodateien vertrauenswürdigen Partnern auf Anfrage vorbehalten bleiben.

Der Dienst, über den diese Seite verkauft, veröffentlicht für dieses Produkt in keinem der drei Modi ein Audiofeld. Auf dieser Seite gibt es also keinen Schalter für "Ton einschließen" und keine Stimmauswahl, und dass die Audiodemos der Ankündigung existieren, heißt nicht, dass ein Besucher sie hier steuern kann.

Zusammengelesen widersprechen sich die beiden Aussagen nicht: die API des Herstellers kann Audiosteuerung tragen, und der Katalog dieser Seite hat dafür kein Feld veröffentlicht. Die ehrliche Beschreibung der Werkbank ist die zweite.

Dieser Abschnitt behauptet nicht, dass Ton abgeschaltet ist. Er stellt fest, dass diese Werkbank keine Steuerung dafür anbietet.

Referenzen und wie Text zu Video darunter aufgebaut ist

Die Dokumentation des Herstellers zu Referenz zu Video setzt höchstens sieben Referenzbilder pro Anfrage, und die zweite Ankündigung wiederholt diese Zahl als "up to seven references per generation" und beschreibt, wofür jedes einzelne steht: ein Gesicht, ein Produkt, ein Ort. Referenzbilder lenken die Aufnahme, ohne das erste Bild festzulegen, und genau das trennt den Modus von Bild zu Video.

Ein Implementierungsdetail wird leicht übersehen und erklärt viele verwirrende Ergebnisse. Der Hersteller hält fest, dass Text zu Video in diesem Modell als Text zu Bild und anschließend Bild zu Video läuft: aus dem Prompt entsteht ein erstes Bild, das dann animiert wird. Sie senden trotzdem nur eine Anfrage, und das Zwischenbild wird Ihnen nicht zurückgegeben.

Dieselbe Dokumentation merkt an, dass die Ausgabe von Bild zu Video standardmäßig das Seitenverhältnis des Eingabebilds übernimmt, sofern kein Seitenverhältnis übergeben wird; in diesem Fall wird das Bild auf das gewünschte Verhältnis gestreckt statt beschnitten.

Warum diese Seite Standbilder zeigt und nicht die Clips des Herstellers

Der Hersteller hat für dieses Modell reichlich Material veröffentlicht: drei Klangdemos und drei Bewegungsdemos, ein Geschwindigkeitspaar vorher und nachher, drei Funktionsrundgänge und einen Trailer auf der Ankündigungsseite; zwei Clips auf der Vorschauseite; vier native 1080p-Referenzclips auf der Referenzseite. Alle diese Dateien werden von data.x.ai oder media.x.ai ausgeliefert, und alle antworten auf eine normale Anfrage mit einer HTTP-403-Fehlerseite, auch auf Anfragen aus einer echten Browsersitzung mit den Cookies und dem Referrer des Herstellers. In der Seite des Herstellers selbst geöffnet, melden dieselben Dateien einen Medienfehler statt abzuspielen.

Diese Seite zeigt deshalb, was tatsächlich abrufbar und prüfbar war: einen amtlichen Clip, der über den Dokumentationspfad des Herstellers ausgeliefert wird und sich herunterladen lässt, vier daraus entnommene Einzelbilder, ein Schlüsselbild aus dem Trailer, den der Hersteller diesem Modell zuschreibt, und das Standbild, das das eigene Bild-zu-Video-Beispiel des Herstellers animiert.

Jeder dieser Einträge ist damit beschriftet, was er ist und woher er stammt. Die Clips, die nicht abrufbar waren, stehen im Baunachweis dieser Seite, statt so beschrieben zu werden, als wären sie angesehen worden.

Drei weitere amtliche Bilder wurden abgerufen und dann beiseitegelegt: die Vorschaubilder der Rundgänge zu Projects, Multiple agents und Search sind Programmoberflächen, und ein Screenshot einer Oberfläche ist kein Beleg dafür, was ein Modell erzeugt.

Beispiele

Der einzige amtliche Clip, den diese Seite abrufen konnte: 8,1 Sekunden, 848 mal 480, 24 Bilder pro Sekunde, mit Tonspur, veröffentlicht von xAI als Ausgangsmaterial für sein Beispiel zur Videobearbeitung. Er ist die Eingabe dieses Beispiels, nicht eine Ausgabe von Grok Imagine Video 1.5, und steht hier als veröffentlichtes Quellmaterial und nicht als Muster dieses Modells.

xAI-Dokumentation, Seite zur Videobearbeitung, abgerufen am 19.09.2026 von data.x.ai/docs/video-generation/portrait-wave.mp4. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Eine Frau in hellem Kleid am Balkongeländer, die Hände vor dem Körper gefaltet, dahinter Meer und Ort im tiefen Abendlicht

Einzelbild bei 1,0 Sekunden. Der Auftakt: sie steht still, das Gewicht ruht, die Kamera hält auf dem Balkon.

Von dieser Seite entnommenes Einzelbild aus einem von xAI veröffentlichten Beispielclip, 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Dieselbe Frau auf dem Balkon, leicht gedreht, Haar und Kleid in Bewegung, die Hafenlichter zeichnen sich gegen den Himmel ab

Einzelbild bei 3,0 Sekunden. Die Drehung: die Figur liest sich als rotierend und nicht als gleitend, und genau darum geht es bei Bewegungswertungen meistens.

Von dieser Seite entnommenes Einzelbild aus einem von xAI veröffentlichten Beispielclip, 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Die Frau hebt eine Hand zu einer kleinen Winkenbewegung zur Kamera, dahinter füllen Bucht und helle Gebäude das Bild

Einzelbild bei 5,0 Sekunden. Der Gestenschlag, und das Bild, das diese Seite als Galeriekarte verwendet.

Von dieser Seite entnommenes Einzelbild aus einem von xAI veröffentlichten Beispielclip, 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Die Frau mit gesenkten Armen nahe dem Geländer, das Licht auf dem Wasser hinter ihr wird tiefer

Einzelbild bei 7,0 Sekunden. Der Schluss: derselbe Bildausschnitt, die Figur wieder in Ruhe. Ein Vergleich mit dem Bild bei 1,0 Sekunden lohnt sich, denn eine Figur über acht Sekunden ruhig zu halten ist der Fehlerfall, den diese Art Aufnahme zuerst zeigt.

Von dieser Seite entnommenes Einzelbild aus einem von xAI veröffentlichten Beispielclip, 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Ein Spartanerhelm mit Helmbusch auf einem Schlachtfeld bei Sonnenuntergang, mit Rauch, verstreuten Gestalten und einer Speerlinie

Das Titelbild des Trailers, den die Ankündigung diesem Modell zuschreibt, gemacht von David Thompson und vom Hersteller mit dem Start veröffentlicht. Das ist ein Standbild, und es ist das einzige Bild aus diesem Trailer, das diese Seite zeigen kann: die Datei des Trailers gehört zu denen, die mit 403 antworten.

xAI News, Ankündigung zu Grok Imagine Video 1.5, Titelbild abgerufen am 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Eine dunkle Ebene bei Nacht mit einer einzelnen stehenden Silhouette unter einem hellen Band der Milchstraße

Das Standbild, das xAIs Bild-zu-Video-Beispiel diesem Modell übergibt, vom Hersteller selbst veröffentlicht, mit dem Prompt "Generate a slow and serene time-lapse" und einer Dauer von zwölf Sekunden. Es ist ein Eingangsbild und zeigt daher, was das Modell animieren soll, nicht was es erzeugt hat.

xAI-Dokumentation, Seite Bild zu Video, abgerufen am 19.09.2026. · Material aus dritter Hand. Die Rechte bleiben beim Anbieter; gezeigt mit Quellenangabe und ohne Anspruch auf Eigentum.

Häufige Fragen

Ist das die offizielle Seite zu Grok Imagine Video 1.5?

Nein. Das ist eine Seite dieser Website über das Modell. Die Seiten des Herstellers sind als Quellen verlinkt, und diese Seite wurde von xAI weder geprüft noch befürwortet.

Welche Modi kann ich hier tatsächlich ausführen?

Text zu Video und Bild zu Video. Der Dienst deklariert für dieses Produkt auch Referenz zu Video, aber dieser Modus nimmt Bilder statt Clips, deshalb führt die Werkbank die Familie nicht in ihrem Menü für Referenz zu Video.

Warum geht die Dauerliste über fünfzehn Sekunden hinaus, wenn xAI fünfzehn Sekunden dokumentiert?

Weil zwei verschiedene Quellen zwei verschiedene Listen veröffentlichen. Die API-Dokumentation von xAI nennt 1 bis 15 Sekunden; der Dienst dieser Seite veröffentlicht dreiundzwanzig Optionen von 6 bis 30 Sekunden. Die Werkbank folgt dem Dienst, und diese Seite zeigt beide, statt sich für eine zu entscheiden.

Bekomme ich hier 1080p als Ausgabe?

Mit den hier beschriebenen Einstellungen nicht. Der Hersteller dokumentiert und bepreist für dieses Modell eine 1080p-Stufe, der Dienst dieser Seite veröffentlicht nur 480p und 720p, mit 480p als Standard.

Kommen die Videos mit Ton?

Der Hersteller sagt, erzeugte Videos tragen standardmäßig eine Tonspur, und dass sie sich beim Hersteller abschalten lässt. Dieser Dienst veröffentlicht für das Produkt kein Audiofeld, also gibt es hier in beide Richtungen keinen Schalter.

Wie viele Referenzbilder kann ich anhängen?

Der Dienst veröffentlicht für beide bildgestützten Modi eine Grenze von eins bis sieben, und die Dokumentation des Herstellers nennt ebenfalls höchstens sieben Referenzbilder pro Anfrage. Hier stimmen beide überein.

Wie wird die Berechnung ermittelt?

Der Server nennt sie in Punkten für den gewählten Modus und die gewählten Einstellungen, bevor die Aufgabe startet. Der Katalog veröffentlicht für dieses Produkt einen Einstiegspreis und eine Stufentabelle, einen einzelnen Preis zum Zitieren gibt es auf dieser Seite nicht.

Bekomme ich bei Text zu Video das erste Bild als Datei?

Nein. Der Hersteller hält fest, dass Text zu Video zuerst ein erstes Bild erzeugt und es dann animiert, und dass das Zwischenbild nicht zurückgegeben wird. Sie senden eine Anfrage und erhalten ein Video.

Warum hat die Galerie hier nur drei Einträge?

Weil der Rest des Materials nicht abrufbar war. Jede Clipdatei auf der Ankündigungs-, Vorschau- und Referenzseite antwortet mit einer Zugriffsverweigerung, aus der Browsersitzung ebenso wie von der Kommandozeile, also zeigt diese Seite das prüfbare Material und vermerkt den Rest als Lücke.

Weiter entdecken