xAI· 视频模型新Grok Imagine 1.5 是 xAI 的视频模型，每段视频都自带声音：对白、音效和环境声与画面一起生成。写一段提示词或加一张照片，选 3～15 秒、最高 1080p，生成前先看积分。
由这些模型生成
用这个模型生成的原创视频，每段都有自己的声音。可以查看提示词，或点「使用这个示例」载入同样的设置。
Grok Imagine 1.5
The camera skims low over the waves beside the lead galley as dozens of oars dip in unison, throwing spray across the lens. A swell lifts the bow and slams it down. The camera rises as the fleet glides into the shadow of the stone arch and sunlight bursts through behind it. One continuous shot, heavy, believable momentum. Sound: pounding war drums keeping time, creaking oars, crashing surf, a captain shouting "Steady... ROW!"
Grok Imagine 1.5
She turns and walks toward the camera along the cliff edge with steady strides as a huge gust snaps the cape into a rippling crimson arc that fills the sky behind her. A wave bursts against the rocks and spray drifts up through the sunlight. The camera tracks slowly backward at a low angle. One continuous shot, realistic heavy-fabric physics. Sound: howling wind, silk cracking like a sail, booming surf. No music, no text.
Grok Imagine 1.5The camera skims low over the waves beside the lead galley as dozens of oars dip in unison, throwing spray across the lens. A swell lifts the bow and slams it down. The camera rises as the fleet glides into the shadow of the stone arch and sunlight bursts through behind it. One continuous shot, heavy, believable momentum. Sound: pounding war drums keeping time, creaking oars, crashing surf, a captain shouting "Steady... ROW!"
Grok Imagine 1.5She turns and walks toward the camera along the cliff edge with steady strides as a huge gust snaps the cape into a rippling crimson arc that fills the sky behind her. A wave bursts against the rocks and spray drifts up through the sunlight. The camera tracks slowly backward at a low angle. One continuous shot, realistic heavy-fabric physics. Sound: howling wind, silk cracking like a sail, booming surf. No music, no text.
xAI 表示，Grok Imagine 1.5 的动作、物理效果和音频都比上一代视频模型更好。
按 xAI 的说法，对白、音效和环境声与画面在同一次生成中完成，并与动作对上；人声也比上一代更清楚、更同步。声音始终开启，已经算在积分里。
xAI 表示，整段视频的动作更连贯，变形更少，重量感和惯性更可信。奔跑、坠落、倾倒这类有分量的动作更能看出差别。
加一张首帧，模型会保留图片的细节和光线，让视频延续这张图，而不是重新画一张。视频也会沿用图片的比例。
可选 3～15 秒，480p、720p 或 1080p，文生视频有五种比例。5 秒 720p 视频 29 积分，约 1.5 分钟出片。
本页使用 Grok Imagine 1.5，这是本站唯一的 Grok 模型。480p 适合打草稿，720p 适合大多数发布场景，1080p 用于最终成片；积分随时长和分辨率增加，最高 152 积分（15 秒 1080p）。要做首尾帧过渡，请用 Veo 3.1 或 Kling 3.0。
| 模型 | 本页Grok Imagine 1.5 |  Seedance 2.0 |  Kling 3.0 Pro |
|---|---|---|---|
| 每段积分 | 29（5 秒，720p） | 62（5 秒，720p） | 23（5 秒，1080p） |
| 时长 | 3～15 秒 | 4～15 秒 | 3～15 秒 |
| 分辨率 | 480p, 720p, 1080p | 480p, 720p, 1080p | 1080p |
| 比例（文生视频） | 16:9, 9:16, 1:1, 4:3, 3:4 | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | 16:9, 9:16, 1:1 |
| 尾帧 | 不支持 | 支持 | 支持 |
| 声音 | 始终带声音 | 可选声音，不加积分 | 可选声音，另加积分 |
| 大约耗时 | 每段约 1.5 分钟 | 每段约 4.5 分钟 | 每段约 3 分钟 |
积分按默认时长和分辨率、不开可选声音计算；更长、更清晰或开声音会更贵，生成前按钮上会显示积分。
从想法到一段有声音的视频，只要三步。
描述主体、动作、镜头和声音。想让图片动起来，就把它加为首帧。
选好时长、分辨率和比例，一次最多生成 4 段。按钮上的积分会随选择实时更新。
Grok Imagine 视频约 1.5 分钟生成。可以带声音播放、下载 MP4，或用视频转 GIF 做成循环动图。
四条 Grok 视频生成的写法建议，首条来自 xAI 自己的说明。
xAI 建议用自然语言来导演镜头：写明运镜、节奏和声音设计。例如：暴风雨渐强，镜头缓慢推近灯塔看守人，海浪拍打礁石轰响，他低声说：“今晚不行。”每一部分用几个清楚的词，比堆一长串形容词更有效。
人声和画面一起生成，所以把台词原文写在引号里，并说明是谁说的，例如：街头小贩咧嘴一笑，喊道：“买一送一！”5 秒的视频放一两句就够，长一点的台词给 10 或 15 秒。如果不想要人声，就写明，再描述环境声。
加了首帧后，模型已经会保留图片的细节和光线，所以提示词只写变化的部分：她的头发被风吹起，她转身大笑，镜头向左漂移。照片里已有的内容不必重复。用清晰、比例合适的图片，因为视频会沿用它的比例。
xAI 建议把多个镜头串成更长的场景。每个镜头单独生成一段，最长 15 秒；每条提示词都重复同样的风格词和人物描述，并从相互衔接的首帧开始。最后在剪辑软件里拼接。衔接用的首帧可以先用文生图做出来。
Grok Imagine 适合需要声音、动作又要稳定的短视频。
自带对白或音效的竖屏、方形帖子。
让人像、宠物或旅行照片动起来，同时保留原来的样子。
商品瞬间和有台词的开头，常见比例都能做。
把风格一致的短镜头串成预告片或一段故事。
关于积分、等待时间、输入、声音和商用的解答。
把 Grok Imagine 和其他顶尖视频模型对比一下，或用任意模型把图片转视频。
