Grok Imagine 1.5 AI影片生成器
xAI的圖生影片專家：你的靜態影像會成為第一幀——構圖、光線和身分特徵均會保留——音樂、特效和對嘴同步對白也會在同一次處理中生成。在下方輸入提示詞並試試看。
(JPG,JPEG,PNG,WEBP,最大30MB)
開發者
xAI
類型
影像優先 · 也支援T2V
時長
最長15秒
最大輸出
720p (官方)
音訊
音樂 · SFX · 口型同步，一次完成
速度
數秒內渲染
競技場
發布時排名#1的i2v (Elo 1473)
我們的一句話結論: 圖生影片之選。當鏡頭從你已有的靜態影像—產品照片、肖像、畫面幀—開始時，這裡沒有什麼能比它更快或更忠實地將其動起來。
Grok Imagine Video 1.5是在六月奪下圖像轉影片桂冠的模型：它於五月底推出，首次登上群眾評測i2v競技場即以1473 Elo拿下第1名——比前代提升52點，超越Seedance 2.0和Veo。其架構解釋了它的專長：Aurora會依序生成影格，每一格都以前面所有內容為條件，因此你上傳的靜態圖片——被視為真正的第一個影格——會保留其構圖、光線和主體身分，而不是逐漸偏移。音樂、音效和對嘴同步的對話會在同一次處理中渲染，片段會在數秒內完成，而不是數分鐘。在你花費之前先釐清一點：這是xAI的影片模型，不是Grok聊天機器人——同一品牌，不同產品。
Grok Imagine 1.5的優勢所在—以及它的不足之處
根據我們自己的渲染圖和已發布記錄判斷，並隨著事實變化而修訂 — 這是本頁面的功能，而不是免責聲明。
真正強大
• 按架構劃分的影像保真度。
來源仍然是第一幀，而不是鬆散的參考——Aurora的序列條件控制在整個片段中保持構圖、光線和身分一致性。i2v競技場桂冠正是憑此贏得的。
• 一遍生成音訊，包含對話。
背景音樂、音效和口型同步語音會隨圖片一起生成。口型同步是相較於1.0的重點改進——會說話的頭像短片無需二次處理。
• 附時間戳記的拍攝控制。
將提示詞寫成時間軸 — '(0-5s)中景... (5-10s)推進...' — 節拍會落在你放置的位置。原生鏡頭列表提示。
• 作為工作流程功能的速度。
算圖通常在幾秒內完成。其他地方需要花費數分鐘的迭代循環，在這裡以對話節奏執行——這是最便宜的品質倍增器。
已知限制
• 720p官方上限。
xAI自己的系列是720p（某些閘道會提供更高解析度）。在競爭對手提供1080p到4K的領域中，這項規格會讓一些需求簡報提早結束。
• Text-to-video是較弱的一半。
xAI自己的指引：t2v比影像路徑'更具生成性且可控性更低'。如果你沒有起始靜態圖，prompt-first旗艦更適合。
• 品牌混淆稅。
它與Grok聊天機器人同名，但它是個獨立產品—聊天機器人的推理能力並不能說明這個模型的任何情況，無論好壞。請根據渲染結果來評判它。
• 競技場排名≠生產記錄。
Elo衡量的是群眾對i2v配對的偏好，而該模型已有數週之久。請將皇冠視為強烈訊號，而非定論。
三個提示詞，它們 顯示它的用途
複製到上方的生成器中，替換括號，渲染。
讓產品靜幀栩栩如生
上傳: 你的產品照片
"(0-4s)[瓶子]靜立在柔和的晨曦中，塵埃微粒緩緩飄動。(4-9s)緩慢推近，同時溫暖的主光從左側漸亮。(9-12s)停留在特寫上，標籤捕捉到光線。安靜的環境配樂，結尾一聲柔和的鈴音。"
時間戳記會將提示詞變成鏡頭清單，而以靜態圖作為首幀的架構會讓產品保持與拍攝時完全一致。產生器旁邊的示範就是這個提示詞。
會說話的肖像
上傳: 一張肖像照片
"她從筆記本上抬起頭，溫暖地說:'我花了好多年才學會這個。'然後微微一笑，又回去寫字。房間環境音，鉛筆沙沙聲，沒有音樂。"
帶引號的對話會啟用唇形同步——這是1.5代最引以為傲的修復。保持台詞簡短，並讓提示詞說明前後動作，這樣表達才有落點。
鏈式序列
生成第一個片段 → 從其最後一幀延展 → "繼續: 攝影機繼續向右漂移，掠過窗戶; 外面已經開始下雨。音樂無縫延續。"
擴展會以精確的最後一幀作為條件，因此動作、光線和音訊會延續，而不是重置。串聯兩個或三個擴展後，15秒上限會悄然變成40秒序列。
Grok Imagine 1.5與Seedance 2.0與Veo
6月競技場排名得出的圖像轉影片頒獎台——新領先者對上它超越的兩個對手。三者使用相同的靜幀和提示詞，並以我們會交付的成品標準評判。三者都可在上方生成器中選擇。
它是如何到這裡的
Grok Imagine影片1.5
預覽版5月30–31日，在i2v arena首秀即#1，6月中旬前以grok-imagine-video-1.5在xAI API中GA。15秒短片，一次性音訊，唇形同步改進，支援延展和參考指引。上方生成器中的版本。
Grok Imagine Video 1.0
讓xAI登上影片版圖的10秒首次發布; 1.5在競技場的躍升就是以它為參照衡量的。
極光
xAI的自迴歸影像骨幹網路，其角色一致性優勢正是影片系列將你的靜態影像視為真實基準的架構原因。
Grok Imagine 1.5問題，直接解答
xAI的影片生成模型—正式名稱為Grok Imagine Video 1.5，於2026年5月底發布，並於6月中旬在xAI API中正式可用。它以圖片為優先：上傳一張靜態圖片、描述動作，它就會以來源圖片作為真正的第一幀來讓場景動起來，並在同一次生成中產生音樂、音效和嘴型同步的對白。短片最長可達15秒，並在數秒內完成算圖。
