
Grok Imagine Video 1.5 Lite, Grok Imagine वीडियो परिवार में xAI का सबसे कम लागत वाला मॉडल है, जिसे प्रॉम्प्ट या स्रोत इमेज से एकीकृत दृश्य और ध्वनि जनरेशन के लिए बनाया गया है। यह मुंह की गति के अनुरूप speech और चुनी जा सकने वाली आउटपुट गुणवत्ता का समर्थन करता है, जिसमें 720p से upscaled 1080p भी शामिल है। Atlas Cloud पर दोनों जनरेशन मोड का उपयोग $0.02 प्रति सेकंड की pay-as-you-go कीमत और एक OpenAI-संगत key के साथ करें। आज ही बनाना शुरू करें।
Grok Imagine Video 1.5 Lite को xAI द्वारा विकसित किया गया है। Atlas Cloud (Atlas Cloud AI LLC द्वारा संचालित) इस तक पहुँच प्रदान करता है, इसका स्वामी नहीं है। सभी ट्रेडमार्क उनके संबंधित स्वामियों की संपत्ति हैं।
ऐसा Grok Imagine Video 1.5 Lite वर्कफ़्लो चुनें जो आपकी स्रोत सामग्री, आउटपुट आवश्यकताओं और प्रोडक्शन प्रक्रिया के अनुरूप हो।
| मोडैलिटी | विवरण |
|---|---|
| Grok Imagine Video 1.5 Lite I2V API (Image To Video) | 480p, 720p या 1080p में 1 से 15 सेकंड का वीडियो बनाने के लिए शुरुआती इमेज को एनिमेट करें; 1080p आउटपुट को 720p से अपस्केल किया जाता है। नेटिव ऑडियो और सिंक्रोनाइज़्ड लिप मूवमेंट इसे कैरेक्टर एनिमेशन, प्रोडक्ट विज़ुअल्स और सोशल मीडिया क्लिप्स के लिए उपयुक्त बनाते हैं, जिसकी कीमत $0.02 प्रति सेकंड है। |
| Grok Imagine Video 1.5 Lite T2V API (Text To Video) | टेक्स्ट प्रॉम्प्ट को नेटिव ऑडियो और लिप-सिंक किए गए संवाद के साथ 1 से 15 सेकंड की क्लिप में बदलें। कॉन्सेप्ट वीडियो, लघु कथाओं और प्रमोशनल कंटेंट के लिए 480p, 720p या 1080p आउटपुट चुनें; 1080p आउटपुट को 720p से अपस्केल किया जाता है। कीमत $0.02 प्रति सेकंड है। |
Grok Imagine Video 1.5 Lite प्रॉम्प्ट या शुरुआती इमेज को native audio, lip-synced speech, सात text-to-video aspect ratios, 1080p तक upscaled तीन resolution tiers और एक API के ज़रिए प्रति generated second $0.02 की पारदर्शी Atlas Cloud पहुँच के साथ 1 से 15 सेकंड के क्लिप में बदलता है।
Grok Imagine Video 1.5 Lite text-to-video और image-to-video दोनों प्रकार की generation को सपोर्ट करता है। किसी लिखित दृश्य से शुरुआत करें या opening frame के रूप में एक इमेज दें, फिर प्रॉम्प्ट से action निर्देशित करें। दोनों routes एक ही model family के भीतर क्लिप तैयार करते हैं। यह लचीलापन उन टीमों के लिए उपयोगी है जो video providers बदले बिना तेज़ concepts से animated product stills तक आगे बढ़ती हैं।
एक निश्चित duration तक सीमित रहने के बजाय 1 से 15 सेकंड के बीच कोई भी clip length चुनें। छोटे runs किसी विचार को कम लागत में परख सकते हैं, जबकि लंबी generations किसी action या spoken beat को विकसित होने के लिए अधिक समय देती हैं। यह adjustable window developers को social posts, product moments और संक्षिप्त narrative scenes के अनुसार output length अधिक सटीकता से तय करने में मदद करती है।
हर generation के लिए 480p, 720p या 1080p output चुनें; 1080p को 720p से upscaling करके उपलब्ध कराया जाता है। तेज़ iteration के लिए lower tiers इस्तेमाल करें और polished previews या final delivery के लिए सबसे बड़े frame size को सुरक्षित रखें। स्पष्ट resolution choices production को यह तय करने देती हैं कि प्रत्येक क्लिप कहाँ दिखाई जाएगी, उसके अनुसार visual detail, downstream bandwidth और cost में संतुलन कैसे बनाया जाए।
हर generated clip के साथ native audio मिलता है और spoken lines को दिखाई देने वाली lip movement के साथ synchronize किया जा सकता है। Scene के साथ dialogue, ambient sound, music या effects का वर्णन करें, ताकि picture और sound साथ-साथ बनाए जाएँ। Character exchanges, music-driven edits और atmosphere-rich storytelling के लिए यह combined output अलग audio pass तैयार करने की आवश्यकता कम करता है।
Text-to-video requests सात aspect ratios में render हो सकती हैं: 16:9, 4:3, 3:2, 1:1, 2:3, 3:4 और 9:16। Landscape, square या vertical delivery से मिलाने के लिए generation से पहले format सेट करें। Image-to-video इसके बजाय दी गई starting frame का अनुसरण करता है, जिससे motion उस source के लिए पहले से चुनी गई composition को सामान्य digital publishing workflows में बनाए रखने में मदद करता है।
प्रति generated second $0.02 की standard price पर Grok Imagine Video 1.5 Lite cost-conscious video workflows के लिए बनाया गया है। Usage पारदर्शी per-second billing के अनुसार होता है, इसलिए short tests और लंबे renders की लागत का अनुमान लगाना आसान रहता है। Atlas Cloud text और image generation को एक API के पीछे उपलब्ध कराता है, जिससे बार-बार clip production की आवश्यकता वाले products के लिए integration सरल हो जाता है।
देखें कि Grok Imagine Video 1.5 Lite और Atlas Cloud के दो विकल्प समान सिनेमाई प्रॉम्प्ट को यथार्थपरक एक्शन और शैलीबद्ध फ़ैंटेसी में कैसे प्रस्तुत करते हैं।
बैले प्रीमियर के मंच-पिछले हिस्से में घटित 8–10 सेकंड की लघु एक्शन कथा: एक बैलेरिना अपने पॉइंट जूते के फीते बाँधने के लिए झुकती है, तभी लाल-लाल साटन रिबन अचानक जीवंत होकर तेज़ी से दूर भाग जाता है। जूते की नोक, कसे हुए फीते और चमकते रेशमी रेशों के अत्यंत मैक्रो क्लोज़-अप से शुरुआत करें; रिबन के मुक्त होते ही तेज़ी से आगे बढ़ें, फिर फ़र्श-स्तर के ट्रैकिंग शॉट में उतरें, जो उसके साथ दौड़ता है—वह कॉस्ट्यूम रैक के चारों ओर लिपटता है, घूमते मंच-सज्जा पहियों के बीच से निकलता है, पर्दों के नीचे से फिसलता है और ढीले पंखों को घूमते भँवरों में उड़ा देता है। नर्तकी बैले की मुद्रा बनाए रखते हुए उसका पीछा करती है—तेज़ चेनै मोड़, लंबे क्रॉसिंग स्टेप्स, लुढ़कते प्रॉप के ऊपर सटीक छलाँग, फिर लटकती वेशभूषाओं के नीचे घुटने की ऊँचाई पर सहज ग्लाइड—जबकि कैमरा रैक और मंच-यंत्रों के बीच विश्वसनीय अवरोध-ट्रैकिंग बनाए रखता है। ठंडे नीले-धूसर पार्श्व गलियारे में व्हिप-पैन करते हुए उसके अंतिम तेज़ होते क्रम का पार्श्व वाइड शॉट लें; पर्दा उठने से एक सेकंड पहले वह छलाँग लगाकर रिबन को अपने पॉइंट जूते के नीचे दबा देती है। मोड़: रिबन तुरंत किसी जीवित साथी की तरह उसकी बाँह पर सर्पिलाकार लिपट जाता है। पीछे से निकटता से उसका अनुसरण करें, जब वह खुलते पर्दे से होकर अंबर-सुनहरे मंच पर पहुँचती है, जहाँ रिबन खुलकर एक सुंदर पारदर्शी आभासी नृत्य-सहयोगी बन जाता है और उसके पहले चक्कर में शामिल हो जाता है। ठंडी सायन-धूसर मंच-पिछली छायाओं से चमकीली अंबर-सुनहरी फ़ुटलाइट्स तक नाटकीय प्रकाश-परिवर्तन, जिसमें लाल-लाल रंग लगातार दृश्य-संरचना का मार्गदर्शन करे। हाथ से चित्रित गॉश एनीमेशन, फोटोरियलिस्टिक रेशमी बनावट के साथ मिश्रित; अभिव्यंजक ब्रशवर्क, प्रवाहपूर्ण लचीले-शरीर की भौतिकी, निरंतर सहज गति, स्थिर चरित्र-डिज़ाइन, जटिल कपड़ा-टकराव, कोई स्लो मोशन नहीं, कोई स्थिर भराव दृश्य नहीं। ऑडियो: पॉइंट जूतों की उतावली टप-टप, सरसराता साटन, खड़खड़ाते मंच-सज्जा पहिए, फड़फड़ाते पंख, उठते ऑर्केस्ट्रल स्ट्रिंग्स, फिर पर्दा खुलते समय एक चमकीला संगीतमय प्रहार; कोई संवाद नहीं, कोई कैप्शन नहीं, कोई टेक्स्ट नहीं, कोई इंटरफ़ेस तत्व नहीं। 16:9 आस्पेक्ट रेशियो।
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
भोर के समय पारंपरिक वेनिसी काँच-फूँक कार्यशाला के भीतर 8–10 सेकंड का अति-यथार्थपरक सिनेमाई मैक्रो अनुक्रम: पसीने से चमकती एक महिला काँच-कारीगर दहकती भट्ठी के पास लंबी ब्लोपाइप को लगातार घुमाती है और पिघले नारंगी-लाल काँच के गोले को नाज़ुक अंबर पंखों तथा कोबाल्ट-नीले उभारों वाले पारदर्शी अग्निपक्षी में फुलाती है। चिपचिपे काँच के साँस लेने, फैलने और लपटों को अपवर्तित करने के अत्यंत मैक्रो क्लोज़-अप से शुरुआत करें; फिर तेज़ी से ओवर-द-शोल्डर ट्रैकिंग शॉट में पीछे हटें, जब जीवित काँच का पक्षी अचानक मुक्त होकर झिलमिलाती गर्मी की धुंध में पंख फड़फड़ाता है, लटके हुए प्यालों के पास से गुज़रता है और छोटे काँच के मोतियों की एक लड़ को गिरा देता है; मोती भौतिक रूप से सटीक टकरावों के साथ बिखरते, उछलते, घूमते और झंकारते हैं। वह तुरंत प्रतिक्रिया देती है, लंबी स्टील की चिमटियाँ उठाकर उसके मार्ग का पीछा करती है; भट्ठी के चारों ओर तेज़, निर्बाध ऑर्बिट में व्हिप-पैन करें, जहाँ अग्निपक्षी एक सहज चक्कर पूरा करता है और उसका पारदर्शी शरीर अपना डिज़ाइन बदले बिना प्रतिबिंबों तथा गर्म रोशनी को मोड़ता है। अंत में नाटकीय लो एंगल से दिखाएँ कि पक्षी स्वेच्छा से चिमटी की नोक पर उतरता है, अपने पंख समेटता है और एक उत्कृष्ट लघु आभूषण में क्रिस्टलीकृत हो जाता है, जबकि वह उसे स्थिर रखती है—हांफती हुई और मुस्कुराती हुई। मुख्य प्रकाश के रूप में गर्म भट्ठी की आग, खिड़की से आती नील-भोर की रिम लाइट, नियंत्रित अंबर, कोबाल्ट-नीले और क्रिस्टल-जैसे स्पष्ट हाइलाइट्स, यथार्थपरक गर्मी-विकृति, पिघले काँच का रूपांतरण, प्रतिबिंब, अपवर्तन, चिंगारियाँ, पसीना और पूरे अनुक्रम में विषय की निरंतर पहचान। प्राकृतिक मोशन ब्लर के साथ तीक्ष्ण हाई-स्पीड गति, कोई स्लो मोशन नहीं, कोई स्थिर भराव दृश्य नहीं, निरंतरता तोड़ने वाले कट नहीं। डूबा देने वाला समकालिक ऑडियो: भट्ठी की गर्जना, काँच-कारीगर की लयबद्ध साँसें, पंखों जैसी क्रिस्टलीय झंकार, झूलते प्याले, cascading मोतियों की झंकार, धातु की चिमटी की टक, और अंतिम रूपांतरण पर संक्षिप्त संगीतमय झिलमिलाहट। कोई स्क्रीन, सॉफ़्टवेयर इंटरफ़ेस, डैशबोर्ड, प्रोग्रेस बार, चार्ट, कैप्शन, सबटाइटल, लोगो, वॉटरमार्क, अतिरिक्त अंग, विकृत हाथ, दोहराए गए औज़ार, असंगत पक्षी-शरीर रचना, अपारदर्शी काँच, प्लास्टिक जैसी सतहें, भौतिक संपर्क के बिना तैरती वस्तुएँ या झिलमिलाती पहचान नहीं। 16:9 आस्पेक्ट रेशियो।
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 टेक्स्ट प्रॉम्प्ट या शुरुआती इमेज को 1 से 15 सेकंड की क्लिप में बदलता है, जिससे सोशल कॉन्सेप्ट्स, प्रोडक्ट ऐनिमेशन, लिप-सिंक संवाद, विज्ञापन वैरिएंट्स, प्रीव्यू और नेटिव ऑडियो वाले नैरेटेड स्टोरीबोर्ड के लिए व्यावहारिक रास्ते खुलते हैं।
सोशल कंटेंट प्रयोगों के लिए लिखित कॉन्सेप्ट्स को नेटिव ऑडियो वाली 1 से 15 सेकंड की क्लिप में बदलें। क्रिएटर्स केवल टेक्स्ट से संक्षिप्त कैंपेन आइडिया, प्लेटफ़ॉर्म टीज़र या नियमित विज़ुअल पोस्ट तैयार कर सकते हैं।
प्रोडक्ट इमेज से शुरुआत करें और नेटिव ऑडियो के साथ 1 से 15 सेकंड का मोशन सीक्वेंस निर्देशित करें। इसका परिणाम टेक्स्ट-ओनली शुरुआती बिंदु की आवश्यकता के बिना प्रोडक्ट रिवील, स्टोरफ़्रंट प्रीव्यू या प्रमोशनल एसेट्स के लिए उपयोगी हो सकता है।
डायलॉग दृश्यों में जनरेट किया गया वीडियो, नेटिव ऑडियो और लिप-सिंक भाषण एक ही आउटपुट में मिलते हैं। इनका उपयोग कैरेक्टर संवाद, नैरेटेड प्रतिक्रियाओं या ऐसे छोटे कहानी-क्षणों के लिए करें जिनमें दिखाई देने वाले भाषण का सटीक तालमेल आवश्यक हो।
$0.02 प्रति सेकंड की दर पर यह मॉडल प्रॉम्प्ट्स या शुरुआती इमेज को नेटिव ऑडियो वाले छोटे वीडियो में बदलता है। मार्केटिंग टीमें जनरेशन लागत को अनुमानित रखते हुए कई कॉन्सेप्ट्स, हुक्स और विज़ुअल दिशाओं का परीक्षण कर सकती हैं।
रिव्यू और डिलीवरी की ज़रूरतों के अनुसार 480p, 720p या 1080p आउटपुट चुनें; 1080p को 720p से अपस्केल किया जाता है। डेवलपर्स एक ही मॉडल फ़ैमिली के ज़रिए हल्के प्रोटोटाइप, प्रेज़ेंटेशन क्लिप या उच्च-रिज़ॉल्यूशन प्रीव्यू बना सकते हैं।
सीन के विवरण को नेटिव ऑडियो और लिप-सिंक भाषण से युक्त टाइम्ड वीडियो ड्राफ्ट में बदलें। फ़िल्मकार और क्रिएटिव टीमें लंबी प्रोडक्शन शुरू करने से पहले डायलॉग बीट्स, माहौल और गति को विज़ुअलाइज़ कर सकती हैं।
इनपुट वर्कफ़्लो, क्लिप अवधि, रिज़ॉल्यूशन, नेटिव ऑडियो और मानक जनरेशन कीमत के आधार पर Grok Imagine Video 1.5 Lite की तुलना तीन Atlas Cloud वीडियो मॉडल से करें।
| मॉडल | इनपुट वर्कफ़्लो | क्लिप अवधि | आउटपुट रिज़ॉल्यूशन | नेटिव ऑडियो | मानक कीमत |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Lite | टेक्स्ट, इमेज | 1 से 15 सेकंड | 480p, 720p, 720p से अपस्केल किया गया 1080p | √ | $0.02/सेकंड |
| MiniMax H3 Text-to-Video | टेक्स्ट | 4 से 15 सेकंड | 480P, 768P, 2K | √ | $0.038/सेकंड |
| Seedance 2.0 Mini Text-to-Video | टेक्स्ट | 4 से 15 सेकंड या स्वचालित | 480p, 720p, 720p-SR, 1080p-SR, 1440p-SR | √ | $0.056/सेकंड |
| Veo 3.1 Lite Text-to-video | टेक्स्ट | 4, 6 या 8 सेकंड | 720p, 8-सेकंड आउटपुट के साथ 1080p | √ | $0.05/सेकंड |
कुछ ही मिनटों में शुरू करें — इन सरल चरणों का पालन करके Atlas Cloud प्लेटफ़ॉर्म के ज़रिए मॉडल इंटीग्रेट और डिप्लॉय करें।
atlascloud.ai पर साइन अप करें और वेरिफिकेशन पूरा करें। नए यूज़र्स को प्लेटफ़ॉर्म एक्सप्लोर करने और मॉडल टेस्ट करने के लिए फ्री क्रेडिट मिलते हैं।
बेजोड़ प्रदर्शन, स्केलेबिलिटी और विकास अनुभव के लिए उन्नत Grok Imagine Video 1.5 Lite मॉडल को Atlas Cloud के GPU त्वरण प्लेटफ़ॉर्म के साथ संयोजित करें।
कम विलंबता:
रियल-टाइम प्रतिक्रिया के लिए GPU-अनुकूलित इंफरेंसिंग।
एकीकृत API:
Grok Imagine Video 1.5 Lite, GPT, Gemini और DeepSeek के लिए एक इंटीग्रेशन।
पारदर्शी मूल्य निर्धारण:
प्रति token बिलिंग, Serverless मोड का समर्थन।
डेवलपर अनुभव:
SDK, डेटा एनालिटिक्स, फाइन-ट्यूनिंग टूल और टेम्पलेट पूरी तरह से उपलब्ध हैं।
विश्वसनीयता:
99.99% उपलब्धता, RBAC अनुमति नियंत्रण, अनुपालन लॉगिंग।
सुरक्षा और अनुपालन:
SOC 2 Type II प्रमाणन, HIPAA अनुपालन, US डेटा संप्रभुता।
Grok Imagine Video 1.5 Lite, Video 1.5 परिवार में xAI का सबसे कम लागत वाला मॉडल है, जो टेक्स्ट या आरंभिक छवि से छोटी क्लिप बनाता है। यह मूल ऑडियो और होंठों की गति से समकालित वाणी के साथ 1 से 15 सेकंड लंबे वीडियो बनाता है।
लिखे गए prompt को एक संपूर्ण वीडियो में बदलें या किसी मौजूदा छवि को नए दृश्य के शुरुआती फ़्रेम के रूप में एनीमेट करें। दोनों generation modes एक ही रन में समकालित संवाद, परिवेशीय ध्वनि और प्रभाव उत्पन्न कर सकते हैं।
केवल prompt से जनरेशन के लिए text-to-video endpoint चुनें या आरंभिक फ़्रेम उपलब्ध होने पर image-to-video endpoint चुनें। prompt दर्ज करें, अवधि और resolution चुनें, फिर अनुरोध भेजें। इमेज एनीमेशन के लिए आवश्यक source image भी उपलब्ध कराएँ।
हाँ, मॉडल दृश्यों के साथ-साथ मूल रूप से ऑडियो उत्पन्न करता है और होंठों की गति से समकालित वाणी का समर्थन करता है। इच्छित संवाद, परिवेश और sound effects का वर्णन अपने prompt में करें, ताकि उन्हें दृश्य में शामिल किया जा सके।
क्लिप 1 से 15 सेकंड तक की हो सकती हैं और 480p, 720p या 1080p output का उपयोग कर सकती हैं। 1080p विकल्प native 1080p पर render करने के बजाय 720p से upscaled किया जाता है।
आपकी दी गई छवि पहला फ़्रेम बन जाती है, जबकि prompt इसके बाद की गति, camera behavior और ऑडियो को निर्देशित करता है। बनाई गई क्लिप उस source image के aspect ratio का अनुसरण करती है।
Atlas Cloud text-to-video और image-to-video दोनों endpoints के लिए प्रति जनरेट किए गए सेकंड $0.02 की standard price सूचीबद्ध करता है। pay-as-you-go pricing के तहत billing अनुरोधित output duration के अनुसार बढ़ती है।
Lite सरल production आवश्यकताओं के लिए कम लागत वाली text-to-video और image-to-video generation को प्राथमिकता देता है। full Video 1.5 model उन workflows के लिए है जिनमें reference images, voice references, pinned frames या native 1080p output की आवश्यकता होती है। जब इन advanced controls की तुलना में लागत-कुशल iteration अधिक महत्वपूर्ण हो, तब Lite चुनें।
Atlas Cloud का भरपूर लाभ उठाने में मदद करने वाली गाइड, ट्यूटोरियल और प्रोडक्ट अपडेट।