
Grok Imagine Video 1.5 Lite es el modelo de menor coste de xAI en la familia de vídeos Grok Imagine, diseñado para generar imágenes y sonido a partir de indicaciones o imágenes de origen. Admite habla sincronizada con el movimiento de los labios y una calidad de salida seleccionable, incluido 1080p reescalado desde 720p. Accede a ambos modos de generación en Atlas Cloud con un precio de pago por uso de $0.02 por segundo y una única clave compatible con OpenAI. Empieza a desarrollar hoy mismo.
Grok Imagine Video 1.5 Lite ha sido desarrollado por xAI. Atlas Cloud (operado por Atlas Cloud AI LLC) proporciona acceso al modelo, pero no es su propietario. Todas las marcas comerciales pertenecen a sus respectivos titulares.
Elige el flujo de trabajo de Grok Imagine Video 1.5 Lite que mejor se adapte a tu material de origen, tus necesidades de salida y tu proceso de producción.
| Modalidad | Descripción |
|---|---|
| Grok Imagine Video 1.5 Lite I2V API (Imagen a vídeo) | Anima una imagen inicial para crear un vídeo de 1 a 15 segundos en 480p, 720p o 1080p; la resolución 1080p se obtiene ampliando desde 720p. El audio nativo y el movimiento labial sincronizado hacen que este endpoint sea adecuado para animación de personajes, recursos visuales de productos y clips para redes sociales, a $0.02 por segundo. |
| Grok Imagine Video 1.5 Lite T2V API (Texto a vídeo) | Convierte un prompt de texto en un clip de 1 a 15 segundos con audio nativo y voz sincronizada con el movimiento labial. Selecciona una salida de 480p, 720p o 1080p; la resolución 1080p se obtiene ampliando desde 720p. Ideal para vídeos conceptuales, narrativas breves y contenido promocional, a $0.02 por segundo. |
Grok Imagine Video 1.5 Lite convierte prompts o imágenes iniciales en clips de 1 a 15 segundos con audio nativo, habla sincronizada con los labios, siete relaciones de aspecto de texto a video, tres niveles de resolución de hasta 1080p reescalado y acceso transparente a Atlas Cloud por $0.02 por segundo generado mediante una sola API.
Grok Imagine Video 1.5 Lite admite la generación de texto a video y de imagen a video. Parte de una escena escrita o proporciona una imagen como fotograma inicial y, a continuación, dirige la acción con un prompt. Ambas rutas producen clips dentro de la misma familia de modelos. Esta flexibilidad es ideal para equipos que pasan de conceptos rápidos a imágenes de producto animadas sin cambiar de proveedor de video.
Elige cualquier duración de clip entre 1 y 15 segundos en lugar de trabajar con una única duración fija. Las ejecuciones cortas permiten probar una idea de forma económica, mientras que las generaciones más largas dan más espacio para desarrollar una acción o una intervención hablada. Esta ventana ajustable ayuda a los desarrolladores a adaptar con mayor precisión la duración de salida a publicaciones en redes sociales, momentos de producto y escenas narrativas compactas.
Selecciona una salida de 480p, 720p o 1080p para cada generación; 1080p se obtiene mediante reescalado desde 720p. Usa los niveles inferiores para iterar rápidamente y reserva el mayor tamaño de fotograma para previews pulidos o la entrega final. Las opciones de resolución claras permiten equilibrar el detalle visual, el ancho de banda posterior y el coste según dónde se mostrará cada clip.
Cada clip generado incluye audio nativo, y las líneas habladas pueden sincronizarse con el movimiento visible de los labios. Describe el diálogo, el sonido ambiental, la música o los efectos junto con la escena para crear la imagen y el sonido al mismo tiempo. En intercambios entre personajes, ediciones guiadas por la música y narrativas con una atmósfera rica, esta salida combinada reduce la necesidad de montar una fase de audio independiente.
Las solicitudes de texto a video pueden renderizarse en siete relaciones de aspecto: 16:9, 4:3, 3:2, 1:1, 2:3, 3:4 y 9:16. Define el formato antes de la generación para adaptarlo a una entrega horizontal, cuadrada o vertical. La imagen a video sigue, en cambio, el fotograma inicial proporcionado, lo que ayuda a conservar la composición elegida para esa fuente en los flujos habituales de publicación digital.
Con un precio estándar de $0.02 por segundo generado, Grok Imagine Video 1.5 Lite está diseñado para flujos de trabajo de video con control de costes. El uso se factura de forma transparente por segundo, por lo que tanto las pruebas cortas como los renders más largos son fáciles de presupuestar. Atlas Cloud integra la generación de texto e imagen detrás de una sola API, lo que simplifica la integración en productos que necesitan producir clips de forma recurrente.
Descubre cómo Grok Imagine Video 1.5 Lite y dos alternativas de Atlas Cloud interpretan prompts cinematográficos idénticos en escenas de acción realista y fantasía estilizada.
Una narrativa de acción en miniatura de 8–10 segundos ambientada entre bastidores durante el estreno de un ballet: una bailarina se inclina para atarse la zapatilla de punta cuando una cinta de satén escarlata cobra vida de repente y sale disparada. Comienza con un primerísimo plano macro de la punta de la zapatilla, los cordones tensos y las fibras de seda centelleantes; avanza rápidamente mientras la cinta se libera, y desciende después a un travelling a ras de suelo que corre junto a ella mientras se enrolla alrededor de los percheros de vestuario, atraviesa las ruedas giratorias de la escenografía, pasa bajo las cortinas y azota plumas sueltas hasta formar vórtices giratorios. La bailarina la persigue sin perder la forma del ballet: giros chaîné rápidos, largos pasos cruzados, un salto preciso sobre un atrezo rodante y, después, un deslizamiento fluido a baja altura sobre las rodillas por debajo de los vestuarios colgantes, mientras la cámara mantiene un seguimiento convincente con oclusiones a través de los percheros y la maquinaria escénica. Haz un whip-pan hacia un pasillo lateral azul grisáceo y frío para mostrar un plano general lateral de su secuencia final en aceleración; un segundo antes de que se levante el telón, salta y aprisiona la cinta bajo su zapatilla de punta. Giro: la cinta asciende al instante en espiral por su brazo como una compañera viva. Síguela de cerca desde atrás mientras se lanza a través del telón abierto hacia un escenario de oro ámbar, donde la cinta se despliega formando una elegante compañera de danza virtual translúcida y se une a su primer giro. Transición de iluminación dramática, desde las sombras cian grisáceas y frías de los bastidores hasta las radiantes candilejas doradas y ámbar, con el rojo escarlata guiando continuamente la composición. Animación de gouache pintada a mano combinada con una textura de seda fotorrealista, pinceladas expresivas, física fluida de cuerpos flexibles, movimiento continuo y elegante, diseño de personaje estable, colisiones de telas intrincadas, sin cámara lenta, sin relleno estático. Audio: golpeteos urgentes de zapatillas de punta, satén susurrante, ruedas de escenografía traqueteando, plumas revoloteando, cuerdas orquestales en crescendo y, después, un brillante golpe musical cuando se abre el telón; sin diálogos, sin subtítulos, sin texto, sin elementos de interfaz. Relación de aspecto 16:9.
Generated with Grok Imagine Video V1.5 Lite Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Una secuencia macro cinematográfica hiperrealista de 8–10 segundos dentro de un taller tradicional veneciano de soplado de vidrio al amanecer: una vidriera con la piel perlada de sudor gira continuamente una larga caña de soplar junto a un horno rugiente, inflando una masa de vidrio fundido de color naranja rojizo hasta convertirla en un ave de fuego transparente, con delicadas alas ámbar y detalles azul cobalto. Comienza con un primerísimo plano macro del vidrio viscoso respirando, estirándose y refractando las llamas; aléjate rápidamente en un travelling de seguimiento por encima del hombro mientras el ave de vidrio cobra vida y se libera de repente, bate las alas entre una bruma de calor centelleante, roza copas colgantes y derriba una hilera de diminutas cuentas de vidrio que se dispersan, rebotan, giran y tintinean con colisiones físicamente precisas. Ella reacciona al instante, alzando unas largas pinzas de acero y persiguiendo su trayectoria; haz un whip-pan hacia una órbita rápida y fluida alrededor del horno mientras el ave de fuego completa un circuito continuo, con su cuerpo transparente curvando los reflejos y la luz cálida sin alterar su diseño. Termina desde un ángulo bajo y dramático mientras el ave aterriza voluntariamente sobre las puntas de las pinzas, pliega las alas y se cristaliza en un exquisito ornamento en miniatura, mientras ella lo estabiliza, sin aliento y sonriente. Fuego cálido del horno como luz principal, luz de contorno índigo del amanecer entrando por la ventana, reflejos controlados en ámbar, azul cobalto y cristal transparente, distorsión térmica realista, deformación del vidrio fundido, reflejos, refracciones, chispas, sudor e identidad continua del sujeto. Movimiento nítido a alta velocidad con desenfoque de movimiento natural, sin cámara lenta, sin relleno estático, sin cortes que rompan la continuidad. Audio inmersivo sincronizado: rugido del horno, respiración rítmica de la vidriera, tintineo cristalino semejante al batir de alas, copas balanceándose, cascadas de cuentas tintineantes, chasquido metálico de las pinzas y un breve resplandor musical en la transformación final. Sin pantallas, interfaces de software, paneles de control, barras de progreso, gráficos, textos superpuestos, subtítulos, logotipos, marcas de agua, extremidades adicionales, manos deformadas, herramientas duplicadas, anatomía del ave inconsistente, vidrio opaco, superficies de aspecto plástico, objetos flotando sin interacción física ni identidades parpadeantes. Relación de aspecto 16:9.
Generated with Grok Imagine Video V1.5 Lite Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Grok Imagine Video 1.5 Lite convierte indicaciones de texto o una imagen inicial en clips de 1 a 15 segundos, lo que permite crear conceptos para redes sociales, animaciones de productos, diálogos con sincronización labial, variantes de anuncios, previsualizaciones y storyboards narrados con audio nativo.
Convierte conceptos escritos en clips de 1 a 15 segundos con audio nativo para experimentar con contenido social. Los creadores pueden desarrollar ideas de campaña concisas, avances para plataformas o publicaciones visuales recurrentes usando solo texto.
Comienza con una imagen del producto y dirige una secuencia en movimiento de 1 a 15 segundos con audio nativo. El resultado puede servir para presentar productos, crear previsualizaciones de escaparates o generar recursos promocionales sin necesitar un punto de partida basado únicamente en texto.
Las escenas dialogadas combinan vídeo generado con audio nativo y habla sincronizada labialmente en una sola salida. Úsalas para intercambios entre personajes, reacciones narradas o breves momentos de una historia que requieran una alineación visible del habla.
A $0.02 por segundo, el modelo convierte indicaciones o imágenes iniciales en vídeos cortos con audio nativo. Los equipos de marketing pueden probar varios conceptos, ganchos y direcciones visuales manteniendo predecibles los costes de generación.
Elige una salida de 480p, 720p o 1080p, con 1080p ampliado a partir de 720p, para adaptarte a las necesidades de revisión y entrega. Los desarrolladores pueden crear prototipos ligeros, clips para presentaciones o previsualizaciones de mayor resolución mediante una única familia de modelos.
Convierte la descripción de una escena en un borrador de vídeo con tiempos, audio nativo y habla sincronizada labialmente. Los cineastas y equipos creativos pueden visualizar los momentos de diálogo, el ambiente y el ritmo antes de comprometerse con una producción más larga.
Compara Grok Imagine Video 1.5 Lite con tres modelos de video de Atlas Cloud según el flujo de entrada, la duración del clip, la resolución, el audio nativo y el precio estándar de generación.
| Modelo | Flujos de entrada | Duración del clip | Resolución de salida | Audio nativo | Precio estándar |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Lite | Texto, imagen | De 1 a 15 segundos | 480p, 720p, 1080p reescalado desde 720p | √ | $0.02/segundo |
| MiniMax H3 Text-to-Video | Texto | De 4 a 15 segundos | 480P, 768P, 2K | √ | $0.038/segundo |
| Seedance 2.0 Mini Text-to-Video | Texto | De 4 a 15 segundos o automático | 480p, 720p, 720p-SR, 1080p-SR, 1440p-SR | √ | $0.056/segundo |
| Veo 3.1 Lite Text-to-video | Texto | 4, 6 u 8 segundos | 720p, 1080p con salida de 8 segundos | √ | $0.05/segundo |
Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.
Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.
Combina modelos avanzados de Grok Imagine Video 1.5 Lite con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.
Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.
API Unificada:
Una sola integración para acceder a Grok Imagine Video 1.5 Lite, GPT, Gemini y DeepSeek.
Precios Transparentes:
Facturación por Token, soporta modo Serverless.
Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.
Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.
Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.
Grok Imagine Video 1.5 Lite es el modelo de menor costo de xAI dentro de la familia Video 1.5 para generar clips cortos a partir de texto o de una imagen inicial. Produce vídeos de entre 1 y 15 segundos con audio nativo y voz sincronizada con los labios.
Convierte una descripción escrita en un vídeo completo o anima una imagen existente como fotograma inicial de una escena nueva. Ambos modos de generación pueden producir diálogos sincronizados, sonido ambiental y efectos en una sola pasada.
Elige el endpoint de texto a vídeo para generar contenido solo a partir de un prompt, o el endpoint de imagen a vídeo cuando tengas un fotograma inicial. Introduce el prompt, selecciona la duración y la resolución, y envía la solicitud. Para animar una imagen, proporciona también la imagen de origen requerida.
Sí, el modelo genera audio de forma nativa junto con las imágenes y admite voz sincronizada con los labios. Describe en el prompt el diálogo, la ambientación y los efectos de sonido deseados para que puedan incorporarse a la escena.
Los clips pueden durar entre 1 y 15 segundos y utilizar una salida de 480p, 720p o 1080p. La opción de 1080p se amplía a partir de 720p, en lugar de renderizarse en 1080p nativo.
La imagen proporcionada se convierte en el primer fotograma, mientras que el prompt dirige el movimiento posterior, el comportamiento de la cámara y el audio. El clip generado sigue la relación de aspecto de la imagen de origen.
Atlas Cloud indica un precio estándar de 0,02 $ por segundo generado para los endpoints de texto a vídeo e imagen a vídeo. La facturación aumenta según la duración de salida solicitada, con un modelo de pago por uso.
Lite prioriza la generación de texto a vídeo e imagen a vídeo a menor costo para necesidades de producción más sencillas. El modelo Video 1.5 completo está pensado para flujos de trabajo que requieren imágenes de referencia, referencias de voz, fotogramas fijados o salida nativa en 1080p. Elige Lite cuando la iteración rentable sea más importante que esos controles avanzados.
Guías, tutoriales y novedades de producto para aprovechar al máximo Atlas Cloud.