Grok Imagine 1.5 功能与使用指南

了解 Grok Imagine 1.5 的视频与原生音频功能,比较 Lite 版本、API 价格及 AI Studio 使用方法。

深色电影风格插画:发光粒子汇聚成电影画面,下方是声波,采用青绿色和暖橙色
目录

Grok Imagine 1.5 是 SpaceXSI(前身为 xAI)推出的视频生成模型,可创建最长 15 秒的视频片段,并同步生成原生音频、对话和音效。它有两个版本:完整版 Grok Imagine 1.5 支持原生 1080p 和多图参考,Grok Imagine 1.5 Lite 则适合制作成本更低的草稿;该系列支持文生视频和图生视频,完整版还支持保持角色一致性的参考工作流程。

你可以直接在浏览器中通过 AI Studio 的 AI 视频生成器运行 Grok Imagine 1.5 和 1.5 Lite。AI Studio 是一家独立网站,通过积分系统运行多个视频和图片模型,包括 Seedance、Kling、Gemini Omni、Happy Horse、MiniMax H3 和 Grok Imagine,与 SpaceXSI 或 xAI 没有关联。

Grok Imagine 1.5 是什么,何时发布?

Grok Imagine 1.5 是 SpaceXSI 旗下的旗舰视频和音频生成模型系列。该公司此前名为 xAI(2026 年 7 月曾短暂更名为 SpaceXAI,2026 年 10 月改用 SpaceXSI,同时保留 x.ai 作为网站)。

SpaceXSI 在 2026 年年中分两个阶段推出了 1.5 系列:

  • 2026 年 6 月 16 日(首次发布): SpaceXSI 在 Imagine API 上发布了 grok-imagine-video-1.5,同时在 grok.com/imagine 及 iOS 和 Android 应用上推出了“Video 1.5 Fast”。发布时,它只能作为图生视频模型使用。此次发布着重于在生成视频的同时生成音效、环境声和对话,使口型同步的语音更清晰、物理运动表现更出色,同时减少画面扭曲,让重量和动量更加可信。在 SpaceXSI 自家的应用中,Video 1.5 Fast 将 6 秒 720p 视频的生成时间从上一版本的 40 多秒缩短至约 25 秒,并引入了 Projects、并行智能体和素材库搜索等工作区功能。
  • 2026 年 7 月 31 日(参考与文生视频更新): SpaceXSI 通过“Imagine Video 1.5 with References”更新扩展了模型。此次发布增加了无需起始图片的直接文生视频生成、文生视频和图生视频的原生 1080p 分辨率以及参考功能。用户可以输入多张参考图片,每张锁定人脸、产品或地点等特定主体,还可以提供声音参考,让不同场景中的人脸和声音保持一致。

如果你看到过有关“2.0”模型的说法,请注意,截至 2026 年 11 月,Grok Imagine Video 2.0 尚未发布或宣布。“Grok Imagine Image 2.0”是独立的静态图片模型,目前的视频产品线仍是 1.5 和 1.5 Lite。此外,视频编辑和视频延长等较早的 API 任务仍使用旧版 grok-imagine-video 模型,而非 1.5 系列。

Grok Imagine 1.5 能做什么?

Grok Imagine 1.5 将画面生成和音频合成合并在一次生成过程中,在 API 中支持 1 至 15 秒的视频片段(在 AI Studio 上为 4 至 15 秒),分辨率包括 480p、720p 和 1080p。由于 SpaceXSI 的 API 与第三方浏览器界面的功能略有不同,逐项了解这些功能会更清楚。

原生音频与口型同步

Grok Imagine 1.5 和 1.5 Lite 都会为每个视频片段自动生成同步音频。模型并非在视频渲染完成后再添加背景音乐,而是在同一次生成中制作室内环境底噪、与画面动作匹配的物理音效,以及口型同步的对白。当提示词中有角色说话时,嘴部动作和语音表达会与画面中的动作保持一致。

文生视频

文生视频功能在 2026 年 7 月的更新中加入,只需文字提示词即可生成视频。根据 SpaceXSI 的开发者文档,1.5 和 1.5 Lite 的文生视频在底层都会先根据文字提示词生成静态画面,再按照所选时长让画面动起来。完整版 1.5 的文生视频最高可生成原生 1080p;1.5 Lite 的 1080p 输出则由 720p 放大而来。

图生视频

图生视频会将上传的单张静态图片设为视频首帧,并根据文字指令让场景继续运动。在 SpaceXSI 的 API 和 AI Studio 上,图生视频都会自动保留上传图片的宽高比。

参考图片与声音

参考生成允许你提供视觉或声音参照,而无需强制将某张图片作为视频的实际首帧。每张参考图片锁定一个元素,例如角色的脸、某个产品瓶或房间布局,让你可以将这些元素放入全新的镜头角度和动作中。

  • 参考图片: 仅完整版 Grok Imagine 1.5 支持(1.5 Lite 不支持),视频最长 15 秒,分辨率最高为 720p。虽然 2026 年 7 月的公告提出每次生成最多使用 7 张参考图片,但 SpaceXSI 的开发者文档目前显示,API 最多支持 14 张参考图片。在 AI Studio 上,参考生视频支持 2 至 7 张参考图片,分辨率为 480p 或 720p。
  • 声音参考(仅限 API 和 SpaceXSI 应用): API 支持每个视频片段最多使用 3 个声音参考,以保持跨场景的声音一致性,可以使用预设声音;受信任的合作伙伴申请后也可使用自定义上传音频。AI Studio 不提供声音参考。

首尾帧与关键帧

在 SpaceXSI 的 API 和自家工具中,完整版 grok-imagine-video-1.5 模型支持固定结构帧,1.5 Lite 和 AI Studio 则不支持:

  • 首帧和尾帧: 你可以同时定义视频的起始图片和结束图片。将完全相同的图片作为首帧和尾帧,可以创建循环视频。
  • 关键帧: 你最多可以固定 4 个视频中间帧,以指定动作在时间轴上的特定位置应呈现的画面。

Grok Imagine 1.5 与 1.5 Lite:该选哪个?

选择 Grok Imagine 1.5 还是 Grok Imagine 1.5 Lite,取决于你的镜头是否需要通过多张图片保持角色一致性和原生 1080p 的清晰度,还是只需要以低得多的成本快速制作文生视频或单图动画。

功能Grok Imagine 1.5 (grok-imagine-video-1.5)Grok Imagine 1.5 Lite (grok-imagine-video-1.5-lite)
1080p 分辨率原生 1080p(文生视频和图生视频)从 720p 放大
可用分辨率480p、720p、1080p480p、720p、1080p
时长API 中为 1–15 秒(AI Studio 上为 4–15 秒)API 中为 1–15 秒(AI Studio 上为 4–15 秒)
原生音频与口型同步所有视频均包含所有视频均包含
参考图片API 最多 14 张;AI Studio 上为 2–7 张(最高 720p)不支持
声音参考最多 3 个声音(仅限 API / SpaceXSI 应用)不支持
首尾帧与关键帧支持,另可设置最多 4 个视频中间关键帧(仅限 API)不支持
API 每秒价格$0.08(480p)、$0.14(720p)、$0.25(1080p)$0.02(480p)、$0.03(720p)、$0.14(1080p)
AI Studio 每秒积分6(480p)、10(720p)、18(1080p)1.5(480p)、2.5(720p)、10(1080p)
适用场景多参考场景、反复出现的角色、原生 1080p 输出低成本草稿、简单的文生视频和图生视频片段、480p/720p 社交视频

SpaceXSI 的文档清楚地总结了两者的区别:

  • 选择 Grok Imagine 1.5 Lite,如果 你要制作独立的文生视频或单图生视频片段、测试提示词措辞,或以 480p 或 720p 渲染;在 AI Studio 上,这两种分辨率下 Lite 所需积分约为完整版的四分之一。
  • 选择 Grok Imagine 1.5,如果 你需要结合 2 张或更多参考图片,让角色、产品或场景在不同镜头中保持一致;或者你需要真正的原生 1080p 渲染,而非从 720p 放大(或需要通过 API 固定帧和声音)。

Grok Imagine 1.5 的价格是多少?

Grok Imagine 1.5 的费用取决于你是作为开发者通过 SpaceXSI 的 API 按秒付费,还是在 AI Studio 中为每个视频片段消耗积分。

SpaceXSI API 价格

根据 SpaceXSI 的开发者文档,视频生成按生成结果的秒数和分辨率计费:

  • grok-imagine-video-1.5: 480p 每秒 $0.08,720p 每秒 $0.14,1080p 每秒 $0.25。输入图片也会计费,每张约 $0.01。
  • grok-imagine-video-1.5-lite: 480p 每秒 $0.02,720p 每秒 $0.03,1080p 每秒 $0.14。

AI Studio 积分费率

AI Studio 不按每秒美元收费,而是根据所选模型、分辨率和时长,在每次生成时扣除积分。积分总数等于每秒费率乘以视频秒数,再向上取整。上传首帧图片或参考图片不会额外收取积分。

AI Studio 上的模型480p(积分 / 秒)720p(积分 / 秒)1080p(积分 / 秒)
Grok Imagine 1.5 Lite1.52.510
Grok Imagine 1.561018

以下是 AI Studio 上常见视频时长的实际费用:

  • 5 秒 720p 视频(默认设置): 1.5 Lite 需要 13 积分(12.5 向上取整),完整版 1.5 需要 50 积分。
  • 10 秒 1080p 视频: 1.5 Lite 需要 100 积分,完整版 1.5 需要 180 积分。
  • 15 秒最长 1080p 视频: 1.5 Lite 需要 150 积分,完整版 1.5 需要 270 积分。

你无需手动计算总数,AI Studio 会在点击 Generate Video(生成视频)之前显示准确的积分费用。

如何在 AI Studio 上使用 Grok Imagine 1.5

你可以直接在浏览器中使用这两个模型生成视频,无需管理 API 密钥。按照以下步骤操作:

  1. 打开生成器: 前往 AI Studio 的 AI 视频生成器。Grok 没有单独的页面;所有模型都位于主视频工作区中。
  2. 选择模型系列: 打开模型切换器,选择 Grok Imagine Video(Grok 视频模型系列)。
  3. 选择模型版本: 在 Grok Imagine 1.5 Lite(作为该系列的默认选项排在首位)和 Grok Imagine 1.5 之间选择。
  4. 选择生成模式:
    • 使用 1.5 Lite 时,选择 Text to Video(文生视频)或 Image to Video(图生视频,上传 1 张图片作为首帧)。
    • 使用完整版 1.5 时,还可以选择 Reference to Video(参考生视频),并上传 2 至 7 张参考图片(例如角色肖像、物品和背景)。
  5. 编写提示词: 输入场景描述、镜头运动、光线,以及任何对白或声音提示。
  6. 设置时长、分辨率和宽高比:
    • 时长: 以 1 秒为步长选择 4 至 15 秒(默认为 5 秒)。
    • 分辨率: 选择 480p、720p 或 1080p(默认为 720p)。请注意,在完整版 1.5 中使用 Reference to Video 时,分辨率最高为 720p。
    • 宽高比: 在 Text to Video 中,1.5 Lite 提供 16:9、9:16、1:1、4:3、3:4、3:2 和 2:3(默认为 16:9),完整版 1.5 则提供 16:9、9:16、1:1、3:2 和 2:3。在 Image to Video 中,输出会自动匹配上传图片的宽高比。
  7. 检查积分总数并生成: 生成前检查显示的积分费用,然后点击 Generate Video。每个完成的视频都会自动包含原生音频,无需声音开关。

AI Studio 上的 Grok Imagine 不提供哪些功能

为便于了解功能范围,一些开发者级或应用专属功能仅存在于 SpaceXSI 自家的应用或 API 中,AI Studio 不 提供这些功能:

  • 声音参考和预设声音选择
  • 首尾帧固定和视频中间关键帧
  • 单个提示词中使用超过 7 张参考图片(API 最多允许 14 张)
  • 超宽 21:9 和 5:2 宽高比
  • 少于 4 秒的视频片段(API 最短支持 1 秒)
  • 视频编辑和视频延长(使用 SpaceXSI 较早的 grok-imagine-video API 模型)
  • SpaceXSI 应用工作区工具,例如 Projects 和并行智能体

Grok Imagine 1.5 提示词技巧

SpaceXSI 的开发者文档列出了几项核心原则,有助于利用 1.5 架构获得稳定的动作和清晰的音频:

  1. 在文生视频中同时指定镜头、光线和声音: 由于文生视频会先根据文字生成初始画面,再让画面与音轨一起动起来,因此要为模型提供具体的视觉和声音参照。写明镜头构图、镜头移动方式、光线质感,以及你希望听到的具体环境声或对白。
  2. 在图生视频中描述动作,而非图片: 上传起始图片后,图片已经定义了首帧、主体外观和宽高比。不要在提示词中浪费篇幅重复描述照片中已经可见的内容。重点描述首帧之后发生的变化:主体如何移动、镜头如何跟随,以及会出现什么声音。
  3. 为每张参考图片分配一个明确任务: 在完整版 Grok Imagine 1.5 中使用 Reference to Video 时,为每个需要锁定的元素上传不同的图片,例如参考图 1 用于角色的脸,参考图 2 用于角色手持的咖啡杯,参考图 3 用于餐馆内部。由于参考图片不会锁定首帧,请使用文字提示词安排这些元素在镜头中如何互动。
  4. 让对白节奏适合视频时长: 当对白自然适合可用秒数时,原生口型同步效果最佳。对于 5 秒的视频,写一句简短对白,而不是一大段文字,以免语音过于急促或在时间轴末尾被截断。

文生视频提示词示例(镜头、光线和音频)

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.

图生视频提示词示例(仅动作和声音)

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.

无论你是想用 Grok Imagine 1.5 Lite 花费少量积分快速制作 720p 视频草稿,还是想在完整版 Grok Imagine 1.5 中使用参考图片,让反复出现的角色在不同场景中保持一致,将两个模型放在同一个浏览器切换器中,都能方便你为镜头选择合适的工具。前往 AI Studio 的视频生成器,选择 Grok Imagine Video 系列,尝试用第一条提示词生成带原生音频的视频。

参考资料

常见问题

Grok Imagine 1.5 是什么时候发布的?

SpaceXSI(前身为 xAI)于 2026 年 6 月 16 日推出 Grok Imagine Video 1.5,最初在 Imagine API 上作为图生视频模型发布,同时在 grok.com 和移动应用上推出 Video 1.5 Fast。2026 年 7 月 31 日的一次重大更新增加了文生视频、原生 1080p 分辨率、图片参考和声音参考功能,以保持角色在不同场景中的一致性。

Grok Imagine 1.5 和 1.5 Lite 有什么区别?

Grok Imagine 1.5 可生成原生 1080p 视频,并在 API 中支持参考图片、声音参考、首尾帧和视频中间的关键帧。Grok Imagine 1.5 Lite 是成本较低的文生视频和单图动画模型;其 1080p 输出由 720p 放大而来,不支持参考图片、声音参考或固定关键帧。

Grok Imagine 1.5 的价格是多少?

在 SpaceXSI 的 API 中,grok-imagine-video-1.5 的 480p 价格为每秒 $0.08,720p 为 $0.14,1080p 为 $0.25,此外每张输入图片约需 $0.01。Lite 模型的 480p 价格为每秒 $0.02,720p 为 $0.03,1080p 为 $0.14。在 AI Studio 上,生成使用积分:Lite 每秒 1.5 至 10 积分,1.5 每秒 6 至 18 积分。

没有 Grok 订阅也能使用 Grok Imagine 1.5 吗?

可以。开发者可以通过 SpaceXSI 的 Imagine API 直接调用模型,并按输出时长付费。如果想在浏览器中生成视频,无需设置 API 密钥或 Grok 账号,可以在 AI Studio 等独立平台上使用积分运行 Grok Imagine 1.5 和 1.5 Lite。

Grok Imagine Video 2.0 已经推出了吗?

没有。截至 2026 年 11 月,SpaceXSI 尚未发布或宣布 Grok Imagine Video 2.0。目前产品线中的视频模型是 Grok Imagine 1.5 和 Grok Imagine 1.5 Lite。虽然 SpaceXSI 确实有一个名为 Grok Imagine Image 2.0 的模型,但它专用于生成静态图片,而非视频片段。

使用 AI Video Studio 开始创作

把创意变成视频

打开视频生成器,开始你的创作。

生成视频

作者

AI Studio Team