通过首帧确定外观与构图
提供主体与重要装备清晰可见的图像。拳击人物原图先确定面部、服装、手套与悬挂沙袋，再通过动作提示词描述单次接触；同一图像也决定视频的画面比例。
Grok Imagine Video 1.5 image animation up to 1080p
Grok Imagine Video 1.5 将一张首帧图像制作成带同步声音的 1–15 秒视频。图像用于确定主体、构图与画面比例，提示词用于描述动作、镜头运动及声音。选择 480p、720p 或 1080p，以及适合目标运动的整数时长，再查看包含按时长计算的视频费用和固定输入图像处理费用的完整估算。通过这些设置，围绕准备好的图像制作准确训练手势、动物运动、简短对白场景或其他动画。
Grok Imagine Video 1.5 由 xAI 开发，Vidgo 提供模型调用服务。模型名称与商标归各自所有者所有。探索 Grok Imagine Video 1.5 模型
选择图生视频，上传用于首帧的图像，描述动作顺序、镜头行为与伴随声音，并指出需要保留的外观和物体，再选择 1–15 秒时长与 480p、720p 或 1080p 输出。
Grok Imagine Video 1.5 图像输入与视频生成任务
当前单个图生视频任务在 image_urls 中接受一个图像地址。该图像提供首帧，并决定输出画面比例；最多 4,096 个字符的提示词描述运动、镜头与声音，duration 和 resolution 用于控制请求时长及输出规格。
| 模型 / 任务 | 输入与工作流 |
|---|---|
| Grok Imagine Video 1.5 Image to Video | 将一张首帧图像制作成带同步声音的 1–15 秒视频，最高支持 1080p 输出。 |
Grok Imagine Video 1.5：首帧动画与动作声音
准备清晰首帧，写清片段中需要发生的内容。下方已有记录展示一次拳击刺拳、湿毛羊驼抖动身体，以及包含单词对白和环境声音变化的自助洗衣店场景。
为片段安排动作与稳定时间
说明动作次数与时间安排。4 秒拳击记录要求第一秒完成一次刺拳，随后保持防守姿态，让沙袋逐渐稳定，可以对照要求检查双手、装备及对应击打声与链条声。
描述自然运动与材料变化
指出运动部位及其材料如何随之变化。羊驼记录要求短暂抖动，让水滴从湿毛上落下，同时保持蹄部站立，可以对照实际结果与原图检查形态、毛色斑纹及周围景观。
描述单词对白与伴随声音
按顺序写清对白、表情与环境变化。洗衣店记录要求洗衣机停止、男子说出“Finally.”，随后轻轻呼气，可以检查面部、眼镜、机器结构与目标声音顺序。
围绕动作选择分辨率与时长
选择 480p、720p 或 1080p，以及 1–15 秒整数时长，准备适合目标输出的原图构图，并查看完整费用估算。此处洗衣店原图用于对应的 5 秒 480p 案例，需要其他规格时，可以使用自己的参数测试。
Grok Imagine Video 1.5 图像动画与对白案例
第一组记录提供拳击人物图像，要求在 4 秒 720p 片段中完成一次刺拳，并呈现单次击打声与逐渐稳定的沙袋；第二组记录提供洗衣店图像，要求生成 5 秒 480p 场景，让洗衣机停止，并让男子说出“Finally.”。阅读完整提示词，分别对照各原图、动作时间、外观和声音要求检查实际视频。
提示词
制作一段与原图相同拳击人物和沙袋对应的连续四秒实时镜头，总共只出一次刺拳。第一秒内，她只将靠近沙袋的手套向前直线伸出，接触沙袋一次，再将同一手套收回下巴。另一只手套全程贴在面颊旁，始终不出拳。第二至第四秒，她保持防守姿态，不再进攻，并观察沙袋轻柔摆动后逐渐稳定。保留同一面部、卷发、灰色上衣、深红色手套、两条手臂，以及通过链条连接的唯一悬挂沙袋。固定镜头。呈现紧凑、明确的训练动作，以及稳定形态和装备。声音：唯一一次接触时准确出现一次柔和垫击声，随后出现轻微链条声、自然呼吸与安静健身房环境音。不要对白、音乐、剪切、文字或品牌。
提示词
保留原图中同一男子、圆眼镜、短黑发、深绿色连帽衫与自助洗衣店，制作一段连续五秒固定中近景镜头。关闭的洗衣机窗口后方，衣物缓慢转动，并在前两秒内停止。他看向洗衣机，再轻声说出唯一一个英语单词“Finally.”（终于），唇部动作与之同步，随后呼气并露出轻微放松笑容。保留面部与眼镜，仅出现细微头部运动。机器外壳与窗口结构保持完全稳定，不要剪切或新物体。声音：洗衣机低沉运行声逐渐减弱至安静，他自然且轻声地说一次“Finally.”，随后轻轻呼气，室外持续微弱雨声。不要音乐、字幕、可见文字、品牌或水印。
Grok Imagine Video 1.5 的创作应用场景
准备一张人物、动物、物体或场景图像，描述需要生成的动作、镜头与声音，再选择 1–15 秒时长和 480p、720p 或 1080p 输出。检查完成视频，将合适的结果用于手势研究、角色演示、自然观察构思、简短对白或接入应用的图像动画工作流。
研究单次准确身体动作
提供清晰图像，描述动作次数、接触与恢复过程，将时长分配给运动和稳定阶段，再检查形态与装备，用于训练或角色动态构思。
制作动物身体与材料变化的动画
提供动物图像，描述细微动作、站立脚部及毛发或水滴的变化，再对照原图检查视频，用于野生动物视觉研究。
创作简短角色对白瞬间
准备面部清晰可见的原图，描述准确对白、表情与伴随声音，再检查生成场景，用于角色演示或叙事提案。
协调动作与环境声音
描述随可见动作开始、变化或结束的声音，再检查完成片段中的场景运动与目标声音顺序，确认后用于演示。
按照所需输出规格规划片段
选择整数时长与 480p、720p 或 1080p 分辨率，通过输入图像确定画面比例，并在项目测试前查看完整时长与图像处理费用估算。
接入已经测试的首帧请求
保留提示词、单张图像地址、分辨率与时长，再通过经过身份验证的 API 提交，跟踪返回的任务 ID，并为应用获取完成视频。
Grok Imagine Video 1.5 模型规格与 API 价格
Grok Imagine Video 1.5 根据 480p、720p 或 1080p 使用对应每秒视频单价，每次请求还包含固定输入图像处理费用。下方动态表格展示当前每秒起价，完整估算由所选分辨率单价乘以请求时长，再加上图像处理费用组成。打开任务，使用实际分辨率与时长查看该完整金额。
| 模型 | 厂商 | 任务类型 | 输入素材 | 输出规格 | 起价 |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Image to Video | xAI | 图生视频 | 一张首帧图像 | 1080p | $0.0725 / 秒 |
如何在 Vidgo 使用 Grok Imagine Video 1.5
先在线测试创作方案， 再将确认后的请求接入应用。
在线体验
使用计划中的参数生成结果
上传一张大小在 10 MiB 以内的 JPEG、PNG 或 WebP 图像，填写运动与声音提示词，再选择分辨率和时长。查看包含输入图像处理项的费用估算后生成，并检查动作时间、外观、结构与声音。
为何在 Vidgo 使用 Grok Imagine Video 1.5
选择对应任务，查看参数与费用，并将在线测试中的素材和设置用于经过身份验证的 API 请求。
创作测试与任务选择
围绕创作目标选择输入
选择图生视频，准备一张首帧图像，描述动作、镜头与声音，并指出需要保留的细节，再选择 1–15 秒整数时长与 480p、720p 或 1080p 输出。图像用于确定视频画面比例。
使用自己的提示词与图像测试
打开对应任务，填写创作要求并提供所需图像。对照主体外观、构图与预期变化检查生成结果，确认后再将该工作流用于项目。
生成前查看费用估算
选择计划中的分辨率与时长，查看包含固定输入图像费用的完整估算，再结合完整请求费用与计划测试次数，为动画工作流安排预算。
API 接入与结果管理
参考完整的真实生成案例
结合实际提示词、输入图像与生成结果查看案例，了解如何说明各张输入图像的作用，以及如何描述自己请求中需要保留或改变的细节。
通过任务 ID 跟踪每次生成
保存 API 返回的任务 ID，用于查询生成状态并获取完成文件的地址。通过在线生成记录回看先前结果与测试过的创作方向。
按照所选任务的文档完成接入
通过各任务提供的文档查看准确的模型标识、支持的输入、身份验证方法与响应格式。接入已经在线测试过的任务，使请求中的素材与设置保持一致。
Grok Imagine Video 1.5 API 常见问题
Grok Imagine Video 1.5 是 xAI 的图生视频模型，Vidgo 当前提供一个对应任务。它结合单张首帧与描述运动、镜头和声音的提示词制作动画，支持 1–15 秒整数时长，以及 480p、720p 或 1080p 输出，输入图像决定画面比例。
探索更多模型系列
推荐阅读
阅读模型介绍、API 接入指南与平台比较，了解项目所需的输入素材准备、请求接入方法与费用规划。
