APIMODELSAPIMODELS
API 文档

apimodels.app

Grok Imagine Video 1.5 API

xAI 的 Grok Imagine 视频模型:文生视频和图生视频同一个模型名,自带同步音轨(对话 / 音效 / 环境音),1-15 秒任意时长,480p / 720p / 1080p 三档按秒计价,成片无水印。实测出片很快:4 秒的片子约 30-70 秒返回。走 apimodels.app 统一视频端点,与 VEO、Kling、Seedance 的调用方式完全一样,换模型只改 model 字段,一把 key 全平台通用。

价格(按秒计)

分辨率单价4 秒8 秒15 秒
480p$0.045/s$0.18$0.36$0.68
720p$0.0529/s$0.21$0.42$0.79
1080p$0.0882/s$0.35$0.71$1.32

限时特价:到 2026 年 11 月 30 日(北京时间)为止打 6 折,480p / 720p / 1080p 每秒 $0.027 / $0.0317 / $0.0529,按建单时间计价。

费用 = 单价 × 时长(秒),文生视频与图生视频同价,参考图不额外收费。失败不扣费。

创建任务

POST /api/v1/video/generations —— 异步:创建后轮询同一个端点取结果。

# Step 1: Create task (text-to-video; add "images" for image-to-video)
curl -X POST https://api.apimodels.app/v1/video/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-video-1.5",
    "prompt": "A calm coastal shoreline at sunset, camera slowly pushing forward",
    "resolution": "720p",
    "duration": 10,
    "aspect_ratio": "16:9"
  }'

# Step 2: Poll status
curl "https://api.apimodels.app/v1/video/generations?task_id=TASK_ID" \
  -H "Authorization: Bearer YOUR_API_KEY"

请求参数

字段必填类型说明
model是stringgrok-imagine-video-1.5
prompt否string视频描述(纯图生视频时可省略,prompt 与参考图至少传一个)。最长 4096 字符;1080p 的 10-15 秒片子建议控制在 2048 字符内,超过会改走另一条通道、出片更慢
images否string[]参考图,最多 7 张;http(s) URL 或 base64 / data URL 都可以。1080p 只能带 1 张(作为首帧);2 张及以上请用 720p 或 480p
resolution否string"480p"、"720p"(默认)、"1080p"。1080p 仅支持文生视频和单图图生视频,多参考图被模型封顶在 720p
duration否number1-15 秒,默认 10
aspect_ratio否string"16:9"(默认)、"9:16"、"1:1"、"3:2"、"2:3"
callback_url否string任务完成后的回调 URL

取回结果

创建接口立即返回 data.taskId,视频在后台生成。带上这个 task_id 向同一个端点发 GET,读 data.state:pending 表示还在跑,completed 时 data.resultUrls[0] 就是 MP4 地址(H.264 视频 + AAC 音轨),failed 时 data.failMsg 是原因。不想轮询就传 callback_url,任务结束后我们主动 POST 通知你。

  • 实测出片:4 秒的片子约 30-70 秒返回(文生更快,图生稍慢)。
  • 结果视频保存 30 天后自动删除,请及时下载或转存。
  • 调用成功后扣费,失败不扣费。

使用要点

  • 原生音轨:模型在生成画面的同时产出同步音频(对话 / 音效 / 环境音),不需要额外的配音步骤;实测 480p 输出为 848×480、24fps。
  • 成片无水印——两类请求(文生、图生)我们都逐帧抽查过。
  • 图生视频对参考图的还原度很好:构图、主体、材质都保得住,prompt 用来描述你要的运动和镜头。
  • 1080p 带图的规则来自模型本身:多张参考图的「参考生视频」封顶 720p,只有单张图的「首帧图生视频」能出 1080p。所以 1080p 时只传 1 张,视频会从这张图开始;不传 aspect_ratio 则成片跟图的比例(竖图出竖片),传了就按你指定的。传 2 张以上会在创建时直接收到 400,改成 720p 即可。
  • 480p / 720p 时图片按参考图模式处理(保主体和构图,最多 7 张),这一点没有变化。
  • 参考图直接传 base64 也可以——我们会自动转成可访问的 URL 再交给模型,和传 URL 的效果一致。
  • 参考视频编辑(video-to-video)暂未开放;传参考视频会收到明确的 400 报错而不是静默忽略。
  • 鉴权与其它模型一致:Header 带 Authorization: Bearer YOUR_API_KEY,同一把 key 可调平台上所有视频、图片、语音和 LLM 模型。

限制与注意事项

下面每一条都是模型或上游的硬限制,不是平台加的;超出的请求在创建时就会被 400 拒掉(不建任务、不扣费),而不是跑到一半失败。

项目限制说明
prompt 长度最长 4096 字符按字符数计,中英文都算一个字符。1080p 且 10-15 秒的请求优先走按次计价的通道,那条通道只收 2048 字符以内;超过 2048 仍能出片,但会改走按秒计价的通道,出片更慢。超过 4096 直接 400。
prompt 内容只写模型需要的东西分镜动作、镜头、对白、风格、角色外观有效;「不要读出以下备注」「输出规范」「语言策略」这类给人看的说明模型不理解,只会挤占字符预算、稀释真正的指令。想要特定时长请设 duration 参数,不要在文字里写「必须正好 15 秒」。
参考图张数最多 7 张;1080p 时恰好 1 张480p / 720p 是参考图模式(保主体与构图)。1080p 只有单图首帧模式:视频从这张图开始;传 2 张以上返回 400,改 720p 即可。
参考图可访问性提交时必须可下载我们在创建任务时立刻把图转存到自己的存储,之后你的链接失效不影响生成。带短时效签名的 URL(几分钟)可以用,前提是调用那一刻还没过期;不确定就直接传 base64。
时长1-15 秒整数,默认 10实际成片时长等于请求时长。1080p 且 10-15 秒是最省钱的组合(按次计价,固定价低于按秒);1080p 短于 10 秒按秒计价。
分辨率480p / 720p / 1080p只认这三个小写值。1080p 的图生视频规则见上;多参考图封顶 720p 是模型限制,任何渠道都绕不开。
画幅16:9 / 9:16 / 1:1 / 3:2 / 2:31080p 单图模式下不传 aspect_ratio 则跟随参考图;其余情况默认 16:9。
参考视频暂不支持传 video / video_url 等字段会收到明确 400。
音频随画面原生生成对白语言、角色台词写在 prompt 里即可;不支持上传音频或指定音色,不能保证逐句口型时间轴精确对齐。
出片时间4 秒片约 30-70 秒;1080p 10-15 秒片约 2.5-3 分钟实测中位数,高峰期会更长。结果保存 30 天。

常见 400 错误

参数问题在创建时就同步返回 400({"code": 400, "msg": "..."}),不会建任务、不扣费。msg 原文如下,可以直接按字符串匹配。

msg原因 / 怎么改
prompt or a reference image is requiredprompt 和 images 都没传;至少给一个。
prompt is N characters; at most 4096 are accepted on this model — shorten it提示词超过 4096 字符。分镜、对白、制作备注一起塞进 prompt 很容易超,精简到 2048 以内最稳。
resolution must be one of 480p / 720p / 1080p (got "...")resolution 拼写不对;只认这三个小写值。
duration must be 1-15 seconds (got ...)时长超出 1-15 秒。
at most 7 reference images are supported (got N)参考图超过 7 张。
1080p supports text-to-video and single-image image-to-video only; multi-image reference-to-video is capped at 720p by the model (got N images) — set "resolution": "720p" or send a single image1080p 配了 2 张以上的图。改 resolution 为 720p,或只保留 1 张图。
reference-video editing is not enabled on this model yet — pass reference images instead传了参考视频(video / video_url 等字段);本模型暂不开放视频编辑。

生成阶段才失败的任务(上游报错、超时等)状态为 failed,原因在 data.failMsg,费用自动退回。

相关

常见问题

Grok Imagine 视频生成有 API 吗?

有。在 apimodels.app 向 /api/v1/video/generations 发 POST,传 model "grok-imagine-video-1.5"、prompt 和/或参考图,然后拿返回的 task_id 轮询同一个端点,直到 data.state 变成 "completed",data.resultUrls[0] 就是 MP4(H.264 画面 + AAC 音轨)。请求格式与站内的 VEO、Kling、Seedance 完全一致,换模型只改 model 一个字段,一把 key 全都能调。

Grok Imagine Video 1.5 多少钱?

按秒 × 分辨率计价:480p $0.045/秒、720p $0.0529/秒、1080p $0.0882/秒——4 秒 480p 约 $0.18,15 秒 1080p 约 $1.32。注意默认值:不传 resolution 和 duration 时按 720p、10 秒算(约 $0.53)——这是我们两条渠道都能服务的形态;要 480p 或更短的片子显式指定即可,只是那些形态只有单渠道能跑。文生与图生同价,参考图不额外收费,失败不扣费。

Grok Imagine Video 会生成音频吗?有水印吗?

会。模型在生成画面的同时产出同步音轨(对话、音效、环境音),拿到的 MP4 直接就是 H.264 画面 + AAC 音频,不需要额外配音。成片无水印——上架前我们对文生和图生两类结果都做过逐帧抽查。