
Grok Imagine Video 1.5 Lite to najtańszy model firmy xAI w rodzinie modeli wideo Grok Imagine, przeznaczony do zintegrowanego generowania obrazu i dźwięku na podstawie promptów lub obrazów źródłowych. Obsługuje mowę zsynchronizowaną z ruchem ust oraz możliwość wyboru jakości wyjściowej, w tym 1080p skalowane z 720p. Uzyskaj dostęp do obu trybów generowania w Atlas Cloud, korzystając z rozliczenia za rzeczywiste użycie w cenie $0.02 za sekundę i jednego klucza zgodnego z OpenAI. Zacznij tworzyć już dziś.
Grok Imagine Video 1.5 Lite został opracowany przez xAI. Atlas Cloud (prowadzona przez Atlas Cloud AI LLC) zapewnia dostęp do modelu, ale nie jest jego właścicielem. Wszystkie znaki towarowe należą do ich odpowiednich właścicieli.
Wybierz workflow Grok Imagine Video 1.5 Lite odpowiedni do materiału źródłowego, wymagań dotyczących wyniku i procesu produkcyjnego.
| Modalność | Opis |
|---|---|
| Grok Imagine Video 1.5 Lite I2V API (obraz do wideo) | Animuj obraz początkowy, tworząc wideo o długości od 1 do 15 sekund w rozdzielczości 480p, 720p lub 1080p, przy czym 1080p jest skalowane z 720p. Natywny dźwięk i zsynchronizowany ruch ust sprawiają, że ten endpoint nadaje się do animacji postaci, wizualizacji produktów i klipów do mediów społecznościowych w cenie $0.02 za sekundę. |
| Grok Imagine Video 1.5 Lite T2V API (tekst do wideo) | Przekształć prompt tekstowy w klip o długości od 1 do 15 sekund z natywnym dźwiękiem i mową zsynchronizowaną z ruchem ust. Wybierz wynik w rozdzielczości 480p, 720p lub 1080p, przy czym 1080p jest skalowane z 720p, aby tworzyć materiały koncepcyjne, krótkie narracje i treści promocyjne w cenie $0.02 za sekundę. |
Grok Imagine Video 1.5 Lite przekształca prompty lub obrazy początkowe w klipy o długości od 1 do 15 sekund, z natywnym dźwiękiem, mową zsynchronizowaną z ruchem warg, siedmioma proporcjami obrazu dla text to video, trzema poziomami rozdzielczości do przeskalowanego 1080p oraz przejrzystym dostępem do Atlas Cloud za $0.02 za każdą wygenerowaną sekundę za pośrednictwem jednego API.
Grok Imagine Video 1.5 Lite obsługuje zarówno generowanie text to video, jak i image to video. Zacznij od opisu sceny lub podaj jeden obraz jako klatkę początkową, a następnie pokieruj akcją za pomocą promptu. Obie ścieżki tworzą klipy w ramach tej samej rodziny modeli. Ta elastyczność sprawdza się w zespołach przechodzących od szybkich koncepcji do animowanych ujęć produktów bez konieczności zmiany dostawcy wideo.
Wybierz dowolną długość klipu od 1 do 15 sekund, zamiast ograniczać się do jednej stałej długości. Krótkie generacje pozwalają ekonomicznie testować pomysły, a dłuższe dają akcji lub wypowiadanej kwestii więcej czasu na rozwój. Regulowany zakres ułatwia deweloperom dokładniejsze dopasowanie długości materiału do postów w mediach społecznościowych, prezentacji produktów i krótkich scen narracyjnych.
Wybierz dla każdej generacji wyjście 480p, 720p lub 1080p, przy czym 1080p jest dostarczane przez przeskalowanie z 720p. Niższych poziomów używaj do szybkiej iteracji, a największy rozmiar klatki rezerwuj na dopracowane podglądy lub finalne materiały. Jasny wybór rozdzielczości pozwala zrównoważyć szczegółowość obrazu, przepustowość w kolejnych etapach i koszt w zależności od miejsca, w którym dany klip będzie faktycznie używany.
Każdy wygenerowany klip zawiera natywny dźwięk, a wypowiadane kwestie mogą być zsynchronizowane z widocznym ruchem warg. Opisz dialogi, dźwięki otoczenia, muzykę lub efekty wraz ze sceną, aby obraz i dźwięk powstały jednocześnie. W przypadku rozmów bohaterów, montażu opartego na muzyce i bogatych w atmosferę opowieści takie połączone wyjście ogranicza potrzebę przygotowywania osobnej ścieżki dźwiękowej.
Żądania text to video mogą być renderowane w siedmiu proporcjach obrazu: 16:9, 4:3, 3:2, 1:1, 2:3, 3:4 i 9:16. Ustaw format przed generowaniem, aby dopasować go do materiału poziomego, kwadratowego lub pionowego. Image to video korzysta natomiast z dostarczonej klatki początkowej, pomagając zachować kompozycję wybraną dla źródła w typowych procesach publikowania cyfrowego.
Przy standardowej cenie $0.02 za każdą wygenerowaną sekundę Grok Imagine Video 1.5 Lite sprawdza się w świadomych kosztowo procesach tworzenia wideo. Zużycie jest rozliczane przejrzyście za każdą sekundę, dzięki czemu zarówno krótkie testy, jak i dłuższe rendery można łatwo prognozować. Atlas Cloud udostępnia generowanie tekstu i obrazu za pośrednictwem jednego API, upraszczając integrację produktów wymagających wielokrotnego tworzenia klipów.
Zobacz, jak Grok Imagine Video 1.5 Lite i dwie alternatywy Atlas Cloud interpretują identyczne kinowe polecenia w realistycznej akcji i stylizowanej fantastyce.
8–10-sekundowa miniaturowa opowieść akcji rozgrywająca się za kulisami premiery baletowej: balerina schyla się, by zawiązać pointę, gdy szkarłatna satynowa wstążka nagle ożywa i umyka. Rozpocznij od ekstremalnego makrozbliżenia czubka pointy, napiętych troczków i połyskujących włókien jedwabiu; gwałtownie przesuń kamerę do przodu, gdy wstążka wysuwa się na wolność, a następnie zejdź do ujęcia śledzącego na poziomie podłogi, pędząc tuż obok niej, gdy owija się wokół stojaków z kostiumami, przeciska przez obracające się koła scenografii, przemyka pod kotarami i wznieca luźne pióra w wirujące vorteksy. Tancerka rusza w pościg, nie tracąc baletowej formy — szybkie obroty chaîné, długie kroki skrzyżne, precyzyjny skok nad toczącym się rekwizytem, a następnie płynny ślizg na wysokości kolan pod wiszącymi kostiumami — podczas gdy kamera utrzymuje wiarygodne śledzenie z zachowaniem przesłonięć między stojakami i mechanizmami sceny. Szybki obrót kamery prowadzi do chłodnego niebieskoszarego korytarza bocznego i szerokiego ujęcia z boku, ukazującego jej końcową, coraz szybszą sekwencję; sekundę przed podniesieniem kurtyny wykonuje skok i przygważdża wstążkę pointą. Zwrot akcji: wstążka natychmiast spiralnie owija się wokół jej ramienia niczym żywy partner. Podążaj blisko za nią od tyłu, gdy przebija się przez podnoszącą się kurtynę na scenę skąpaną w bursztynowo-złotym świetle, gdzie wstążka rozwija się w eleganckiego, półprzezroczystego wirtualnego partnera tanecznego i dołącza do jej pierwszego obrotu. Efektowne przejście oświetlenia od chłodnych cyjanowo-szarych cieni za kulisami do promiennych bursztynowo-złotych świateł rampy, z nieprzerwanie prowadzącą kompozycję szkarłatną czerwienią. Malowana ręcznie animacja gwaszowa połączona z fotorealistyczną fakturą jedwabiu, ekspresyjna praca pędzla, płynna fizyka elastycznego ciała, ciągły pełen gracji ruch, stabilny wygląd postaci, złożone kolizje tkanin, bez zwolnionego tempa, bez statycznych wypełniaczy. Dźwięk: naglące stukanie point, szelest satyny, terkoczące koła scenografii, trzepot piór, narastające smyczki orkiestrowe, a następnie jasny muzyczny akcent w chwili otwarcia kurtyny; bez dialogów, podpisów, tekstu i elementów interfejsu. Proporcje obrazu 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
8–10-sekundowa hiperrealistyczna, kinowa sekwencja makro rozgrywająca się o świcie w tradycyjnej weneckiej pracowni dmuchania szkła: spocona dmuchaczka szkła nieprzerwanie obraca długą piszczel szklarską obok ryczącego pieca, formując z pomarańczowo-czerwonej płynnej masy szklanej przezroczystego ognistego ptaka o delikatnych bursztynowych skrzydłach i kobaltowoniebieskich akcentach. Rozpocznij od ekstremalnego makrozbliżenia lepkiego szkła, które oddycha, rozciąga się i załamuje płomienie; szybko odjedź kamerą do ujęcia śledzącego zza ramienia, gdy żywy szklany ptak nagle się uwalnia, trzepocze w migotliwej fali gorącego powietrza, przelatuje tuż obok wiszących kielichów i strąca sznur drobnych szklanych koralików, które rozsypują się, odbijają, wirują i dźwięczą przy fizycznie poprawnych kolizjach. Kobieta natychmiast reaguje, unosząc długie stalowe szczypce i ruszając śladem ptaka; szybki obrót kamery prowadzi do płynnego okrążenia pieca, podczas którego ognisty ptak wykonuje pełne, płynne okrążenie, a jego przezroczyste ciało ugina odbicia i ciepłe światło bez zmiany wyglądu. Zakończ dramatycznym ujęciem z niskiej perspektywy, gdy ptak dobrowolnie ląduje na końcówkach szczypiec, składa skrzydła i krystalizuje się w wyszukaną miniaturową ozdobę, podczas gdy kobieta stabilizuje ją, zdyszana i uśmiechnięta. Ciepły ogień pieca jako główne źródło światła, indygoowe światło świtu konturujące sylwetkę wpadające przez okno, kontrolowane bursztynowe, kobaltowoniebieskie i krystalicznie czyste refleksy, realistyczne zniekształcenia od gorąca, deformacja płynnego szkła, odbicia, załamania światła, iskry, pot i nieprzerwana tożsamość obiektu. Ostry ruch w wysokiej częstotliwości z naturalnym rozmyciem ruchu, bez zwolnionego tempa, bez statycznych wypełniaczy, bez cięć zrywających ciągłość. Immersyjny zsynchronizowany dźwięk: ryk pieca, rytmiczne oddechy dmuchaczki, krystaliczne brzmienie przypominające trzepot skrzydeł, kołyszące się kielichy, kaskadowy dźwięk spadających koralików, metaliczne kliknięcie szczypiec i krótki muzyczny połysk przy końcowej przemianie. Bez ekranów, interfejsów oprogramowania, pulpitów, pasków postępu, wykresów, podpisów, napisów, logo, znaków wodnych, dodatkowych kończyn, zdeformowanych dłoni, zduplikowanych narzędzi, niespójnej anatomii ptaka, nieprzezroczystego szkła, powierzchni wyglądających jak plastik, obiektów unoszących się bez fizycznej interakcji ani migotania tożsamości. Proporcje obrazu 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 przekształca prompty tekstowe lub obraz początkowy w klipy trwające od 1 do 15 sekund, otwierając praktyczne możliwości tworzenia koncepcji do mediów społecznościowych, animacji produktów, dialogów z synchronizacją ruchu ust, wariantów reklam, materiałów podglądowych i opowiadanych storyboardów z natywnym dźwiękiem.
Przekształcaj opisane koncepcje w klipy trwające od 1 do 15 sekund z natywnym dźwiękiem na potrzeby eksperymentów z treściami do mediów społecznościowych. Twórcy mogą na podstawie samego tekstu opracowywać zwięzłe pomysły na kampanie, zajawki na platformy lub cykliczne publikacje wizualne.
Zacznij od obrazu produktu i pokieruj sekwencją ruchu trwającą od 1 do 15 sekund, z natywnym dźwiękiem. Rezultat może posłużyć do prezentacji produktów, podglądów w sklepie lub materiałów promocyjnych bez konieczności rozpoczynania od samego tekstu.
Sceny dialogowe łączą wygenerowane wideo z natywnym dźwiękiem i mową zsynchronizowaną z ruchem ust w jednym wyniku. Wykorzystuj je do wymian zdań między postaciami, narracyjnych reakcji lub krótkich fragmentów fabuły wymagających widocznej synchronizacji mowy.
W cenie $0.02 za sekundę model przekształca prompty lub obrazy początkowe w krótkie filmy z natywnym dźwiękiem. Zespoły marketingowe mogą testować wiele koncepcji, otwarć i kierunków wizualnych, zachowując przewidywalne koszty generowania.
Wybierz wyjście 480p, 720p lub 1080p, przy czym 1080p jest skalowane z 720p, aby dopasować materiał do potrzeb przeglądu i dostarczenia. Deweloperzy mogą tworzyć lekkie prototypy, klipy do prezentacji lub podglądy w wyższej rozdzielczości za pomocą jednej rodziny modeli.
Przekształć opis sceny w roboczy projekt wideo o określonym czasie, zawierający natywny dźwięk i mowę zsynchronizowaną z ruchem ust. Filmowcy i zespoły kreatywne mogą zwizualizować rytm dialogów, nastrój i tempo przed rozpoczęciem dłuższej produkcji.
Porównaj Grok Imagine Video 1.5 Lite z trzema modelami wideo Atlas Cloud pod kątem sposobu wprowadzania danych, długości klipu, rozdzielczości, natywnego dźwięku i standardowej ceny generowania.
| Model | Sposoby wprowadzania danych | Długość klipu | Rozdzielczość wyjściowa | Natywny dźwięk | Cena standardowa |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Lite | Tekst, obraz | od 1 do 15 sekund | 480p, 720p, 1080p przeskalowane z 720p | √ | $0.02/sekundę |
| MiniMax H3 Text-to-Video | Tekst | od 4 do 15 sekund | 480P, 768P, 2K | √ | $0.038/sekundę |
| Seedance 2.0 Mini Text-to-Video | Tekst | od 4 do 15 sekund lub automatycznie | 480p, 720p, 720p-SR, 1080p-SR, 1440p-SR | √ | $0.056/sekundę |
| Veo 3.1 Lite Text-to-video | Tekst | 4, 6 lub 8 sekund | 720p, 1080p przy 8-sekundowym materiale wyjściowym | √ | $0.05/sekundę |
Zacznij w kilka minut — wykonaj te proste kroki, aby zintegrować i wdrożyć modele za pośrednictwem platformy Atlas Cloud.
Zarejestruj się na atlascloud.ai i ukończ weryfikację. Nowi użytkownicy otrzymują bezpłatne kredyty do eksploracji platformy i testowania modeli.
Połączenie zaawansowanych modeli Grok Imagine Video 1.5 Lite z platformą GPU-akcelerowaną Atlas Cloud zapewnia niezrównaną wydajność, skalowalność i doświadczenie deweloperskie.
Niska Latencja:
Inferencja zoptymalizowana pod GPU dla rozumowania w czasie rzeczywistym.
Zunifikowane API:
Uruchamiaj Grok Imagine Video 1.5 Lite, GPT, Gemini i DeepSeek za pomocą jednej integracji.
Przejrzysta Wycena:
Przewidywalne rozliczenia za token z opcjami serverless.
Doświadczenie Dewelopera:
SDK, analityka, narzędzia dostrajania i szablony.
Niezawodność:
99,99% dostępności, RBAC i logowanie gotowe na zgodność.
Bezpieczeństwo i Zgodność:
SOC 2 Type II, zgodność z HIPAA, suwerenność danych w USA.
Grok Imagine Video 1.5 Lite to najtańszy model z rodziny Video 1.5 firmy xAI, służący do generowania krótkich klipów na podstawie tekstu lub obrazu początkowego. Tworzy filmy o długości od 1 do 15 sekund z natywnym dźwiękiem i mową zsynchronizowaną z ruchem ust.
Zamień tekstowy prompt w kompletny film albo animuj istniejący obraz jako pierwszą klatkę nowej sceny. Oba tryby generowania mogą w jednym przebiegu tworzyć zsynchronizowane dialogi, dźwięki otoczenia i efekty.
Wybierz endpoint text-to-video do generowania wyłącznie na podstawie promptu albo endpoint image-to-video, jeśli masz klatkę początkową. Wprowadź prompt, wybierz czas trwania i rozdzielczość, a następnie wyślij żądanie. W przypadku animowania obrazu podaj również wymagany obraz źródłowy.
Tak, model natywnie generuje dźwięk wraz z obrazem i obsługuje mowę zsynchronizowaną z ruchem ust. Opisz w promptcie planowany dialog, atmosferę i efekty dźwiękowe, aby mogły zostać uwzględnione w scenie.
Klipy mogą trwać od 1 do 15 sekund i być generowane w rozdzielczości 480p, 720p lub 1080p. Opcja 1080p jest skalowana z 720p, a nie renderowana natywnie w 1080p.
Dostarczony obraz staje się pierwszą klatką, a prompt określa dalszy ruch, zachowanie kamery i dźwięk. Wygenerowany klip zachowuje proporcje obrazu źródłowego.
Atlas Cloud podaje standardową cenę $0.02 za każdą wygenerowaną sekundę zarówno dla endpointu text-to-video, jak i image-to-video. W modelu rozliczeń pay-as-you-go koszt rośnie wraz z żądanym czasem trwania materiału.
Wersja Lite koncentruje się na tańszym generowaniu text-to-video i image-to-video na potrzeby prostszych zastosowań produkcyjnych. Pełny model Video 1.5 jest przeznaczony do procesów wymagających obrazów referencyjnych, referencji głosu, przypiętych klatek lub natywnego wyjścia 1080p. Wybierz Lite, gdy opłacalna iteracja jest ważniejsza niż te zaawansowane opcje sterowania.
Poradniki, samouczki i nowości produktowe, dzięki którym w pełni wykorzystasz Atlas Cloud.