Tabla de contenidos
Grok Imagine 1.5 es un modelo de generación de vídeo de SpaceXSI (antes xAI) que crea clips de hasta 15 segundos con audio nativo sincronizado, diálogos y efectos de sonido. Disponible en dos versiones —Grok Imagine 1.5 completo para 1080p nativo y referencias de varias imágenes, y Grok Imagine 1.5 Lite para borradores de menor coste—, admite flujos de texto a vídeo, imagen a vídeo y referencias que mantienen la coherencia de los personajes.
Puedes usar tanto Grok Imagine 1.5 como 1.5 Lite en tu navegador aquí mismo, en AI Studio, a través del generador de vídeo con IA. AI Studio es un sitio web independiente que ejecuta varios modelos de vídeo e imagen —incluidos Seedance, Kling, Gemini Omni, Happy Horse, MiniMax H3 y Grok Imagine— mediante un sistema de créditos, y no está afiliado a SpaceXSI ni a xAI.
¿Qué es Grok Imagine 1.5 y cuándo se lanzó?
Grok Imagine 1.5 es la familia principal de generación de vídeo y audio de SpaceXSI, la empresa antes conocida como xAI (que pasó a llamarse brevemente SpaceXAI en julio de 2026 antes de adoptar el nombre SpaceXSI en octubre de 2026, manteniendo x.ai como sitio web).
SpaceXSI lanzó la generación 1.5 en dos fases diferenciadas a mediados de 2026:
- 16 de junio de 2026 (lanzamiento inicial): SpaceXSI lanzó
grok-imagine-video-1.5en Imagine API junto con "Video 1.5 Fast" en grok.com/imagine y las aplicaciones de iOS y Android. En el lanzamiento, funcionaba exclusivamente como modelo de imagen a vídeo. El lanzamiento se centró en generar efectos de sonido, ambiente y diálogos en la misma pasada que el vídeo, con voces más claras y sincronizadas con los labios y movimientos físicos más sólidos, con menos deformaciones visuales y un peso y una inercia más creíbles. En la aplicación de SpaceXSI, Video 1.5 Fast redujo el tiempo de generación de un clip de 6 segundos en 720p a unos 25 segundos, frente a más de 40 segundos en la versión anterior, e introdujo funciones de espacio de trabajo como Projects, agentes paralelos y búsqueda en la biblioteca. - 31 de julio de 2026 (actualización de referencias y texto a vídeo): SpaceXSI amplió el modelo con la actualización "Imagine Video 1.5 with References". Este lanzamiento añadió generación directa de texto a vídeo sin necesidad de una imagen inicial, resolución 1080p nativa tanto para texto a vídeo como para imagen a vídeo, y capacidades de referencia. Los usuarios pudieron proporcionar varias imágenes de referencia —cada una para fijar un sujeto concreto, como una cara, un producto o un lugar— junto con referencias de voz para mantener la misma cara y voz en distintas escenas.
Si has visto menciones de un modelo "2.0", ten en cuenta que hasta noviembre de 2026 no se ha lanzado ni anunciado Grok Imagine Video 2.0. "Grok Imagine Image 2.0" es un modelo independiente de imágenes fijas, por lo que 1.5 y 1.5 Lite forman la gama actual de vídeo. Además, las tareas anteriores de la API, como la edición y la extensión de vídeo, siguen utilizando el modelo antiguo grok-imagine-video en lugar de la serie 1.5.
¿Qué puede hacer Grok Imagine 1.5?
Grok Imagine 1.5 combina la generación visual y la síntesis de audio en una sola pasada, y admite clips de 1 a 15 segundos en la API (y de 4 a 15 segundos en AI Studio) con resoluciones de 480p, 720p y 1080p. Como las capacidades varían ligeramente entre la API de SpaceXSI y las interfaces de navegador de terceros, conviene examinar cada función por separado.
Audio nativo y sincronización labial
Tanto Grok Imagine 1.5 como 1.5 Lite generan automáticamente audio sincronizado con cada clip. En lugar de añadir música de fondo después de renderizar el vídeo, el modelo produce el sonido ambiente de la sala, efectos de sonido físicos acordes con el movimiento en pantalla y diálogos hablados con sincronización labial en la misma pasada. Cuando un personaje habla en el prompt, los movimientos de la boca y la voz se ajustan a la acción en pantalla.
Texto a vídeo
Añadida en la actualización de julio de 2026, la función de texto a vídeo permite generar clips solo a partir de un prompt escrito. Según la documentación para desarrolladores de SpaceXSI, la función de texto a vídeo en 1.5 y 1.5 Lite funciona internamente generando primero un fotograma fijo a partir del prompt de texto y animándolo después durante la duración elegida. En el modelo 1.5 completo, texto a vídeo genera hasta 1080p nativo; en 1.5 Lite, la salida 1080p se reescala desde 720p.
Imagen a vídeo
La función de imagen a vídeo toma una sola imagen fija subida, la establece como fotograma inicial del vídeo y anima la escena a partir de tus instrucciones de texto. Tanto en la API de SpaceXSI como en AI Studio, imagen a vídeo conserva automáticamente la relación de aspecto de la imagen subida.
Referencias y voces
La generación con referencias permite proporcionar puntos de referencia visuales o vocales sin obligar a que una imagen concreta actúe literalmente como primer fotograma del clip. Cada imagen de referencia fija un elemento —como la cara de un personaje, la botella de un producto concreto o la distribución de una habitación— para que puedas situar esos elementos en ángulos de cámara y acciones completamente nuevos.
- Referencias de imagen: Solo se admiten en Grok Imagine 1.5 completo (no en 1.5 Lite), hasta 720p para clips de hasta 15 segundos. Aunque el anuncio de julio de 2026 introdujo hasta 7 referencias por generación, la documentación para desarrolladores de SpaceXSI admite ahora hasta 14 imágenes de referencia en la API. En AI Studio, la generación de referencia a vídeo admite de 2 a 7 imágenes de referencia en 480p o 720p.
- Referencias de voz (solo en la API y la aplicación de SpaceXSI): La API admite hasta 3 referencias de voz por clip para mantener la misma voz entre escenas, mediante voces predefinidas o audio personalizado subido por socios de confianza que lo soliciten. Las referencias de voz no están disponibles en AI Studio.
Fotogramas inicial y final y fotogramas clave
En la API y las herramientas propias de SpaceXSI, el modelo completo grok-imagine-video-1.5 admite la fijación estructural de fotogramas, una función que no se admite en 1.5 Lite ni en AI Studio:
- Fotogramas inicial y final: Puedes definir tanto la imagen inicial como la final de un clip. Usar exactamente la misma imagen como primer y último fotograma crea un bucle.
- Fotogramas clave: Puedes fijar hasta 4 fotogramas intermedios para dirigir el movimiento hacia puntos concretos de la línea de tiempo.
Grok Imagine 1.5 frente a 1.5 Lite: ¿cuál deberías usar?
La elección entre Grok Imagine 1.5 y Grok Imagine 1.5 Lite depende de si tu plano requiere coherencia de personajes mediante varias imágenes y nitidez 1080p nativa, o si solo necesitas un vídeo rápido a partir de texto o una animación de una sola imagen por una fracción del coste.
| Función | Grok Imagine 1.5 (grok-imagine-video-1.5) | Grok Imagine 1.5 Lite (grok-imagine-video-1.5-lite) |
|---|---|---|
| Resolución 1080p | 1080p nativo (T2V e I2V) | Reescalado desde 720p |
| Resoluciones disponibles | 480p, 720p, 1080p | 480p, 720p, 1080p |
| Duración | 1–15 s en la API (4–15 s en AI Studio) | 1–15 s en la API (4–15 s en AI Studio) |
| Audio nativo y sincronización labial | Incluidos en todos los clips | Incluidos en todos los clips |
| Imágenes de referencia | Hasta 14 en la API; 2–7 en AI Studio (máximo 720p) | No admitidas |
| Referencias de voz | Hasta 3 voces (solo en la API / aplicación de SpaceXSI) | No admitidas |
| Fotogramas inicial y final y fotogramas clave | Sí, más hasta 4 fotogramas clave intermedios (solo en la API) | No admitidos |
| Precio de la API por segundo | $0.08 (480p), $0.14 (720p), $0.25 (1080p) | $0.02 (480p), $0.03 (720p), $0.14 (1080p) |
| Créditos de AI Studio por segundo | 6 (480p), 10 (720p), 18 (1080p) | 1.5 (480p), 2.5 (720p), 10 (1080p) |
| Ideal para | Escenas con múltiples referencias, personajes recurrentes, salida 1080p nativa | Borradores de bajo coste, clips T2V/I2V sencillos, vídeos sociales en 480p/720p |
La documentación de SpaceXSI resume claramente la diferencia:
- Elige Grok Imagine 1.5 Lite si creas clips independientes de texto a vídeo o de una sola imagen a vídeo, pruebas la redacción de prompts o generas en 480p o 720p, donde Lite cuesta aproximadamente una cuarta parte de los créditos del modelo completo en AI Studio.
- Elige Grok Imagine 1.5 si necesitas combinar 2 o más imágenes de referencia para mantener la coherencia de un personaje, producto o entorno entre planos, o si quieres una generación 1080p verdaderamente nativa en lugar de reescalada desde 720p (o necesitas fotogramas y voces fijados mediante la API).
¿Cuánto cuesta Grok Imagine 1.5?
El precio de Grok Imagine 1.5 depende de si pagas por segundo como desarrollador mediante la API de SpaceXSI o gastas créditos por clip en AI Studio.
Precios de la API de SpaceXSI
En la documentación para desarrolladores de SpaceXSI, la generación de vídeo se factura por segundo generado según la resolución:
grok-imagine-video-1.5: $0.08 por segundo en 480p, $0.14 por segundo en 720p y $0.25 por segundo en 1080p. Las imágenes de entrada también se facturan a unos $0.01 por imagen.grok-imagine-video-1.5-lite: $0.02 por segundo en 480p, $0.03 por segundo en 720p y $0.14 por segundo en 1080p.
Tarifas de créditos de AI Studio
AI Studio no cobra en dólares por segundo; en su lugar, cada generación descuenta créditos según el modelo, la resolución y la duración que selecciones. El total de créditos equivale a la tarifa por segundo multiplicada por la duración del clip en segundos, redondeada al siguiente número entero. Subir imágenes para el primer fotograma o imágenes de referencia no añade cargos adicionales en créditos.
| Modelo en AI Studio | 480p (créditos / s) | 720p (créditos / s) | 1080p (créditos / s) |
|---|---|---|---|
| Grok Imagine 1.5 Lite | 1.5 | 2.5 | 10 |
| Grok Imagine 1.5 | 6 | 10 | 18 |
Estos son los costes reales en AI Studio para duraciones habituales:
- Clip de 5 segundos en 720p (ajustes predeterminados): 13 créditos en 1.5 Lite (12.5 redondeado hacia arriba) o 50 créditos en 1.5 completo.
- Clip de 10 segundos en 1080p: 100 créditos en 1.5 Lite o 180 créditos en 1.5 completo.
- Clip de duración máxima de 15 segundos en 1080p: 150 créditos en 1.5 Lite o 270 créditos en 1.5 completo.
Nunca tienes que calcular estos totales a mano: AI Studio muestra el coste exacto en créditos antes de que pulses Generate Video (generar vídeo).
Cómo usar Grok Imagine 1.5 en AI Studio
Puedes generar vídeos con ambos modelos directamente en tu navegador sin gestionar claves de API. Sigue estos pasos:
- Abre el generador: Ve al generador de vídeo con IA de AI Studio. No hay una página independiente para Grok; todos los modelos están en el espacio de trabajo principal de vídeo.
- Selecciona la familia de modelos: Abre el selector de modelos y elige Grok Imagine Video (familia de modelos de vídeo).
- Elige la versión del modelo: Elige entre Grok Imagine 1.5 Lite (aparece primero como opción predeterminada de la familia) y Grok Imagine 1.5.
- Elige un modo de generación:
- En 1.5 Lite, selecciona Text to Video (texto a vídeo) o Image to Video (imagen a vídeo; sube 1 imagen como fotograma inicial).
- En 1.5 completo, también puedes seleccionar Reference to Video (referencia a vídeo) y subir entre 2 y 7 imágenes de referencia (como un retrato de un personaje, un objeto y un fondo).
- Escribe tu prompt: Introduce la descripción de la escena, el movimiento de cámara, la iluminación y cualquier diálogo o indicación de sonido.
- Ajusta la duración, la resolución y la relación de aspecto:
- Duración: Elige de 4 a 15 segundos en intervalos de 1 segundo (el valor predeterminado es 5 segundos).
- Resolución: Elige 480p, 720p o 1080p (el valor predeterminado es 720p). Ten en cuenta que, si usas Reference to Video en 1.5 completo, la resolución está limitada a 720p.
- Relación de aspecto: En Text to Video, 1.5 Lite ofrece
16:9,9:16,1:1,4:3,3:4,3:2y2:3(valor predeterminado16:9), mientras que 1.5 completo ofrece16:9,9:16,1:1,3:2y2:3. En Image to Video, la salida adopta automáticamente la relación de aspecto de la imagen subida.
- Comprueba el total de créditos y genera: Comprueba el coste en créditos mostrado antes de generar y pulsa Generate Video. Cada vídeo terminado incluye automáticamente audio nativo: no hace falta ningún interruptor para activar o desactivar el sonido.
Lo que AI Studio no ofrece para Grok Imagine
Para que las expectativas sean claras, varias funciones para desarrolladores o específicas de la aplicación solo existen en la aplicación propia de SpaceXSI o en su API y no están disponibles en AI Studio:
- Referencias de voz y selección de voces predefinidas
- Fijación de fotogramas inicial y final y fotogramas clave intermedios
- Más de 7 imágenes de referencia en un solo prompt (la API permite hasta 14)
- Relaciones de aspecto ultraanchas
21:9y5:2 - Clips de menos de 4 segundos (la API permite hasta 1 segundo)
- Edición y extensión de vídeo (que funcionan con el modelo anterior de la API de SpaceXSI
grok-imagine-video) - Herramientas del espacio de trabajo de la aplicación de SpaceXSI, como Projects y agentes paralelos
Consejos para prompts de Grok Imagine 1.5
La documentación para desarrolladores de SpaceXSI describe algunos principios básicos para obtener movimientos fiables y audio claro con la arquitectura 1.5:
- Especifica cámara, iluminación y sonido juntos en texto a vídeo: Como texto a vídeo genera un fotograma inicial a partir de tus palabras y después lo anima junto con la pista de audio, proporciona al modelo referencias visuales y sonoras concretas. Indica el encuadre, cómo se mueve la cámara, la calidad de la luz y los ruidos ambientales o diálogos exactos que quieres escuchar.
- En imagen a vídeo, describe el movimiento, no la imagen: Cuando subes una imagen inicial, esa imagen ya define el primer fotograma, el aspecto del sujeto y la relación de aspecto. No desperdicies tu prompt volviendo a describir lo que ya se ve en la foto. Céntrate por completo en lo que cambia después del primer fotograma: cómo se mueve el sujeto, cómo lo sigue la cámara y qué sonidos se producen.
- Asigna una función clara a cada imagen de referencia: Al usar Reference to Video en Grok Imagine 1.5 completo, sube imágenes distintas para cada elemento que quieras fijar; por ejemplo, Referencia 1 para la cara del personaje, Referencia 2 para la taza de café que sostiene y Referencia 3 para el interior de la cafetería. Como las referencias no fijan el primer fotograma, usa tu prompt de texto para definir cómo interactúan esos elementos en el plano.
- Adapta el ritmo de las frases a la duración del clip: La sincronización labial nativa funciona mejor cuando la frase encaja de forma natural en los segundos disponibles. Para un clip de 5 segundos, escribe una sola frase breve de diálogo en lugar de un párrafo largo para que la voz no se apresure ni se corte al final de la línea de tiempo.
Ejemplo de prompt de texto a vídeo (cámara, iluminación y audio)
Medium tracking shot following a watchmaker in a leather apron walking past a wooden workbench at night. Warm tungsten desk lamps cast soft amber reflections across brass gears and glass domes. The camera slowly pushes in as he sits down, picks up a silver pocket watch, and looks up at the lens, saying calmly, "Every second leaves a mark." Crisp ticking of wall clocks, quiet footsteps on floorboards, and warm room ambience.
Ejemplo de prompt de imagen a vídeo (solo movimiento y sonido)
The motorcyclist lowers her tinted visor with her right hand and twists the throttle. The headlight beam brightens against the wet asphalt as the bike launches forward out of the frame, kicking up a fine spray of rainwater. Camera pans right to follow the departure. Deep engine ignition roar, sharp visor click, and tires hissing on wet pavement.
Tanto si quieres crear borradores rápidos de clips en 720p con Grok Imagine 1.5 Lite por unos pocos créditos como fijar un personaje recurrente entre escenas mediante imágenes de referencia en Grok Imagine 1.5 completo, tener ambos modelos en un mismo selector del navegador facilita adaptar la herramienta al plano. Ve al generador de vídeo de AI Studio, elige la familia Grok Imagine Video y prueba tu primer prompt con audio nativo.
Fuentes
Preguntas frecuentes
¿Cuándo se lanzó Grok Imagine 1.5?
SpaceXSI (antes xAI) lanzó Grok Imagine Video 1.5 el 16 de junio de 2026, inicialmente como modelo de imagen a vídeo en Imagine API, junto con Video 1.5 Fast en grok.com y las aplicaciones móviles. Una actualización importante del 31 de julio de 2026 añadió generación de texto a vídeo, resolución 1080p nativa, referencias de imagen y referencias de voz para mantener la coherencia de los personajes entre escenas.
¿Qué diferencia hay entre Grok Imagine 1.5 y 1.5 Lite?
Grok Imagine 1.5 genera vídeo 1080p nativo y admite imágenes de referencia, referencias de voz, fotogramas inicial y final y fotogramas clave intermedios en la API. Grok Imagine 1.5 Lite es un modelo de menor coste para texto a vídeo y animación de una sola imagen; su salida 1080p se reescala desde 720p y no admite imágenes de referencia, referencias de voz ni fotogramas clave fijados.
¿Cuánto cuesta Grok Imagine 1.5?
En la API de SpaceXSI, grok-imagine-video-1.5 cuesta $0.08 por segundo en 480p, $0.14 en 720p y $0.25 en 1080p, más unos $0.01 por imagen de entrada. El modelo Lite cuesta $0.02 en 480p, $0.03 en 720p y $0.14 en 1080p. En AI Studio, la generación utiliza créditos: de 1.5 a 10 créditos por segundo para Lite y de 6 a 18 para 1.5.
¿Puedo usar Grok Imagine 1.5 sin una suscripción a Grok?
Sí. Los desarrolladores pueden llamar a los modelos directamente mediante Imagine API de SpaceXSI y pagar por segundo generado. Si quieres generar clips en un navegador sin configurar claves de API ni una cuenta de Grok, puedes usar tanto Grok Imagine 1.5 como 1.5 Lite con créditos en plataformas independientes como AI Studio.
¿Existe ya Grok Imagine Video 2.0?
No. Hasta noviembre de 2026, SpaceXSI no ha lanzado ni anunciado Grok Imagine Video 2.0. Los modelos de vídeo actuales de la gama son Grok Imagine 1.5 y Grok Imagine 1.5 Lite. Aunque SpaceXSI tiene un modelo llamado Grok Imagine Image 2.0, ese lanzamiento sirve exclusivamente para generar imágenes fijas, no clips de vídeo.
Convierte tu idea en un vídeo
Explora el generador de vídeo y empieza a crear.
Generar un vídeo


