Grok Imagine Video 1.5

Ele gera um vídeo a partir de uma imagem inicial e de um prompt que descreve movimento, câmera, atmosfera e som. Segundo a xAI, Grok Imagine Video 1.5 melhora a continuidade e o peso físico do movimento e gera efeitos, ambiente e falas curtas junto com o vídeo.

A xAI retirou grok-imagine-video-1.5 do preview e o disponibilizou de forma geral na Imagine API em junho de 2026. O modelo continua exigindo uma imagem inicial e não aceita texto para vídeo. No VidGen, use outro modelo na página Texto para vídeo quando precisar criar a cena somente a partir de texto.

Envie um primeiro frame, escreva um prompt de até 4.096 caracteres, escolha qualquer duração inteira de 1 a 15 segundos e selecione 480p ou 720p. Não há seletor separado de proporção; por isso, a imagem de origem já deve ter a composição horizontal, vertical ou quadrada desejada.

Sim. Segundo a xAI, efeitos, ambiente e diálogo são gerados junto com o vídeo e sincronizados com a ação. O exemplo verificado do foguete contém uma faixa AAC estéreo. Você pode escrever instruções concretas em uma seção AUDIO: do prompt normal, mas o VidGen não oferece essa seção como configuração independente.

Uma estrutura útil é sujeito + ação específica e intensidade + um movimento de câmera + mudança ambiental + instruções de som. O guia do modelo publicado pela xAI no Replicate recomenda focar no que muda, manter a instrução coerente com a imagem, usar verbos precisos e descrever o resultado desejado em vez de depender de prompt negativo. AUDIO: serve apenas para organizar o texto.

O guia de prompts reconhece linguagem comum de filmagem, incluindo pan, tilt, zoom, dolly, tracking, órbita, vistas aéreas ou de drone, movimento handheld, push-ins lentos e planos estáticos de tripé. Um movimento principal claro costuma ser mais confiável do que empilhar várias instruções de câmera concorrentes.

Não necessariamente. O guia do modelo publicado pela xAI no Replicate recomenda começar com 5–8 segundos porque clipes curtos tendem a ser mais estáveis e vídeos de 15 segundos têm maior chance de apresentar artefatos. É uma recomendação prática, não uma garantia; reduza sujeitos, interações e mudanças de câmera em clipes longos.

A xAI destaca menos deformações, peso e impulso mais críveis, fala mais clara e sincronização de áudio mais precisa. No produto Grok Imagine Video 1.5 Fast da própria xAI, um clipe de 6 segundos em 720p é informado em cerca de 25 segundos, contra mais de 40 segundos anteriormente. O VidGen não promete essa latência exata porque as condições do provedor e da fila variam.

Grok oferece um fluxo simples baseado em uma única imagem, com controles de duração e resolução. Kling 3.0 também oferece texto para vídeo, controle por frames inicial e final, proporção e níveis de qualidade, além de uma chave separada para áudio gerado. Escolha Grok para uma configuração simples baseada em imagem; escolha Kling quando precisar de mais controles.

As gerações no VidGen usam créditos conforme a resolução e a duração. Use 480p ou um clipe curto para testar a direção e confira a estimativa ao vivo antes de avançar para um resultado mais longo em 720p. Esta página não promete uma cota gratuita permanente.