
Grok Imagine Video 1.5 Lite 是 xAI Grok Imagine 影片系列中成本最低的模型,專為根據提示詞或來源圖片整合生成視覺與聲音而打造。它支援口型同步語音及可選的輸出品質,包括由 720p 升頻至 1080p。透過 Atlas Cloud,使用一組 OpenAI 相容金鑰,即可存取兩種生成模式,按用量計費,每秒 $0.02。立即開始打造。
Grok Imagine Video 1.5 Lite 由 xAI 開發。Atlas Cloud(由 Atlas Cloud AI LLC 營運)僅提供接取服務,並不擁有該模型。所有商標均歸其各自所有者所有。
選擇符合來源素材、輸出需求與製作流程的 Grok Imagine Video 1.5 Lite 工作流程。
| 模態 | 說明 |
|---|---|
| Grok Imagine Video 1.5 Lite I2V API(Image To Video) | 將起始影像製作成 1 到 15 秒、480p、720p 或 1080p 的影片,其中 1080p 由 720p 放大升頻。原生音訊與同步唇形動作讓此 endpoint 適合角色動畫、產品視覺素材與社群媒體短片,費用為每秒 $0.02。 |
| Grok Imagine Video 1.5 Lite T2V API(Text To Video) | 將文字提示轉換為 1 到 15 秒的短片,支援原生音訊與唇形同步語音。可選擇 480p、720p 或 1080p 輸出,其中 1080p 由 720p 放大升頻,適合概念影片、短篇敘事與宣傳內容,費用為每秒 $0.02。 |
Grok Imagine Video 1.5 Lite 可將提示詞或起始影像轉換為 1 至 15 秒的影片片段,支援原生音訊、唇形同步語音、七種文字生成影片長寬比,以及最高可透過升頻達到 1080p 的三種解析度級別;透過單一 API,還能以每生成一秒 $0.02 的價格透明存取 Atlas Cloud。
Grok Imagine Video 1.5 Lite 同時支援文字生成影片與影像生成影片。你可以從文字描述的場景開始,或提供一張影像作為開場畫面,再透過提示詞引導動作。兩種方式都能在同一模型系列中產生影片片段。這種彈性適合需要從快速概念推進到產品靜態圖動畫化、又不想更換影片服務供應商的團隊。
可選擇 1 至 15 秒之間的任意影片長度,不必受限於單一固定時長。較短的生成可經濟地測試想法,而較長的生成則能讓動作或台詞節奏有更多發展空間。可調整的時長範圍有助於開發者更精準地配合社群貼文、產品展示片段與精簡敘事場景所需的輸出長度。
每次生成都可選擇 480p、720p 或 1080p 輸出,其中 1080p 是由 720p 升頻而成。快速迭代時可使用較低級別,將最高畫格尺寸保留給精修預覽或最終交付。清楚的解析度選項讓製作流程能根據影片實際呈現的位置,在視覺細節、後續頻寬與成本之間取得平衡。
每段生成的影片都會附帶原生音訊,台詞也能與可見的唇部動作同步。你可以在描述場景時一併指定對白、環境音、音樂或音效,讓畫面與聲音同步創作。對於角色對話、音樂驅動的剪輯與重視氛圍的敘事,這種整合式輸出能減少另行製作音訊階段的需求。
文字生成影片請求支援七種長寬比:16:9、4:3、3:2、1:1、2:3、3:4 與 9:16。生成前設定格式,即可配合橫向、正方形或直向的交付需求。影像生成影片則會依照提供的起始畫面處理,讓動態內容保留來源影像中已選定的構圖,適用於常見的數位發布流程。
Grok Imagine Video 1.5 Lite 按每生成一秒 $0.02 的標準價格計費,適合重視成本的影片工作流程。使用量採透明的按秒計費方式,因此短片測試與較長時間的渲染都容易預估。Atlas Cloud 透過單一 API 整合文字與影像生成,簡化需要反覆製作影片片段之產品的整合工作。
看看 Grok Imagine Video 1.5 Lite 與兩個 Atlas Cloud 替代方案,如何詮釋相同的電影感提示詞,呈現寫實動作與風格化奇幻場景。
一段 8–10 秒的微型動作敘事,場景設定在芭蕾舞首演的後台:一名芭蕾舞者彎腰繫緊足尖鞋時,一條猩紅色緞帶突然活了過來,飛快地逃離。從鞋尖、繃緊的鞋帶與閃爍絲纖維的極端微距特寫開始;鏡頭快速向前推進,捕捉緞帶掙脫而出,接著降至地面高度,以追蹤鏡頭貼著緞帶疾馳,看它纏繞服裝架、穿過旋轉的布景輪、從幕簾下方彈射而過,並將鬆散羽毛捲成旋轉渦流。舞者始終維持芭蕾姿態追逐——快速 chaîné 旋轉、長距離交叉步、精準躍過滾動道具,接著以膝蓋高度流暢滑行,從懸掛的服裝下方穿過——同時攝影機透過服裝架與舞台機械設備維持可信的遮擋追蹤。鏡頭快速搖攝,進入冷藍灰色的側邊走廊,以橫向廣角鏡頭捕捉她最後一段加速動作;幕簾升起前一秒,她躍起並用足尖鞋將緞帶壓在腳下。轉折:緞帶立刻像活生生的舞伴般沿著她的手臂螺旋向上。從後方近距離跟拍她衝過開啟的幕簾,進入琥珀金色的舞台;緞帶在此展開成優雅、半透明的虛擬舞伴,並加入她的第一個旋轉。燈光從冷冽的青灰色後台陰影戲劇性地轉換為耀眼的琥珀金色舞台腳燈,構圖始終由猩紅色引導。手繪水粉動畫融合寫實絲綢質感、富有表現力的筆觸、流暢而靈活的身體物理效果、連續優雅的動作、穩定的角色設計、精細的布料碰撞;不要慢動作,不要靜態填充畫面。音效:急促的足尖鞋敲擊聲、沙沙作響的緞面、嘎嘎作響的布景輪、羽毛飄動聲、逐漸高漲的管弦樂弦樂聲,接著在幕簾開啟時響起明亮的音樂重擊;無對話、無字幕、無文字、無介面元素。16:9 aspect ratio。
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
一段 8–10 秒、超寫實的電影感微距序列,場景位於黎明時分傳統的威尼斯玻璃吹製工坊:一名額頭泛著汗光的女性玻璃吹製師,在轟鳴的熔爐旁持續旋轉一根長吹管,將熔融的橙紅色玻璃吹製成一隻透明的火鳥,擁有精緻的琥珀色翅膀與鈷藍色點綴。從黏稠玻璃呼吸、拉伸並折射火焰的極端微距特寫開始;鏡頭迅速向後拉,轉為越肩追蹤鏡頭,捕捉活生生的玻璃鳥突然掙脫而出,在閃爍的熱霧中振翅飛行,掠過懸掛的高腳杯,並撞倒一串細小玻璃珠;玻璃珠散落、彈跳、旋轉,發出聲響,碰撞效果符合物理。她立即反應,舉起長鋼鉗追隨鳥的路徑;鏡頭快速搖攝,無縫繞著熔爐運行,火鳥完成一圈流暢的飛行,其透明身體彎折反射與暖光,且外觀設計始終保持一致。最後以戲劇性的低角度呈現:火鳥主動降落在鋼鉗尖端,收起翅膀,在她屏息微笑、穩住它的同時,結晶化成精巧絕倫的微型裝飾品。以熔爐火焰作為主光源,窗外透入靛藍色黎明輪廓光,搭配受控的琥珀色、鈷藍色與晶瑩剔透的高光;呈現寫實的熱變形、熔融玻璃變形、反射、折射、火花、汗水,以及連續一致的主體身份。清晰的高速動作搭配自然動態模糊;不要慢動作,不要靜態填充畫面,不要以破壞連續性的剪接切斷場景。沉浸式同步音效:熔爐轟鳴、玻璃吹製師有節奏的呼吸、如翅膀般的水晶鳴響、搖晃的高腳杯、玻璃珠接連落下的清脆聲、金屬鋼鉗的喀噠聲,以及最終變形時短暫閃耀的音樂聲。不要出現螢幕、軟體介面、儀表板、進度條、圖表、說明文字、字幕、標誌、水印、多餘肢體、變形的手、重複工具、不一致的鳥類解剖結構、不透明玻璃、塑膠質感表面、沒有物理互動卻漂浮的物體,或閃爍不定的身份。16:9 aspect ratio。
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 可將文字提示或起始圖片轉換為 1 至 15 秒的影片片段,為社群概念、產品動畫、口型同步對話、廣告變體、預覽素材及具旁白的分鏡腳本,提供實用的創作途徑,並支援原生音訊。
將文字概念轉換為具備原生音訊的 1 至 15 秒影片片段,用於社群內容實驗。創作者只需輸入文字,即可構思精簡的行銷活動點子、平台預告或系列視覺貼文。
從產品圖片開始,搭配原生音訊,指示模型產生 1 至 15 秒的動態序列。無須以純文字作為起點,即可製作產品揭示、商店預覽或宣傳素材。
對話場景會在單一輸出中,將生成影片與原生音訊及口型同步語音結合。適合用於角色交流、旁白式反應,或需要清楚對齊可見語音的短篇故事節奏。
模型每秒 $0.02,可將提示或起始圖片轉換為具備原生音訊的短片。行銷團隊能測試多種概念、吸睛開場與視覺方向,同時維持可預測的生成成本。
可選擇 480p、720p 或 1080p 輸出,其中 1080p 會由 720p 放大,滿足審核與交付需求。開發者可透過同一個模型系列,製作輕量原型、簡報片段或高解析度預覽。
將場景描述轉換為具備原生音訊與口型同步語音、按時間編排的影片草稿。電影製作人與創意團隊可在投入較長期的製作前,先行視覺化對話節奏、氛圍與步調。
依據輸入工作流程、片段長度、解析度、原生音訊與標準生成價格,比較 Grok Imagine Video 1.5 Lite 與三款 Atlas Cloud 影片模型。
| 模型 | 輸入工作流程 | 片段長度 | 輸出解析度 | 原生音訊 | 標準價格 |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Lite | 文字、圖片 | 1 至 15 秒 | 480p、720p、由 720p 放大至 1080p | √ | $0.02/秒 |
| MiniMax H3 Text-to-Video | 文字 | 4 至 15 秒 | 480P、768P、2K | √ | $0.038/秒 |
| Seedance 2.0 Mini Text-to-Video | 文字 | 4 至 15 秒或自動 | 480p、720p、720p-SR、1080p-SR、1440p-SR | √ | $0.056/秒 |
| Veo 3.1 Lite Text-to-video | 文字 | 4、6 或 8 秒 | 720p、1080p(8 秒輸出) | √ | $0.05/秒 |
幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。
在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。
將先進的 Grok Imagine Video 1.5 Lite 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。
低延遲:
GPU 最佳化推理,實現即時回應。
統一 API:
一次整合,暢用 Grok Imagine Video 1.5 Lite、GPT、Gemini 和 DeepSeek。
透明定價:
按 Token 計費,支援 Serverless 模式。
開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。
可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。
安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。
Grok Imagine Video 1.5 Lite is xAI's lowest-cost model in the Video 1.5 family for generating short clips from text or a starting image. It produces videos lasting 1 to 15 seconds with native audio and lip-synced speech.
Turn a written prompt into a complete video, or animate an existing image as the opening frame of a new scene. Both generation modes can produce synchronized dialogue, ambient sound, and effects in the same pass.
Choose the text-to-video endpoint for prompt-only generation or the image-to-video endpoint when you have a starting frame. Enter a prompt, select the duration and resolution, then submit the request. For image animation, also provide the required source image.
Yes, the model generates audio natively alongside the visuals and supports lip-synced speech. Describe the intended dialogue, ambience, and sound effects in your prompt so they can be incorporated into the scene.
Clips can run from 1 to 15 seconds and use 480p, 720p, or 1080p output. The 1080p option is upscaled from 720p rather than rendered at native 1080p.
Your supplied image becomes the first frame, while the prompt directs subsequent motion, camera behavior, and audio. The generated clip follows the aspect ratio of that source image.
Atlas Cloud lists a standard price of $0.02 per generated second for both the text-to-video and image-to-video endpoints. Billing scales with the requested output duration under pay-as-you-go pricing.
Lite prioritizes lower-cost text-to-video and image-to-video generation for simpler production needs. The full Video 1.5 model is intended for workflows requiring reference images, voice references, pinned frames, or native 1080p output. Choose Lite when cost-efficient iteration matters more than those advanced controls.
指南、教學與產品動態,助你充分發揮 Atlas Cloud 的價值。