跳至正文
Grok image
繁體中文
English简体中文繁體中文DeutschEspañolPortuguês

Grok Imagine Video 1.5

Grok Imagine Video 1.5 是 xAI 在 Imagine API 裡提供的影片模型,識別名為 grok-imagine-video-1.5。這一頁把發布方自己的文件,與本站服務對同一產品回傳的設定並排放在一起,並逐條標出兩者不一致的地方。

更新於:

Grok Imagine Video 1.5

先選模式,再寫描述,生成前先看伺服器報出的成本。

Grok Imagine Video 1.5
AI 影片0
5s
2s15s

目前模型不支援參考影片輸入

生成結果

生成的內容會顯示在這裡

來源素材

這個模型的官方素材

發布方放出的、確實能取到並核驗過的三條素材;凡發布方為它公布過提示詞的,一併附上原文。

藝廊短是有意為之。發布方放出的片段遠不止這些,但那些檔案在這台機器上取不到,而其中三段的封面幀其實是產品介面截圖,不是模型產出。這裡沒有的東西,寫在了建置紀錄裡,而不是拿別的東西頂上。

一個孤身人影站在昏暗的曠野上,頭頂是密集的星空,銀河像一條明亮的帶子橫過畫面 看提示詞 ↗

01 / 官方輸入靜圖

xAI 圖生影片範例所動起來的那張靜圖

xAI documentation ↗

發布方為這條素材公布的提示詞

Generate a slow and serene time-lapse

把這個提示詞帶進工作台 ↗

提示詞依發布方的英文原文照錄。如果某一行是衝著畫中這段片段去的指令、而不是生成它的提示詞,圖說裡會寫明。

一頂帶盔纓的斯巴達頭盔立在日落時分的戰場上,背後是煙霧、零散的人影和一路退向遠方的長矛線 看提示詞 ↗

02 / 官方預告片靜幀

發布方歸功於這個模型的那部預告片的關鍵幀

xAI news ↗

發布方為這條素材公布的提示詞

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

把這個提示詞帶進工作台 ↗

提示詞依發布方的英文原文照錄。如果某一行是衝著畫中這段片段去的指令、而不是生成它的提示詞,圖說裡會寫明。

一位穿淺色長裙的女士站在海灣上方的陽台上,金色時分的光線裡她抬起一隻手做了個很小的動作 看提示詞 ↗

03 / 官方範例片段靜幀

發布方自己範例裡被編輯的那段片段中的一刻

xAI documentation ↗

發布方為這條素材公布的提示詞

Give the woman a silver necklace

把這個提示詞帶進工作台 ↗

提示詞依發布方的英文原文照錄。如果某一行是衝著畫中這段片段去的指令、而不是生成它的提示詞,圖說裡會寫明。

Grok Imagine Video 1.5 是什麼(用發布方自己的話)

xAI 用兩篇公告介紹這個模型。第一篇發布在發布方新聞頁上,日期為 2026 年 6 月 16 日,寫明 Grok Imagine Video 1.5 已在 Imagine API 正式可用,把它稱為「我們目前最好的圖生影片模型之一:更好的動態、更好的物理、更好的音訊,而且速度最快」,整頁圍繞三個小標題展開:音訊與語音、動態與物理、速度。第二篇公告補上了影像參考與音色參考以及原生 1080p,開篇稱它是「我們最好的影片模型,現在支援文字、影像與音色參考,最高可生成 1080p」。

模型識別名是 grok-imagine-video-1.5,版本 1.0。發布方列出兩個別名:grok-imagine-video-1.5-preview 與 grok-imagine-video-1.5-2026-05-30。這就是為什麼更早的一些文章會帶著 5 月的日期和「xAI 發布」的說法,與正式可用那篇公告對不上。

本節內容全部引自發布方,來源已隨本頁歸檔。本頁不是 xAI 的聲明,也未經 xAI 審閱。

引文保留發布方的英文原文。規格說明一旦翻譯,數字就會漂移。

本站服務對同一產品發布了什麼

工作台不讀發布方的文件,它讀本站自己的服務目錄,而目錄對每個模型只給一筆產品記錄。Grok Imagine Video 1.5 這一筆處於可用且可呼叫狀態,歸屬的家族是 xAI Grok video,宣告了三種任務類型:文字生影片、圖生影片、參考生影片。三種模式發布的地板價都是每次 14 點,上限都是 45 點。

服務為這個產品宣告了參考生影片,而工作台只在收到的模式能承載影片輸入時,才會把該家族放進那個選擇器。這一筆模式收的是圖片不是片段,所以服務宣告了它,參考生影片選單裡卻不會出現。

模式你要提供的東西參考圖張數
文字生影片一段文字描述的場景無
圖生影片提示詞加一張要動起來的靜圖1 到 7
參考生影片提示詞加若干視覺參考1 到 7,但請見下面的說明

工作台真正渲染出來的四個控制項

服務會為每個模式發布一份表單結構,工作台依這份結構產生控制項,而不是依本站原始碼裡那張模型表。對這個產品而言,結構裡的欄位是提示詞、解析度、長寬比、時長,另外兩個以圖驅動的模式會多一個圖片欄位。所以下面這些是訪客真正會看到的值,不是某個本機預設檔碰巧寫著的值。

控制項類型服務發布的值
prompt文字,必填自由文字
resolution選擇480p、720p,預設 480p
aspect_ratio選擇2:3、3:2、1:1、9:16、16:9,預設 16:9
duration選擇6、8、9、10,以及 12 到 30,預設 6

時長:兩個已發布的區間並不是同一個區間

這是花點數之前最該知道的一件事。發布方的 API 文件寫明 duration 參數接受 1 到 15 秒。本站通過的服務對同一產品發布了 23 個時長選項,從 6 秒一直到 30 秒。這是兩組不同的數字,兩端都不一樣,而且兩個來源都能自己打開核對。

工作台走的是中間那一列,因為服務發布了 duration 欄位,而服務發布的欄位優先於本機預設。第三列留在這張表裡只為讓差異可見,它沒有任何一項會進到表單裡。

來源發布的區間預設值
xAI API 文件1 到 15 秒未寫明
本站服務目錄6、8、9、10,然後 12 到 306 秒
本站原始碼裡的本機備援表2 到 15 秒,間隔 15 秒

解析度:上游三檔,這個工作台兩檔

發布方寫明三檔輸出解析度,並依生成影片的秒數計價:480p 每秒 0.08 美元,720p 每秒 0.14 美元,1080p 每秒 0.25 美元。同一頁還寫明,在這個模型上 1080p 支援文字生影片與圖生影片,而參考生影片封頂 720p。本站通過的服務發布了其中兩檔,480p 與 720p,並且預設取較便宜的那一檔。

第三個來源要說清楚。本站原始碼裡的本機備援表為這個家族列的是 720p 與 1080p,既不是上游那三檔,也不是服務發布的那兩檔。那張表只在服務完全沒有發布解析度欄位時才會生效,而服務發布了這個欄位,所以表單裡顯示的是 480p 與 720p。

發布方對輸入也計費:圖片輸入收費,文字提示不收費,預設音色的音訊輸入免費。那些是發布方 API 的價格,按秒算,不是本站的收費方式。本站的收費是任務開始前由伺服端以點數報出的。

聲音跟著畫面一起來,而這個工作台沒有對應的開關

發布方寫明,生成的影片預設帶一條音軌,把 generate_audio 傳成 false 才會拿到靜音影片。在參考生影片這條路上還更進一步:每次請求最多可掛三條預設音色,在提示詞裡用下標標記引用,音色來自與發布方語音合成模型同一份名冊,而自備音訊檔案保留給受信任的合作方按需開通。

本站通過的服務對這個產品的三個模式都沒有發布任何音訊欄位。所以這一頁沒有「包含音訊」開關,也沒有音色選擇器;公告頁上那些音訊示範確實存在,不代表在這裡的訪客能指揮它們。

把兩句話放在一起看並不矛盾:上游 API 能承載音訊控制,而本站目錄沒有為它發布欄位。對工作台的誠實描述是後一句。

本節沒有說音訊是關的。本節說的是這個工作台沒有給你控制它的入口。

參考圖,以及文字生影片在底層是怎麼做出來的

發布方的參考生影片文件寫明每次請求最多七張參考圖,第二篇公告也重複了這個數字——「每次生成最多七個參考」——並說明每一張負責鎖住一樣東西:一張臉、一件產品、一個地點。參考圖引導畫面但不鎖定首幀,這正是它和圖生影片的分界。

有一個實作細節很容易被忽略,卻能解釋不少讓人困惑的結果。發布方寫明,在這個模型上,文字生影片是以「先文字生圖、再圖生影片」的方式跑完的:先依你的提示詞生成第一幀,再把它動起來。你仍然只發一次請求,中間那張靜圖不會回傳給你。

同一份文件還寫明,圖生影片的輸出預設沿用輸入圖片的長寬比;如果你傳了 aspect_ratio,圖片會依你要的比例被拉伸,而不是被裁切。

為什麼這一頁放的是靜幀,而不是發布方的片段

發布方為這個模型放出的素材相當多:公告頁上有三段音效示範、三段動態示範、一組前後對比的速度片段、三段功能示範和一部預告片;預覽公告頁上有兩段;參考公告頁上有四段原生 1080p 參考片段。這些檔案全部由 data.x.ai 或 media.x.ai 提供,而它們在正常請求下一律回傳 HTTP 403 的拒絕頁,包括在真實瀏覽器工作階段裡帶著發布方自己的 cookie 與來源頁發起請求也一樣。在發布方自己的頁面上打開,這些檔案報的是媒體錯誤,而不是開始播放。

所以這一頁只放它確實取到並核驗過的素材:一段從發布方文件路徑取到、確實能下載的官方片段,從它抽出的四幀,發布方說是用這個模型做出來的那部預告片的一張關鍵幀,以及發布方自己的圖生影片範例所使用的那張輸入靜圖。

每一條都標註了它是什麼、來自哪裡。沒能取到的那些片段,寫進了本頁的建置紀錄,而不是被描述成看過的內容。

另有三張官方圖片取到了卻沒有放上來:Projects、Multiple agents、Search 三段功能示範的封面幀其實是應用程式介面截圖,而介面截圖不能當作模型產出的證據。

效果範例

本頁唯一取到的官方片段:8.1 秒,848×480,每秒 24 幀,帶音軌。發布方把它作為影片編輯範例的來源片發布。它是那個範例的輸入,不是 Grok Imagine Video 1.5 的輸出,放在這裡是作為發布方公開的來源素材,而不是當作這個模型的樣片。

xAI 文件,影片編輯頁,2026-09-19 取自 data.x.ai/docs/video-generation/portrait-wave.mp4。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

一位穿淺色長裙的女士站在陽台欄杆前,雙手交疊在身前,身後是低角度金色光線下的海面與小鎮

第 1.0 秒抽幀。開場那一拍:人是靜的,重心落定,鏡頭停在陽台上。

本站從 xAI 公開的範例片段中抽幀,2026-09-19。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

同一位女士在陽台上略微轉身,頭髮與裙襬都在動,港口燈火開始在天色裡顯現

第 3.0 秒抽幀。轉體那一拍:主體讀起來是在旋轉而不是在平移,動態評分說的通常就是這一部分。

本站從 xAI 公開的範例片段中抽幀,2026-09-19。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

女士朝鏡頭抬起一隻手做了個幅度很小的揮手動作,海灣與淺色建築填滿背景

第 5.0 秒抽幀。動作那一拍,也是本頁藝廊卡片用的那一幀。

本站從 xAI 公開的範例片段中抽幀,2026-09-19。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

女士雙臂垂在身側靠近欄杆,身後水面的光線正逐漸變深

第 7.0 秒抽幀。片段的收尾:同樣的構圖,主體回到靜止。值得和第 1.0 秒那一幀對照著看,八秒裡始終把主體穩在原位,正是這類鏡頭最先暴露的失效點。

本站從 xAI 公開的範例片段中抽幀,2026-09-19。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

日落戰場上的一頂帶盔纓的斯巴達頭盔,四周是煙霧、散落的人影和向遠處退去的長矛陣

公告把這部預告片歸功於這個模型,作者是 David Thompson,隨發布一併公開。這是一張靜幀,也是本頁能從這部預告片裡拿出的唯一一張圖:預告片檔案本身就在回傳 403 的那一批裡。

xAI 新聞,Grok Imagine Video 1.5 公告頁,封面幀 2026-09-19 取得。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

夜色中的昏暗曠野,一個孤身人影的剪影立在一道明亮的銀河之下

xAI 圖生影片範例餵給這個模型的那張靜圖,由發布方自己公開,搭配提示詞是 Generate a slow and serene time-lapse,時長 12 秒。它是輸入幀,所以它顯示的是模型被要求去動起來的東西,而不是它產出的東西。

xAI 文件,圖生影片頁,2026-09-19 取得。 · 第三方素材,權利歸來源方,此處帶出處引用,不主張所有權。

常見問題

這是 Grok Imagine Video 1.5 的官方頁面嗎?

不是。這是本站關於這個模型的一頁。發布方自己的頁面在正文裡作為來源連結,本頁未經 xAI 審閱,也未經其認可。

在這裡我實際能跑哪些模式?

文字生影片和圖生影片。服務也為這個產品宣告了參考生影片,但那個模式收的是圖片而不是片段,所以工作台不會把這個家族列進參考生影片選單。

xAI 文件寫明十五秒上限,為什麼這裡的時長列表更長?

因為兩個不同的來源發布了兩個不同的列表。xAI 的 API 文件寫的是 1 到 15 秒;本站服務發布的是從 6 秒到 30 秒共 23 個選項。工作台跟的是服務,這一頁把兩者都列出來,而不是替你挑一個。

在這裡能拿到 1080p 輸出嗎?

依本頁描述的設定拿不到。發布方為這個模型寫明並定價了 1080p 檔,而本站通過的服務只發布 480p 與 720p,並預設 480p。

生成的影片帶聲音嗎?

發布方說生成的影片預設帶音軌,並且上游可以關掉。本站服務對這個產品沒有發布任何音訊欄位,所以這裡兩種說法都沒有對應的開關。

最多能附幾張參考圖?

服務為兩個以圖驅動的模式發布的都是一到七張的上限,發布方文件寫的也是每次請求最多七張參考圖。兩邊一致。

費用是怎麼算出來的?

任務開始前由伺服端依你選的模式和設定以點數報出。目錄為這個產品發布了地板價和檔位表,本頁沒有可以直接引用的單一價格。

文字生影片會把第一幀當作圖片給我嗎?

不會。發布方寫明文字生影片先產生第一幀再把它動起來,中間那張靜圖不回傳。你只發一次請求,拿回來的是一個影片。

為什麼這裡的藝廊只有三條?

因為發布方其餘的片段取不到。公告頁、預覽頁和參考頁上的每一個片段檔案都回傳拒絕頁,瀏覽器工作階段和命令列都一樣,所以這一頁只放它能核驗的素材,其餘的記為缺口。

繼續探索