grok-imagine-video-1.5Grok Imagine Video 1.5 es el modelo de vídeo de xAI con un rasgo que a la mayoría de rivales aún les falta: genera una pista de audio sincronizada (diálogos, efectos, ambiente) junto con los fotogramas, así que el MP4 descargado ya trae vídeo H.264 más audio AAC, sin paso de doblaje aparte. Un solo nombre de modelo cubre texto a vídeo e imagen a vídeo (hasta 7 imágenes de referencia, URL o base64), duración de 1 a 15 segundos, y tres niveles por segundo: 480p $0.0294/s, 720p $0.0529/s, 1080p $0.0882/s — un borrador de 4 segundos cuesta unos $0.12. Salida sin marca de agua y rápida: un clip de 4 segundos vuelve en unos 30-70 segundos medidos. Endpoint asíncrono de crear y consultar; las tareas fallidas no se cobran.
原生音轨:生成画面的同时自动产出同步音频(对话 / 音效 / 环境音),成片无水印,MP4 = H.264 + AAC。
Generated video will appear here
Provide URLs and click Generate
Diálogos, efectos y ambiente se generan junto con la imagen
Desde $0.0294/s en 480p — pagas exactamente los segundos que usas
Un solo nombre de modelo; hasta 7 imágenes de referencia
Clip de 4 s en unos 30-70 s medidos, salida limpia
Grok Imagine Video 1.5 es una API de generación de video de xAI. Grok Imagine Video 1.5 es el modelo de vídeo de xAI con un rasgo que a la mayoría de rivales aún les falta: genera una pista de audio sincronizada (diálogos, efectos, ambiente) junto con los fotogramas, así que el MP4 descargado ya trae vídeo H.264 más audio AAC, sin paso de doblaje aparte. Un solo nombre de modelo cubre texto a vídeo e imagen a vídeo (hasta 7 imágenes de referencia, URL o base64), duración de 1 a 15 segundos, y tres niveles por segundo: 480p $0.0294/s, 720p $0.0529/s, 1080p $0.0882/s — un borrador de 4 segundos cuesta unos $0.12. Salida sin marca de agua y rápida: un clip de 4 segundos vuelve en unos 30-70 segundos medidos. Endpoint asíncrono de crear y consultar; las tareas fallidas no se cobran. A través de la plataforma APIMODELS puedes acceder a este modelo mediante una API unificada con precios de pago por uso transparentes. Precio actual: 480p: $0.0294, 720p: $0.0529, 1080p: $0.0882.
Los seis clips se generaron en este mismo modelo con audio nativo: cuatro en el nivel de 480p / 8s ($0.24 cada uno) y dos en 1080p (4s $0.35, 10s $0.88). El prompt bajo cada clip es exactamente el que lo produjo, y la etiqueta indica su costo real. Los cuatro prompts de 480p están adaptados de nuestra biblioteca de prompts MiniMax H3.
Style: Cinematic lifestyle commercial. SCENE: Red-haired young woman in a white tank top, loose pink trousers, and sunglasses. A classic yellow convertible. Palm-tree-lined coastal highway, sandy beach, and ocean. SHOTS: 0-4s low angle tracks the yellow convertible down a sunny, palm-lined street, cut to close-up of the smiling woman driving, hair blowing in the wind. 4-8s sunset wide shot: she sits relaxed on the parked car's hood on the beach. CAMERA: smooth dynamic tracking, low-angle rolling mounts, intimate driver-seat close-ups. LIGHTING: sun-drenched daylight into golden-hour sunset, warm glow, vibrant yellow, pastel pink, deep ocean blue. AUDIO: rushing wind, classic car engine hum, distant ocean waves, upbeat carefree indie-pop instrumental.
Style: Handheld action sports parkour videography. SCENE: Athletic young man, short black hair, black t-shirt, olive cargo pants, white sneakers. Urban alleyways and high-rise rooftops. SHOTS: 0-4s man executes a parkour vault over a metal barricade fence in a narrow alley, then a dynamic leap over a concrete parapet against clear blue sky, low tracking angles. 4-8s man lands in a balanced crouch on a roof parapet edge and rolls; camera pulls back to a high aerial wide shot revealing a sprawling skyline. CAMERA: wide-angle action lens, handheld energetic tracking, extreme low and high angles. LIGHTING: bright midday sun, harsh high-contrast shadows, concrete grays, olive greens, sky blue. AUDIO: whooshing wind, heavy landing thuds, rapid footsteps, fast-paced electronic action instrumental.
Style: High-end cosmetics commercial, photorealistic. SCENE: East Asian woman, long dark hair, white silk robe. Marble vanity countertop, illuminated ring mirror, gold and rose-gold cosmetic bottles, bright white room. SHOTS: 0-4s medium shot of woman holding a frosted bottle and glass dropper, cut to close-up dispensing a drop onto her cheek, then macro shot of clear liquid touching the skin. 4-8s extreme close-up of a beige teardrop sponge blending foundation on her cheek, then a fluffy rose-gold brush applying blush. CAMERA: macro beauty lenses, shallow depth of field, static positioning with rhythmic cuts. LIGHTING: soft diffused studio light, high-key, ring-light reflections in the eyes, crisp whites, marble grays, metallic golds, glossy pastel pinks. AUDIO: pristine room tone, distinct liquid droplet sound, soft sponge tapping, serene lo-fi background music.
Style: Realistic everyday vlog video. SCENE: Three young Asian women in casual summer clothes standing outside a suburban house. A large grey monitor lizard clinging to a black metal driveway gate, residential street with houses. SHOTS: 0-4s medium shot of the three women by the open gate, laughing and reacting as the large lizard climbs the metal bars, one records it on a smartphone. 4-8s medium side-profile shot of the women watching; the woman in the green shirt holds her phone close to film the reptile clinging to the vertical bars. CAMERA: handheld digital camera, natural depth of field, eye-level medium framing. LIGHTING: bright midday outdoor sun, crisp shadows on concrete, foliage greens, neutral grays, matte black metal. AUDIO: ambient street atmosphere, faint scooter hum in the distance, casual background laughter.
A chef flambeing a pan in a busy restaurant kitchen, flames leaping up, steam and sparks, handheld close-up, warm tungsten light
A hot air balloon drifting over terraced rice fields at sunrise, thin morning mist, slow aerial glide
Genera rápidamente videos promocionales de marca para campañas y redes sociales.
Crea contenido de video corto atractivo para TikTok, Instagram y YouTube.
Genera demostraciones de funciones y tutoriales para mejorar la conversión.
Produce explicaciones de cursos, divulgación y videos de formación a bajo coste.
Grok Imagine Video 1.5 está disponible a través de APIMODELS a: 480p: $0.0294, 720p: $0.0529, 1080p: $0.0882. La facturación es de pago por uso: solo pagas por lo que generas.
Regístrate en APIMODELS, obtén tu clave API y llama a nuestro endpoint unificado. Ofrecemos documentación detallada con ejemplos en cURL, Python y Node.js.
APIMODELS ofrece el mismo modelo Grok Imagine Video 1.5 a través de nuestra plataforma de agregación. Proporcionamos una interfaz de API unificada, así que no necesitas cuentas separadas por proveedor: una sola clave para acceder a todos los modelos.
Es el modelo de vídeo de xAI, y su rasgo distintivo es el audio nativo: genera junto con los fotogramas una pista sincronizada de diálogos, efectos y ambiente, de modo que el MP4 descargado ya trae vídeo H.264 más audio AAC. Un solo nombre de modelo cubre texto a vídeo e imagen a vídeo, duración de 1 a 15 segundos, sin marca de agua. En apimodels.app se cobra por segundo, desde $0.0294/s en 480p.
Por segundo según la resolución: 480p $0.0294/s, 720p $0.0529/s, 1080p $0.0882/s. Un borrador de 4 segundos en 480p cuesta unos $0.12; un clip de 15 segundos en 1080p, unos $1.32. Texto a vídeo e imagen a vídeo cuestan lo mismo, las imágenes de referencia no añaden nada y las tareas fallidas no se cobran.
Envía un POST a /api/v1/video/generations en apimodels.app con model "grok-imagine-video-1.5", un prompt y/o images (hasta 7 referencias, URL o base64), y luego consulta el mismo endpoint con el task_id devuelto. El formato es idéntico al de VEO, Kling y Seedance: cambiar de modelo es cambiar una cadena, y una sola clave API lo cubre todo. Un clip de 4 segundos vuelve en unos 30-70 segundos medidos.
Fiel, según nuestras pruebas en producción: la composición, el sujeto y los materiales se conservan desde la referencia mientras el prompt dirige el movimiento y la cámara. Las referencias se pueden enviar en base64 en crudo — nosotros las publicamos automáticamente en una URL accesible. Animar un producto o un personaje sin que pierda su identidad es justo donde brilla este modelo.
Elige Grok Imagine Video cuando quieras imagen y sonido en una sola pasada: trae pista de audio sincronizada nativa, mientras que la mayoría de sus rivales devuelve clips mudos. Elige veo-3.1-fast-fhd para clips económicos de 8 segundos fijos a $0.07 planos. Elige la familia Seedance 2 para controles avanzados como material con personas reales o primer y último fotograma. Los tres viven en el mismo endpoint y bajo la misma API key, así que compararlos es cambiar una cadena.
En APIMODELS, Grok Imagine Video 1.5 convive con más de 60 modelos bajo una sola clave API y un solo saldo, así que elegir es cuestión de ajuste, no de dependencia. Admite Text to Video, Image to Video, Native Audio, 1-15s, 480p / 720p / 1080p, No Watermark y puedes valorarlo en precio y capacidad frente a otros modelos de generación de video, y cambiar modificando una sola cadena con el nombre del modelo: sin nueva cuenta ni integración. Explora todas las opciones de generación de video con precios en vivo en apimodels.app/models.
Grok Imagine Video 1.5 admite: Text to Video, Image to Video, Native Audio, 1-15s, 480p / 720p / 1080p, No Watermark. Consulta la documentación de APIMODELS para ver todos los parámetros y ejemplos de llamada.
Sí. APIMODELS expone Grok Imagine Video 1.5 mediante una única API unificada y una sola clave, sin cuentas separadas por proveedor ni necesidad de gestionar tú mismo el acceso de red regional de cada proveedor.
Aceptamos Stripe (Visa, Mastercard y otras tarjetas internacionales) y Alipay. El saldo está disponible al instante tras el pago.
How to get access, regional availability, and how this model compares with its alternatives.