Grok Imagine V1.5

xAI 的 Grok Imagine 1.5 影片模型——讓靜圖動起來、用文字寫場景,或用最多 7 張參考圖引導,全都帶原生同步音訊。

無需訂閱

積分永不過期

瞭解更多

一次儲值積分,通用所有模型,想用再用。 · 按需儲值,不存在月度清零。

Grok Imagine V1.5

選擇模型*

Prompt*

首幀*

試試範例

影片解析度*

時長*

登入後,你的生成結果會出現在這裡。

註冊即送體驗積分
無需訂閱 · 積分永不過期
圖片、影片、音訊的頂尖 AI 模型,全都有
收藏、管理、下載你的所有生成結果

建立帳號免費。

核心能力

頂尖圖生影片

Grok Imagine V1.5 在 Image-to-Video Arena 公開榜預覽階段拿下第一——相比 1.0,在運動品質和「單張靜圖如何忠實地變成動態鏡頭」上明顯進步。

原生同步音訊

每段影片都在同一次推論裡附帶同步音訊——對白、環境音、音效,說話角色還帶對嘴。無需單獨的運動模型、TTS 或 Foley 步驟。

更強時間一致性

1.5 的核心升級是穩定性——主體、面部、場景元素在整段影片裡保持一致,不再逐格飄移或扭曲。

三種開始方式,最長 15 秒

可以從一張圖開始、只用文字開始,或用最多 7 張參考圖開始,720p 或 480p、1 到 15 秒成片。文生和參考模式支援從 16:9 到 9:16 共七種畫面比例。

使用場景

讓靜態圖動起來

傳一張靜圖——比如一張安靜的湖畔風景——Grok Imagine V1.5 一次推論就給它加上粼粼水波、搖曳枝葉和流動雲層並配環境音,無需手 K 關鍵影格。

產品圖動效

把一張產品靜圖變成短展示或旋轉循環並配環境音——無需實拍,直接用於電商商品頁和社群。

社群原生直式短片

快速圖生影片 + 原生音訊,讓 V1.5 成為 TikTok / Reels 類短片的理想選擇——一張圖一步變成帶聲直式短片。

概念圖轉動態預演

把一張場景概念圖——比如霓虹閃爍的賽博龐克街道——動起來,在交給更重的模型出定稿前先看看這個節拍動起來讀感如何。

如何選對模型

按場景挑影片模型。點數在 ZOOOP 上所有模型通用。

讓靜圖動起來 + 原生同步音訊Grok Imagine V1.5 ←

快速風格化圖像 + 影片,一個模型搞定Grok Imagine

1080p 電影感運動 + 多鏡頭Kling V3

最高畫質電影級影片Seedance V2.5

編輯或延長既有的影片Gemini Omni 1.1 Flash

最快 / 高 CP 值圖生影片Wan V2.6 Flash

如何使用

從本頁開啟 Grok Imagine V1.5,選擇模式:起始圖,或者文字(可加參考圖)。

上傳起始圖;或者寫好場景,附上最多 7 張參考圖。

寫描述運動的 prompt,然後設定解析度(720p 或 480p)和時長(1–15 秒)。

生成——原生同步音訊隨片一起出。

深入瞭解

Grok Imagine V1.5 擅長什麼——又不擅長什麼

Grok Imagine V1.5 是 xAI 做帶聲短影片的模型。你可以給它一張起始格和一段描述運動的 prompt,也可以從零寫一段場景,或附上最多 7 張人物、產品或風格參考圖,它在一次推論裡生成運動——外加原生同步音訊。預覽階段它在 Image-to-Video Arena 公開榜拿下第一,相比 1.0,在運動品質和「起始圖如何忠實地延續進動態鏡頭」上都明顯更強。

最突出的能力是原生同步音訊。每段影片回來時都帶著與畫面一起生成的對白、環境音和音效,說話角色還有對嘴。對一段帶聲社群短片或說話頭像影片,這把通常要三個工具的流程——運動模型、再 TTS、再 Foley——壓成一條 prompt。1.5 的第二個大提升是時間一致性:面部、主體、場景元素在整段影片裡保持一致,不再逐格飄移或扭曲——而這正是上一版最明顯的短板。

成片 1 到 15 秒、720p 或 480p,出片快,所以試一個運動想法、帶聲看一眼、再重出都很快。這種短的、帶聲的鏡頭正是它的甜蜜點。

它弱在哪:V1.5 不生成靜態圖片,所以如果想讓某張特定的畫面動起來,先用原版 Grok Imagine 或別的圖像模型出圖再餵進來。解析度上限 720p,不是 1080p 或 4K 的收尾模型——要高解析度交付,Kling V3 或 Seedance V2.5 是更對的目標。而且它動的是單一鏡頭,不是多鏡頭切換序列;要帶硬切的分鏡影片,換 Kling V3。

一個合理的心智模型:只要任務是「讓這張圖動起來,帶聲」或「把這個場景拍出來,帶聲」,就選 Grok Imagine V1.5——說話角色、產品動效、社群原生短片、快速預演。等需要更高解析度或多鏡頭剪輯時,把這個鏡頭交給更重的影片模型走定稿。

常見問題

Grok Imagine V1.5 是做什麼的?+

它是 xAI 帶原生同步音訊的影片模型。給一張起始圖和一段 prompt 就能讓靜圖動起來;寫一段場景就能文生影片;再加最多 7 張參考圖,能讓人物、產品或風格保持一致。它不生成靜態圖片。

Grok Imagine V1.5 的影片帶音訊嗎?+

帶——每段影片都在同一次推論裡附帶原生同步音訊(對白、環境音、音效),說話角色還帶對嘴。無需單獨的 TTS 或 Foley 步驟。

支援什麼解析度和時長?+

輸出 720p 或 480p,時長 1 到 15 秒(預設 5 秒)。文生和參考模式支援 16:9、4:3、3:2、1:1、3:4、2:3、9:16;起始圖模式跟隨起始圖的比例。它是為帶聲短鏡頭打造的,不面向長影片或 4K 交付。

V1.5 和原版 Grok Imagine 有什麼區別?+

V1.5 是更新的影片模型——預覽階段在 Image-to-Video Arena 拿第一,時間一致性和音訊都比 1.0 更好,並且圖生影片、文生影片、參考圖都支援。原版 Grok Imagine 還能生成和編輯靜態圖,也能編輯或延長影片。要畫面最好的帶聲短片用 V1.5;要出圖,或想一個模型走圖像加影片流程,用原版。

Grok Imagine V1.5 划算嗎?+

對帶聲短片很划算——原生音訊在同一次推論裡生成,省掉了普通流程裡單獨的配音、配樂、音效步驟。但要 1080p 收尾或多鏡頭序列,更重的影片模型才是更值的花法。