Das Videomodell Grok Imagine 1.5 von xAI — animieren Sie ein Standbild, beschreiben Sie eine Szene oder steuern Sie den Clip mit bis zu 7 Referenzbildern, stets mit nativem synchronisiertem Audio.
Zahlen Sie einmal für Credits - verwenden Sie sie für jedes Modell auf ZOOOP. · Nachfüllen, wenn es nötig ist, keine monatliche Verbrennung.
Powered by xAI's API on ZOOOP
Grok Imagine V1.5 erreichte Platz 1 der öffentlichen Image-to-Video Arena Rangliste in der Preview-Phase — ein klarer Sprung gegenüber 1.0 in Bewegungsqualität und wie treu ein einzelnes Standbild in einen bewegten Shot übergeht.
Jeder Clip wird mit im selben Durchgang generiertem synchronisiertem Audio geliefert — Dialog, Umgebungsgeräusche und Effekte, mit Lippen-Synchronisation bei sprechenden Charakteren. Kein separates Bewegungsmodell, TTS oder Foley-Schritt.
Das Haupt-Upgrade von 1.5 ist die Stabilität — Subjekte, Gesichter und Szenenelemente bleiben über den gesamten Clip konsistent statt zwischen Bildern zu driften oder sich zu verformen.
Starten Sie mit einem Bild, nur mit Text oder mit bis zu 7 Referenzbildern und rendern Sie 1 bis 15 Sekunden in 720p oder 480p. Text- und Referenzmodus bieten sieben Seitenverhältnisse von 16:9 bis 9:16.
Legen Sie ein einzelnes Standbild herein — etwa eine ruhige Seelandschaft — und Grok Imagine V1.5 fügt in einem einzigen Durchgang kräuselndes Wasser, schwankende Äste und ziehende Wolken mit Umgebungs-Audio hinzu, ohne manuelles Keyframing.
Verwandeln Sie ein einzelnes Produktstandbild in eine kurze Enthüllung oder Rotationsschleife mit Umgebungsgeräusch — bereit für E-Commerce-Anzeigen und Social-Media-Posts ohne Filmdreh.
Schnelle Bild-zu-Video-Konvertierung plus natives Audio machen V1.5 ideal für TikTok / Reels Stil Kurzformate — animieren Sie einen einzelnen Frame in einen vertikalen Clip mit Sound in einem Schritt.
Animieren Sie ein Szenenkonzept — etwa eine neonbeleuchtete Cyberpunk-Straße — um zu sehen, wie der Takt in Bewegung wirkt, bevor Sie ein schwereres Modell mit dem finalen Rendering beauftragen.
Wählen Sie das richtige Videomodell für die Aufgabe. Ihre Credits funktionieren überall auf ZOOOP.
Öffnen Sie Grok Imagine V1.5 von dieser Seite und wählen Sie einen Modus: Startbild oder Text mit optionalen Referenzbildern.
Laden Sie das Startbild hoch oder beschreiben Sie die Szene und hängen Sie bis zu 7 Referenzbilder an.
Schreiben Sie den Prompt der die Bewegung beschreibt, dann legen Sie die Auflösung (720p oder 480p) und die Dauer (1–15 Sekunden) fest.
Generieren Sie — natives synchronisiertes Audio wird mit dem Clip geliefert.
Grok Imagine V1.5 ist das Modell von xAI für kurze Videoclips mit Sound. Geben Sie ihm einen Startframe und einen Prompt, der die Bewegung beschreibt, schreiben Sie eine Szene von Grund auf oder hängen Sie bis zu 7 Referenzbilder von Personen, Produkten oder Stilen an, und es generiert die Bewegung — plus natives synchronisiertes Audio — in einem einzigen Durchgang. In der Preview erreichte es die Platzierung 1 auf der öffentlichen Image-to-Video Arena Rangliste, ein klarer Sprung gegenüber 1.0 sowohl in Bewegungsqualität als auch darin wie treu sich Ihr Startbild im bewegten Shot fortsetzt.
Die herausragende Fähigkeit ist natives synchronisiertes Audio. Jeder Clip kommt mit Dialog, Umgebungsgeräuschen und Effekten zurück, die zusammen mit dem Video generiert wurden, mit Lippen-Synchronisation bei sprechenden Charakteren. Für einen Sound-on sozialen Kurzclip oder einen Talking-Head-Clip komprimiert das was normalerweise ein Drei-Werkzeug-Pipeline ist — Bewegungsmodell, dann TTS, dann Foley — in einen einzigen Prompt. Der zweite große Fortschritt in 1.5 ist die zeitliche Konsistenz: Gesichter, Subjekte und Szenenelemente bleiben über den gesamten Clip zusammen statt von Frame zu Frame zu driften oder sich zu verformen, was die sichtbarste Schwäche der früheren Version war.
Clips laufen 1 bis 15 Sekunden in 720p oder 480p mit schneller Auslieferung, daher ist es agil eine Bewegungsidee zu probieren, sie mit Sound anzuschauen und neu zu generieren. Dieser kurze, Sound-on Shot ist genau seine Sweet Spot.
Wo es schwächer ist: V1.5 generiert keine Standbilder; wenn Sie einen bestimmten Frame animieren möchten, generieren Sie ihn daher zuerst mit dem originalen Grok Imagine oder einem anderen Bildmodell und speisen ihn dann ein. Die Auflösung endet bei 720p, es ist kein 1080p oder 4K Finishing-Modell — für hochauflösende Auslieferung sind Kling V3 oder Seedance V2.5 die besseren Ziele. Und es animiert einen einzelnen Shot, keine Multi-Cut-Sequenz; für gestoryboardete Videos mit harten Schnitten wechseln Sie zu Kling V3.
Ein sinnvolles mentales Modell: greifen Sie zu Grok Imagine V1.5 immer wenn die Aufgabe ist „dieses Bild bewegen, mit Sound“ oder „diese Szene zeigen, mit Sound“ — sprechende Charaktere, Produktbewegung, sozial-native Kurzformate, schnelle Previz. Sobald Sie höhere Auflösung oder einen Multi-Shot-Schnitt brauchen, graduieren Sie den Shot zu einem schwereren Videomodell für den Feinschliff.
Es ist das Videomodell von xAI mit nativem synchronisiertem Audio. Geben Sie ihm ein Startbild und einen Prompt, um das Standbild zu animieren, beschreiben Sie eine Szene für Text-zu-Video, oder fügen Sie bis zu 7 Referenzbilder hinzu, damit Personen, Produkte oder Stile konsistent bleiben. Standbilder generiert es nicht.
Ja — jeder Clip wird mit nativem synchronisiertem Audio (Dialog, Umgebungsgeräusche, Effekte) geliefert das im selben Durchgang generiert wird, mit Lippen-Synchronisation bei sprechenden Charakteren. Kein separates TTS oder Foley-Schritt nötig.
Die Ausgabe ist 720p oder 480p, und Clips laufen von 1 bis 15 Sekunden (5 Sekunden als Standard). Text- und Referenzmodus unterstützen 16:9, 4:3, 3:2, 1:1, 3:4, 2:3 und 9:16; im Bildmodus folgt das Format Ihrem Startbild. Es ist für kurze, Sound-on-Shots ausgelegt, nicht für Langformate oder 4K-Auslieferung.
V1.5 ist das neuere Videomodell — es erreichte Platz 1 beim Image-to-Video Arena in der Preview, mit besserer zeitlicher Konsistenz und Audio als 1.0, und deckt Bild-zu-Video, Text-zu-Video und Referenzbilder ab. Das Original Grok Imagine generiert und bearbeitet außerdem Standbilder und kann Videos bearbeiten oder verlängern. Nutzen Sie V1.5 für die am besten aussehenden kurzen Clips mit Sound; nutzen Sie das Original für Bilder oder einen Ein-Modell-Workflow für Bild und Video.
Für kurze Sound-on-Clips ist es ein starkes Preis-Leistungs-Verhältnis — natives Audio wird im selben Durchgang generiert, daher überspringen Sie die separaten Voice-, Musik- und Soundeffekt-Schritte die ein typischer Pipeline benötigt. Für 1080p-Finish oder Multi-Shot-Sequenzen ist ein schwereres Videomodell die bessere Investition.
Erstes und letztes Frame-VideoText & Verweis auf Video
Erstes und letztes Frame-VideoText & Verweis auf Video
Erstes und letztes Frame-VideoText & Verweis auf Video
Erstes und letztes Frame-VideoText & Verweis auf Video
Erstes und letztes Frame-VideoText & Verweis auf Video
Erstes und letztes Frame-VideoText & Verweis auf Video
Grok Imagine V1.5
Prompt*
Startbild*
Auflösung*
Dauer*
Ihre Generationen werden hier erscheinen, sobald Sie sich anmelden.
Die Erstellung eines Kontos ist kostenlos.
