


Grok Imagine Video cung cấp cho các nhà phát triển quyền truy cập vào dòng sản phẩm video của xAI để tạo, tạo chuyển động, kéo dài và chỉnh sửa các đoạn video. Tạo video dài từ 1 đến 15 giây từ lời nhắc, định hướng nhân vật, vật thể hoặc phong cách bằng tối đa bảy hình ảnh tham chiếu, và làm việc ở độ phân giải 480p hoặc 720p. Atlas Cloud tập hợp các khả năng này thông qua các endpoint tương thích với OpenAI, cùng mức giá minh bạch theo mức sử dụng. Bắt đầu xây dựng ngay hôm nay.
Grok Imagine Video do xAI phát triển. Atlas Cloud (vận hành bởi Atlas Cloud AI LLC) cung cấp quyền truy cập vào mô hình này và không sở hữu mô hình. Mọi thương hiệu đều thuộc về chủ sở hữu tương ứng.
Atlas Cloud cung cấp cho bạn các mô hình sáng tạo tiên tiến nhất trong ngành.
Chọn endpoint Grok Imagine Video phù hợp với tài sản nguồn, mục tiêu chuyển đổi và quy trình sản xuất của bạn.
| Phương thức | Mô tả |
|---|---|
| Grok Imagine Video T2V API (Text To Video) | Chuyển các prompt bằng ngôn ngữ tự nhiên thành video dài từ 1 đến 15 giây ở độ phân giải 480p hoặc 720p. Endpoint này phù hợp để trực quan hóa ý tưởng, tạo clip mạng xã hội và dựng cảnh không cần phương tiện nguồn. |
| Grok Imagine Video I2V API (Image To Video) | Bắt đầu từ một hình ảnh được cung cấp, endpoint này áp dụng các prompt chuyển động bằng ngôn ngữ tự nhiên để tạo video ở độ phân giải 480p hoặc 720p. Sử dụng endpoint để tạo hiệu ứng chuyển động cho tác phẩm nghệ thuật, hình ảnh sản phẩm, khung hình nhân vật hoặc hình ảnh chiến dịch. |
| Grok Imagine Video R2V API (Reference To Video) | Hướng dẫn quá trình tạo video bằng 1 đến 7 hình ảnh tham chiếu đại diện cho người, vật thể hoặc phong cách hình ảnh. Đầu ra có thể dài tối đa 10 giây ở độ phân giải 480p hoặc 720p, hỗ trợ quy trình sáng tạo dựa trên hình ảnh tham chiếu. |
| Grok Imagine Video Extend API (Video Extension) | Tiếp tục một tệp MP4 hiện có dài từ 2 đến 15 giây bằng phần mở rộng theo prompt, kéo dài thêm từ 2 đến 10 giây. Đầu ra giữ nguyên định dạng đầu vào và được giới hạn ở 720p, giúp endpoint này phù hợp để kéo dài các cảnh quay đã có. |
| Grok Imagine Video Edit API (Video Editing) | Cung cấp tệp MP4 và hướng dẫn bằng ngôn ngữ tự nhiên để chỉnh sửa nội dung hình ảnh trong khi vẫn giữ nguyên thời lượng nguồn. Đầu ra được giới hạn ở 8,7 giây, phù hợp với các chỉnh sửa có mục tiêu và phép biến đổi dựa trên prompt đối với các đoạn phim ngắn. |
Grok Imagine Video biến văn bản, khung hình mở đầu và tối đa bảy ảnh tham chiếu thành các đoạn clip ngắn, sau đó kéo dài hoặc chỉnh sửa cảnh quay MP4 hiện có thông qua API hợp nhất với cơ chế thanh toán theo mức sử dụng của Atlas Cloud.
Viết prompt bằng ngôn ngữ tự nhiên để tạo đoạn clip dài từ 1 đến 15 giây ở 480p hoặc 720p. Bảy tỷ lệ khung hình, bao gồm 16:9, 1:1 và 9:16, giúp mỗi cảnh phù hợp với khung hình dự kiến. Điều khiển chủ thể, hành động, chuyển động máy quay và bầu không khí ngay trong prompt. Đây là điểm khởi đầu linh hoạt cho các nhịp truyện, ý tưởng chiến dịch và video mạng xã hội.
Biến ảnh khung hình mở đầu được cung cấp thành video dài từ 1 đến 15 giây ở 480p hoặc 720p. Hình ảnh thiết lập bố cục mở đầu, trong khi prompt chuyển động bằng ngôn ngữ tự nhiên định hướng chuyển động và diễn biến cảnh. Chọn một trong bảy tỷ lệ khung hình khi cần hình dạng đầu ra khác. Quy trình này phù hợp với cảnh quay sản phẩm, cảnh minh họa và các ý tưởng được chỉ đạo nghệ thuật cần chuyển động mà không phải dựng lại khung hình mở đầu.
Định hướng video bằng 1 đến 7 ảnh tham chiếu đại diện cho con người, đồ vật hoặc phong cách hình ảnh. Tham chiếu đến từng đầu vào trong prompt, sau đó tạo video dài tối đa 10 giây ở 480p hoặc 720p với bảy tỷ lệ khung hình được hỗ trợ. Vì ảnh tham chiếu định hình cảnh mà không chỉ đóng vai trò là khung hình mở đầu, nhà sáng tạo có thêm quyền kiểm soát đối với các yếu tố hình ảnh xuất hiện lặp lại. Sử dụng quy trình này cho các cảnh lấy nhân vật làm trung tâm, hoạt động kể chuyện bằng sản phẩm hoặc các chiến dịch chú trọng phong cách.
Tiếp tục một MP4 hiện có dài từ 2 đến 15 giây bằng phần mở rộng do prompt điều khiển, kéo dài thêm từ 2 đến 10 giây. Grok Imagine Video tiếp nối từ khung hình cuối và trả về clip gốc cùng phân đoạn mới, giữ nguyên độ phân giải đầu vào lên đến 720p. Mô tả hành động, màn hé lộ hoặc chuyển động máy quay tiếp theo bằng ngôn ngữ đơn giản. Nhờ đó, các đoạn kết đột ngột dễ dàng được chuyển thành những nhịp truyện hoàn chỉnh.
Cung cấp cho Grok Imagine Video một MP4 cùng hướng dẫn bằng ngôn ngữ tự nhiên để biến đổi cảnh quay mà vẫn giữ nguyên thời lượng nguồn. Đầu vào có thể dài tối đa 8.7 giây và chi phí được tính theo thời lượng video đầu vào. Yêu cầu thay đổi hình ảnh, chuyển đổi bầu không khí hoặc chỉnh sửa ở cấp độ cảnh mà không cần dựng lại clip từ đầu. Quy trình này đặc biệt phù hợp với các biến thể sáng tạo ngắn và những tinh chỉnh hậu kỳ có kiểm soát sau khi tạo.
Chuyển đổi giữa tạo video từ văn bản, tạo video từ hình ảnh, tạo video có hướng dẫn bằng ảnh tham chiếu, kéo dài và chỉnh sửa thông qua một API hợp nhất. Chọn endpoint phù hợp với nguồn dữ liệu hiện có và gửi từng tác vụ qua luồng dự đoán bất đồng bộ. Duy trì nhất quán các mô hình xác thực và tích hợp trong toàn bộ quy trình. Quyền truy cập theo mức sử dụng hỗ trợ thử nghiệm cũng như các pipeline sản xuất có thể lặp lại. Nhà phát triển có thể xây dựng những công cụ video toàn diện hơn với ít chi phí tích hợp hơn.
Xem Grok Imagine Video và hai lựa chọn hàng đầu khác diễn giải các prompt giống hệt nhau như thế nào qua chuyển động, tính liên tục, khả năng điều khiển camera, ánh sáng và cách kể chuyện bằng hình ảnh.
Một bộ phim phiêu lưu ngoài trời siêu chân thực dài 8–10 giây, lấy bối cảnh tại một hẻm núi xanh ngọc ngay sau một trận mưa xối xả. Một người chèo kayak mặc bộ đồ chống nước xanh cobalt và áo phao đỏ cam lao qua dòng nước trắng dữ dội từ khung hình đầu tiên đến khung hình cuối cùng. Mở đầu bằng cú máy bám theo sát mặt nước ở độ cao cực thấp, chạy đua bên cạnh kayak khi lưỡi mái chèo bổ xuống dòng chảy, hất những tia nước sắc nét lên ống kính; kayak vọt lên đỉnh một con sóng dốc rồi bị phóng lên không trung. Whip-pan chuyển sang góc nhìn thứ nhất của người chèo khi chiếc thuyền lăn ngang bên dưới một thân cây đổ, xuyên qua màn nước trong mờ và suýt sượt qua những tảng đá ướt lởm chởm, trong đó bàn tay, mái chèo và mũi kayak màu cobalt vẫn nhất quán về mặt vật lý qua các đợt nước bắn và những khoảnh khắc bị che khuất. Người chèo ghì mái chèo xuống dòng nước, bật khỏi vách hẻm núi bằng một cú ngoặt bật lại gọn hẹp rồi rơi trở xuống dòng thác. Ở cao trào, chuyển sang cú lao của drone từ đỉnh vách đá, nhanh chóng hạ xuống và bay vòng quanh người chèo trong lúc tiếp đất; mũi kayak đâm vào một thùng gỗ nổi với lực va chạm thuyết phục, làm thùng vỡ toang—và trong một màn hé lộ tinh nghịch bất ngờ, một chuỗi đèn lồng giấy nhiều màu hoàn toàn nguyên vẹn được nối liền bật ra, bung mở và bồng bềnh ấm áp trên dòng nước lạnh đang cuộn chảy trong khi kayak tiếp tục lao đi. Chuyển động liên tục đúng về giải phẫu, quán tính kayak chân thực, lực cản của mái chèo, va chạm, động lực học chất lỏng hỗn loạn, chuyển động của vải, giọt nước, nước bắn lên ống kính và nhận diện chủ thể không thay đổi sau mỗi lần bị che khuất; không quay chậm, không có cảnh thiết lập trống, không cắt sang màn hình, giao diện, bảng điều khiển, thanh tiến trình, biểu đồ, chú thích, logo hoặc văn bản giải thích. Ánh sáng ban ngày xanh cyan lạnh dưới trời nhiều mây, vách đá xanh ngọc sẫm màu vì mưa, áo phao đỏ cam nổi bật, ánh sáng ấm nhiều màu của đèn lồng, bố cục điện ảnh màn ảnh rộng theo đường chéo nhấn mạnh tốc độ, tương phản cao, nhòe chuyển động tự nhiên, phong cách quay thể thao hành động siêu chân thực và giàu tính nhập vai. Âm thanh đồng bộ: tiếng ghềnh thác gầm vang, tiếng mái chèo va đập sắc gọn, tiếng gỗ nứt, hơi thở gắng sức, tiếng nước đập vào thân thuyền và một điểm nhấn âm nhạc giàu tiết tấu, tươi sáng khi những chiếc đèn lồng bật tung. Tỷ lệ khung hình 16:9.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Seedance 2.5 Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Một chuỗi điện ảnh hành động liên tục dài 8–10 giây tại một khu chợ đêm ngoài trời ngay trước một trận mưa xối xả: một bậc thầy ramen bịt mắt tự tin chạy nước rút qua mê cung các quầy hàng đông đúc, đồng thời liên tục kéo căng một dải mì màu bạc trắng giữa hai tay. Bắt đầu bằng góc nhìn từ trên cao thẳng đứng hoàn hảo, sau đó nhanh chóng lao từ trên xuống mê cung chợ ngập ánh đèn neon khi những giọt mưa nặng hạt đầu tiên rơi xuống mái bạt và mặt đường ướt. Khóa vào dải mì đang bay và chạy đua cách nó chỉ vài inch khi nó quất qua những lò than hồng phát sáng, thực khách giật mình, vỉ nướng xèo xèo và những chiếc ô bật mở trong gió; duy trì chuyển động liền mạch của con người, vật lý đàn hồi đáng tin của sợi mì, hiện tượng che khuất phức tạp ở tiền cảnh, mưa bắn tung tóe, tia lửa và hơi nước dày đặc. Whip-pan đến cảnh đầu bếp nhảy qua một chiếc thùng thấp mà không hề giảm bước, rồi thực hiện một vòng orbit 360 độ nhanh quanh anh ta khi anh xoay người và thả dải mì về phía sau với động lượng chính xác. Dải mì cong gọn gàng rơi vào một nồi đồng đang sôi sùng sục phía sau anh—đúng khoảnh khắc chiến thắng, một con mèo mướp cam tinh quái nhảy ra từ bên dưới quầy, ngoạm một nửa số mì đang rủ xuống rồi phóng đi, tạo nên cú chốt hài hước rõ nét trong khi người đầu bếp vẫn tiếp tục chạy mà không hay biết. Chủ nghĩa hiện thực siêu chân thực phong cách neon-noir, phản chiếu cyan-xanh lục và đỏ tươi trên mặt đường bóng nước, ngọn lửa cam ấm của lò như những điểm nhấn thị giác theo nhịp, hơi nước và mưa giàu cảm giác vật chất, vũ đạo ổn định, chi tiết điện ảnh sắc nét, nhịp độ thời gian thực giàu năng lượng, không quay chậm, không có những cú cắt làm gián đoạn tính liên tục về không gian hoặc nhân vật. Âm thanh: tiếng sấm dâng lên, tiếng trò chuyện trong chợ, tiếng bước chân dồn dập, tiếng ô bật mở, than nướng xèo xèo, nước sôi, tiếng mì vút qua đồng bộ với chuyển động camera, kết thúc bằng tiếng mèo kêu hài hước trong trẻo và tiếng nước bắn khỏi nồi đồng. Không có màn hình, giao diện người dùng, bảng điều khiển, thanh tiến trình, biểu đồ, chú thích, phụ đề, logo, watermark hoặc văn bản giải thích. Tỷ lệ khung hình 16:9.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Seedance 2.5 Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Grok Imagine Video biến prompt, ảnh tĩnh, hình ảnh tham chiếu và các tệp MP4 hiện có thành những hướng triển khai thiết thực cho clip mạng xã hội, hình ảnh sản phẩm, câu chuyện thương hiệu, chuỗi video dài hơn, chỉnh sửa có mục tiêu và công cụ dành cho nhà sáng tạo.
Grok Imagine Video chuyển các prompt bằng ngôn ngữ tự nhiên thành những clip ngắn 480p hoặc 720p. Sử dụng để tạo teaser mạng xã hội, ý tưởng chiến dịch và bản nháp hình ảnh nhanh mà không cần chuẩn bị cảnh quay nguồn trước.
Bắt đầu từ một hình ảnh sản phẩm, endpoint chuyển ảnh thành video bổ sung chuyển động được điều khiển bằng prompt ở 480p hoặc 720p. Các thương hiệu có thể biến ảnh tĩnh trong catalog thành video giới thiệu sản phẩm, nội dung ra mắt và hình ảnh cho sàn thương mại điện tử.
Với một đến bảy hình ảnh, reference to video đưa con người, vật thể hoặc phong cách vào một clip mới. Các nhóm sáng tạo có thể phát triển câu chuyện thương hiệu, ý tưởng nhân vật và bối cảnh sản phẩm dựa trên những hình ảnh được cung cấp.
Tiếp nối một tệp MP4 hiện có bằng phần mở rộng từ hai đến mười giây được điều khiển bằng prompt, đồng thời giữ nguyên độ phân giải đầu vào tối đa 720p. Tính năng này hỗ trợ các nhịp storyboard dài hơn, chuyển cảnh theo tập và chuỗi cảnh tiếp nối từ những cảnh quay đã được phê duyệt.
Chỉnh sửa một tệp MP4 bằng hướng dẫn ngôn ngữ tự nhiên trong khi giữ nguyên thời lượng nguồn, với đầu ra tối đa 8.7 giây. Các nhóm có thể tạo diện mạo thay thế, biến thể chiến dịch bản địa hóa hoặc cách xử lý hình ảnh được điều chỉnh.
Xây dựng các công cụ video điều khiển bằng prompt dựa trên năm chế độ của Grok Imagine Video để tạo video, tạo chuyển động, sử dụng hình ảnh tham chiếu, mở rộng và chỉnh sửa. Nhà phát triển có thể phục vụ quy trình làm việc của nhà sáng tạo từ một họ sản phẩm, đồng thời lựa chọn đầu ra 480p hoặc 720p.
So sánh quy trình làm việc của Grok Imagine Video với một số lựa chọn thay thế của Atlas Cloud về phương thức đầu vào, độ dài clip, độ phân giải tối đa và mức giá tiêu chuẩn.
| Mô hình | Quy trình đầu vào | Độ dài clip hoặc phân đoạn | Độ phân giải tối đa | Giá tiêu chuẩn |
|---|---|---|---|---|
| Grok Imagine Video Text-to-Video | Prompt văn bản | 1–15s | 720p | $0.05/sec |
| Grok Imagine Video Image-to-Video | Ảnh bắt đầu + prompt văn bản | 1–15s | 720p | $0.05/sec |
| Grok Imagine Video Reference-to-Video | 1–7 ảnh tham chiếu + prompt văn bản | 1–10s | 720p | $0.05/sec |
| Grok Imagine Video Extend | MP4 dài 2–15s + prompt văn bản | Mở rộng 2–10s | Khớp với đầu vào, tối đa 720p | $0.07/sec |
| Grok Imagine Video Edit | MP4 + hướng dẫn bằng văn bản | Khớp với đầu vào, tối đa 8.7s | - | $0.07/input sec |
| MiniMax H3 Text-to-Video | Prompt văn bản | 4–15s | 2K | $0.038/sec |
| Seedance 2.0 Image-to-Video | Ảnh bắt đầu + văn bản, tùy chọn khung hình cuối | 4–15s | 4K gốc | $0.112/sec |
| Vidu Q3-Mix Reference to Video | 1–4 ảnh tham chiếu + prompt văn bản | 1–16s | SR 1440p, gốc tối đa 1080p | $0.125/run |
| Wan-2.7 Video-edit | Video nguồn + văn bản, tùy chọn hình ảnh hoặc âm thanh | - | 1080p | $0.10/run |
Bắt đầu trong vài phút — làm theo các bước đơn giản sau để tích hợp và triển khai mô hình qua nền tảng Atlas Cloud.
Đăng ký tại atlascloud.ai và hoàn tất xác minh. Người dùng mới nhận được tín dụng miễn phí để khám phá nền tảng và thử nghiệm mô hình.
Sự kết hợp của các mô hình tiên tiến của Grok Imagine Video với nền tảng được tăng tốc GPU của Atlas Cloud mang lại hiệu suất, khả năng mở rộng và trải nghiệm nhà phát triển độc đáo.
Độ Trễ Thấp:
Suy luận được tối ưu hóa GPU cho suy luận thời gian thực.
API Thống nhất:
Chạy Grok Imagine Video, GPT, Gemini và DeepSeek với một tích hợp duy nhất.
Giá cả Minh bạch:
Thanh toán dựa trên token có thể dự đoán với tùy chọn serverless.
Trải nghiệm Nhà phát triển:
SDK, phân tích, công cụ tinh chỉnh và mẫu.
Độ tin cậy:
99,99% khả dụng, RBAC và ghi nhật ký sẵn sàng cho tuân thủ.
Bảo mật và Tuân thủ:
SOC 2 Type II, tuân thủ HIPAA, chủ quyền dữ liệu tại Hoa Kỳ.
Grok Imagine Video là dòng mô hình tạo video của xAI, dùng để tạo, tạo chuyển động, kéo dài và chỉnh sửa các clip ngắn. Atlas Cloud cung cấp các endpoint API riêng cho quy trình chuyển văn bản thành video, hình ảnh thành video, hình ảnh tham chiếu thành video, kéo dài và chỉnh sửa video.
Grok Imagine Video có thể tạo clip từ văn bản, tạo chuyển động cho một hình ảnh ban đầu hoặc sử dụng tối đa bảy hình ảnh tham chiếu để định hướng người, vật thể và phong cách. Các endpoint riêng biệt có thể tiếp tục một clip hiện có hoặc chỉnh sửa tệp MP4 bằng hướng dẫn ngôn ngữ tự nhiên.
Tạo khóa API Atlas Cloud và gửi yêu cầu POST có xác thực đến /api/v1/model/generateVideo. Chỉ định ID mô hình bắt buộc, prompt và mọi dữ liệu hình ảnh hoặc video mà route đó yêu cầu. Phản hồi bao gồm ID yêu cầu, trạng thái và các trường đầu ra.
Chọn text-to-video khi cảnh bắt đầu từ một prompt hoặc image-to-video khi hình ảnh được cung cấp phải trở thành khung hình đầu tiên. Reference-to-video cung cấp khả năng định hướng rộng hơn từ nhiều hình ảnh, trong khi extend-video và edit-video hoạt động trên các tệp MP4 hiện có.
Text-to-video và image-to-video hỗ trợ các clip dài từ 1 đến 15 giây ở độ phân giải 480p hoặc 720p. Reference-to-video hỗ trợ từ 1 đến 10 giây ở cùng các độ phân giải, với các tỷ lệ khung hình phổ biến gồm 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 và 2:3. Các route mở rộng và chỉnh sửa có những giới hạn đầu vào riêng.
Có. xAI mô tả tính năng tạo âm thanh gốc là một phần của quy trình video Grok Imagine, cho phép tạo âm thanh và hình ảnh cùng lúc. Các schema được Atlas Cloud công bố cho những route này không cung cấp tùy chọn bật/tắt âm thanh riêng.
Cung cấp từ một đến bảy URL hình ảnh HTTPS công khai hoặc URI dữ liệu base64 thông qua endpoint reference-to-video. Các thẻ như <IMAGE_0> có thể liên kết từng hình ảnh tham chiếu với người, vật thể hoặc phong cách được mô tả trong prompt. Route này trả về các clip dài tối đa 10 giây ở độ phân giải 480p hoặc 720p.
Sử dụng extend-video với tệp MP4 dài từ 2 đến 15 giây và yêu cầu thêm từ 2 đến 10 giây hành động được điều khiển bằng prompt. Để thực hiện các thay đổi cụ thể, edit-video chấp nhận tệp MP4 không dài quá 8.7 giây và giữ nguyên thời lượng của tệp. Cả hai route đều giới hạn độ phân giải đầu ra ở mức 720p.
Mức giá tiêu chuẩn của Atlas Cloud là $0.05 mỗi giây cho text-to-video, image-to-video và reference-to-video. Extend-video và edit-video áp dụng mức giá tiêu chuẩn $0.07 mỗi giây. Chỉnh sửa được tính phí theo thời lượng video đầu vào vì đầu ra giữ nguyên thời lượng đó.
Trước tiên, hãy xác nhận endpoint đã chọn phù hợp với loại dữ liệu đầu vào và mọi prompt, URL hình ảnh hoặc URL video bắt buộc đều đã được cung cấp. Kiểm tra các giới hạn riêng của route về thời lượng, độ phân giải, tỷ lệ khung hình, số lượng hình ảnh tham chiếu và tệp MP4 trước khi gửi lại. Nếu yêu cầu thành công nhưng cảnh tạo ra không chính xác, hãy viết lại prompt với mô tả rõ ràng về chuyển động của chủ thể, chuyển động máy quay, nhịp độ và các chi tiết hình ảnh.
Hướng dẫn, bài hướng dẫn và cập nhật sản phẩm giúp bạn khai thác tối đa Atlas Cloud.