Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。
Grok Imagine Video 1.5 Lite with Native Audio

Grok Imagine Video 1.5 Lite with Native Audio

Grok Imagine Video 1.5 Lite 是 xAI 在 Grok Imagine 视频模型系列中成本最低的模型,支持通过提示词或源图像生成视觉内容和声音。它支持与口型同步的语音,以及可选的输出质量,包括从 720p 超分辨率放大至 1080p。通过 Atlas Cloud,使用按量付费模式($0.02/秒)和一个兼容 OpenAI 的密钥,即可使用两种生成模式。立即开始构建。

Grok Imagine Video 1.5 Lite 由 xAI 开发。Atlas Cloud(由 Atlas Cloud AI LLC 运营)仅提供接入服务,并不拥有该模型。所有商标均归其各自所有者所有。

比较 Grok Imagine Video 1.5 Lite 的模态

选择与源素材、输出需求和制作流程相匹配的 Grok Imagine Video 1.5 Lite 工作流。

模态描述
Grok Imagine Video 1.5 Lite I2V API (Image To Video)将起始图像制作成 1 到 15 秒的视频,支持 480p、720p 或 1080p,其中 1080p 由 720p 放大生成。原生音频和同步唇形使该端点适用于角色动画、产品视觉内容和社交媒体短片,价格为每秒 $0.02。
Grok Imagine Video 1.5 Lite T2V API (Text To Video)将文本提示转换为 1 到 15 秒的视频片段,支持原生音频和口型同步语音。可选择 480p、720p 或 1080p 输出,其中 1080p 由 720p 放大生成,适用于概念视频、短篇叙事和宣传内容,价格为每秒 $0.02。

使用 Grok Imagine Video 1.5 Lite 实现精益生产

Grok Imagine Video 1.5 Lite 可将提示词或起始图像转换为 1 至 15 秒的短片,支持原生音频、唇形同步语音、七种文生视频宽高比,以及最高可通过放大生成 1080p 的三档分辨率;通过单一 API 即可接入 Atlas Cloud,并按每生成秒 $0.02 的透明价格计费。

Grok Imagine Video 1.5 Lite 提供两种创作路径

Grok Imagine Video 1.5 Lite 同时支持文生视频和图生视频。你可以从文字描述的场景开始,也可以提供一张图像作为开场画面,再通过提示词指导动作。两种路径都能在同一模型系列中生成短片。这种灵活性适合需要从快速概念推进到动态产品静帧、又不想切换视频服务商的团队。

一至十五秒的故事时长

你可以选择 1 至 15 秒之间的任意片段时长,无需受限于单一固定时长。较短的生成适合经济地测试创意,而较长的生成则能为动作或台词节奏提供更多展开空间。可调节的时长范围有助于开发者更精准地匹配社交媒体帖子、产品展示片段和紧凑叙事场景所需的输出长度。

三档分辨率

每次生成都可选择 480p、720p 或 1080p 输出,其中 1080p 是通过对 720p 进行放大得到的。快速迭代时可使用较低档位,将最大画幅留给精修预览或最终交付。清晰的分辨率选项让制作流程能够根据短片的实际使用场景,在画面细节、后续带宽和成本之间取得平衡。

原生音频与唇形同步语音

每个生成的短片都自带原生音频,台词还可以与可见的唇部动作同步。你可以在描述场景的同时加入对白、环境声、音乐或音效,让画面与声音一并生成。对于角色对话、音乐驱动的剪辑和氛围感丰富的叙事,这种组合式输出减少了单独制作音频环节的需求。

一个提示词生成七种格式

文生视频请求支持生成七种宽高比:16:9、4:3、3:2、1:1、2:3、3:4 和 9:16。生成前设置格式,即可匹配横屏、方形或竖屏交付。图生视频则会遵循所提供的起始画面,帮助动作延续源图像中已经确定的构图,适用于常见的数字发布流程。

Grok Imagine Video 1.5 Lite:每秒 $0.02

Grok Imagine Video 1.5 Lite 按每生成秒 $0.02 的标准价格计费,适合注重成本的视频工作流。使用量采用透明的按秒计费方式,因此无论是短测试还是长时间渲染,都易于预测成本。Atlas Cloud 通过一个 API 统一提供文本和图像生成能力,为需要反复制作短片的产品简化集成流程。

一个提示词,三种视觉:Grok Imagine Video 1.5 Lite

了解 Grok Imagine Video 1.5 Lite 与两个 Atlas Cloud 替代方案如何诠释相同的电影感提示词,呈现写实动作与风格化奇幻效果。

提示词

一段 8–10 秒的微型动作叙事,场景设在芭蕾舞首演的后台:一名芭蕾舞者俯身系紧足尖鞋时,一条猩红色缎带突然拥有生命,飞快逃走。开场以极端微距特写呈现鞋尖、绷紧的鞋带和闪烁的丝绸纤维;镜头快速向前推进,缎带挣脱而出,随后降至地面高度,以追踪镜头贴着它疾驰:缎带绕过服装架,在旋转的布景轮之间穿行,从幕布下方猛然掠过,并将松散的羽毛卷成旋转的涡流。舞者始终保持芭蕾姿态追逐——快速连续旋转(chaîné)、大幅交叉步、精准跃过滚动道具,随后无缝地以膝盖高度从悬挂的服装下方滑行而过——同时镜头穿过服装架与舞台机械进行可信的遮挡追踪。镜头快速摇摄进入冷蓝灰色的侧廊,以横向广角镜头拍摄她最后一段加速动作;幕布升起前一秒,她跃起并用足尖鞋将缎带钉在地面。转折:缎带立刻像有生命的舞伴一样螺旋缠上她的手臂。镜头从她身后紧密跟拍,她冲过开启的幕布,进入琥珀金色的舞台;缎带舒展开来,化为一位优雅、半透明的虚拟舞伴,与她一同完成第一个旋转。灯光从后台冷峻的青灰色阴影戏剧性地过渡到明亮的琥珀金色脚灯,猩红色始终引导画面构图。手绘水粉动画融合写实丝绸质感,富有表现力的笔触,流畅灵活的身体物理效果,连续优雅的运动,稳定的人物设计,精细的布料碰撞,无慢动作,无静态填充画面。音频:急促的足尖鞋敲击声、缎带的沙沙声、布景轮的 rattling 声、羽毛 fluttering 的声音、逐渐高涨的管弦乐弦乐声,随后在幕布开启时响起明亮的音乐重击;无对白、无字幕、无文字、无界面元素。16:9 宽高比。

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

提示词

一段 8–10 秒的超写实电影感微距镜头,场景位于黎明时分一间传统威尼斯玻璃吹制工坊内:一名额头覆着汗珠的女性玻璃工匠持续旋转一根长吹管,站在 roaring furnace 旁,将橙红色熔融玻璃吹制成一只透明的火鸟,拥有精致的琥珀色翅膀和钴蓝色点缀。开场以极端微距特写呈现黏稠玻璃的呼吸、拉伸,以及火焰在其中的折射;镜头快速向后移动,进入越肩追踪镜头,此时活生生的玻璃鸟突然挣脱出来,在闪烁的热浪中振翅飞行,掠过悬挂的高脚杯,并撞落一串细小玻璃珠;玻璃珠散开、弹跳、旋转,并在符合物理规律的碰撞中发出清脆声响。她立即作出反应,举起长钢钳追随它的轨迹;镜头快速摇摄,进入围绕熔炉的快速无缝环绕运动,火鸟完成一整圈流畅飞行,其透明身体弯曲映照周围的反射与暖光,同时保持设计不变。最后以戏剧性的低角度拍摄:火鸟主动落在钳尖上,收拢翅膀,结晶成一件精美的微型饰品;她稳住饰品,气喘吁吁却面带微笑。以熔炉火焰作为主光源,窗外靛蓝色黎明光形成轮廓光,控制琥珀色、钴蓝色与水晶般清澈的高光,呈现真实的热 distortion、熔融玻璃变形、反射、折射、火花、汗水,以及连续稳定的主体身份。清晰的高速运动与自然运动模糊,无慢动作,无静态填充画面,无破坏连续性的剪辑。沉浸式同步音频:熔炉轰鸣、玻璃工匠有节奏的呼吸、如翅膀般的水晶鸣响、摇摆的高脚杯、倾泻而下的玻璃珠叮咚声、金属钳的咔嗒声,以及最终变形时短暂闪耀的音乐声。无屏幕、无软件界面、无仪表板、无进度条、无图表、无标题文字、无字幕、无 logo、无水印、无多余肢体、无扭曲的手、无重复工具、无不一致的鸟类解剖结构、无不透明玻璃、无塑料质感表面、无缺乏物理互动的漂浮物体、无闪烁的身份变化。16:9 宽高比。

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

使用 Grok Imagine Video 1.5 Lite 让创意动起来

Grok Imagine Video 1.5 Lite 可将文本提示词或起始图像转换为 1 到 15 秒的视频片段,并原生生成音频,为社交媒体创意、产品动画、口型同步对白、广告变体、预览片和旁白分镜提供实用方案。

Grok Imagine Video 1.5 Lite 社交媒体创意

将文字创意转换为带原生音频的 1 到 15 秒视频片段,用于社交媒体内容实验。创作者仅凭文本即可构思简洁的营销活动创意、平台预告片或系列视觉内容。

让产品静帧动起来

从产品图像出发,制作带原生音频的 1 到 15 秒动态序列。无需以纯文本作为起点,即可生成适用于产品展示、店铺预览或宣传素材的内容。

口型同步的角色片段

在一次输出中,将生成的视频与原生音频及口型同步对白结合起来。适用于角色对话、旁白式反应或需要清晰可见语音对齐的短篇故事情节。

Grok Imagine Video 1.5 Lite 广告变体

模型按每秒 $0.02 的价格,将提示词或起始图像转换为带原生音频的短视频。营销团队可以测试多种创意、开场点和视觉方向,同时保持生成成本可预测。

多分辨率视频预览

可选择 480p、720p 或 1080p 输出,其中 1080p 由 720p 放大生成,以满足审核和交付需求。开发者可通过同一模型系列创建轻量级原型、演示片段或更高分辨率的预览内容。

旁白分镜片段

将场景描述转换为带时间安排的视频草稿,并包含原生音频和口型同步对白。电影制作人和创意团队可以在投入更长周期的制作前,先直观呈现对白节奏、氛围和叙事节拍。

Grok Imagine Video 1.5 Lite 对比表现

根据输入工作流、片段时长、分辨率、原生音频和标准生成价格,对比 Grok Imagine Video 1.5 Lite 与 Atlas Cloud 的三款视频模型。

模型输入工作流片段时长输出分辨率原生音频标准价格
Grok Imagine Video 1.5 Lite文本、图像1 至 15 秒480p、720p、从 720p 升级至 1080p√$0.02/second
MiniMax H3 Text-to-Video文本4 至 15 秒480P、768P、2K√$0.038/second
Seedance 2.0 Mini Text-to-Video文本4 至 15 秒或自动480p、720p、720p-SR、1080p-SR、1440p-SR√$0.056/second
Veo 3.1 Lite Text-to-video文本4、6 或 8 秒720p、1080p(输出时长为 8 秒)√$0.05/second

如何在 Atlas Cloud 上使用 Grok Imagine Video 1.5 Lite

几分钟即可上手 — 按照以下简单步骤,通过 Atlas Cloud 平台集成和部署模型。

创建 Atlas Cloud 账户

在 atlascloud.ai 注册并完成验证。新用户可获得免费额度,用于探索平台和测试模型。

为何在 Atlas Cloud 使用 Grok Imagine Video 1.5 Lite

将先进的 Grok Imagine Video 1.5 Lite 模型与 Atlas Cloud 的 GPU 加速平台相结合,提供无与伦比的性能、可扩展性和开发体验。

性能与灵活性

低延迟:
GPU 优化推理,实现实时响应。

统一 API:
一次集成,畅用 Grok Imagine Video 1.5 Lite、GPT、Gemini 和 DeepSeek。

透明定价:
按 Token 计费,支持 Serverless 模式。

企业与规模

开发者体验:
SDK、数据分析、微调工具和模板一应俱全。

可靠性:
99.99% 可用性、RBAC 权限控制、合规日志。

安全与合规:
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。

Grok Imagine Video 1.5 Lite 常见问题

Grok Imagine Video 1.5 Lite 是 xAI 在 Video 1.5 系列中成本最低的模型,可根据文本或起始图像生成短视频片段。它支持生成时长为 1 到 15 秒、带原生音频和唇形同步语音的视频。

将文字提示词转换为完整视频,或将现有图像作为新场景的首帧进行动画化。两种生成模式都能在同一次生成中产出同步对白、环境音和音效。

仅根据提示词生成时,选择 text-to-video endpoint;如果有起始帧,则选择 image-to-video endpoint。输入提示词,选择时长和分辨率,然后提交请求。进行图像动画化时,还需提供所需的源图像。

可以。模型会在生成画面的同时原生生成音频,并支持唇形同步语音。在提示词中描述所需的对白、环境氛围和音效,以便将其融入场景。

视频片段时长可为 1 到 15 秒,输出分辨率支持 480p、720p 或 1080p。1080p 选项由 720p 放大而来,并非以原生 1080p 渲染。

你提供的图像会成为首帧,提示词则用于指导后续运动、镜头行为和音频。生成的视频片段会遵循源图像的宽高比。

Atlas Cloud 对 text-to-video 和 image-to-video endpoint 均列出每生成 1 秒视频 $0.02 的标准价格。按量付费时,费用会根据请求的输出时长相应增加。

Lite 侧重于以更低成本进行 text-to-video 和 image-to-video 生成,适合较简单的制作需求。完整的 Video 1.5 模型面向需要参考图像、语音参考、固定帧或原生 1080p 输出的工作流。如果成本高效的迭代比这些高级控制功能更重要,可以选择 Lite。

探索更多系列

Seedance 2.5

Seedance 2.5 API 现已在 Atlas Cloud 上线!它为开发者提供了 ByteDance 最新的视频模型。该模型可通过文本、单张图像或多达 50 个多模态参考,一次性生成长达 30 秒的原生视频,并包含同步音频和画面内的多语言文本。在 Atlas Cloud 上,您可以通过单个密钥访问它,其主体一致性和改进的物理特性能够保持长镜头的连贯性。

查看系列

Wan 3.0

Wan 3.0 API 是阿里巴巴 Wan 视频系列的下一代产品,旨在将长视频生成、多参考控制和音视频质量推向新的高度。Atlas Cloud 已经托管了 Wan 2.7、2.6 和 2.5,而 Wan 3.0 使用相同的统一密钥运行,无需额外设置。立即开始构建吧。向下滚动至展示区,查看 Wan 3.0 的创作能力。

查看系列

MiniMax H3

MiniMax H3 是 MiniMax 的多模态视频系列,支持文本、图像和参考内容引导创作。在支持的路由中,它能够保留参考媒体中的主体,提供灵活的宽高比,并通过 H3 Developer 将生成的声音与画面结合;输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列,并提供透明的按量付费定价,标准费率为每秒 $0.038。立即开始构建。

查看系列

Seedream 5.0 Pro

Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑,将图像分离为可编辑图层,融合多个参考,并精准匹配颜色和材质,支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上,您只需一个密钥即可访问!

查看系列

Seedance 2.0

Seedance 2.0 是 ByteDance 面向生产环境的视频模型,专用于精准镜头创作。将提示词转换为视频,使用首帧图像生成动画并可选用尾帧引导,或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中,提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。

查看系列

GPT Image 2.5

OpenAI 的 gpt-image-2.5 系列为开发者提供 Flare 和 Sunburst 两种选择,满足生产级图像工作流需求。支持最高 3840x2160 的任意分辨率渲染,并提供包括 xhigh 和 max 在内的五档质量等级,以匹配特定的输出要求。Atlas Cloud 提供开箱即用的 REST 推理服务,无冷启动,每次生成起价 $0.004,采用标准定价。立即开始构建。

查看系列

GPT Image 2

GPT Image 2 API 为开发者提供了访问 OpenAI 最新图像模型的途径,它是 GPT Image 1.5 的继任者。该模型可生成和编辑图像,能够在拉丁和 CJK 文字上实现准确的文本渲染,并在海报、样机和信息图表方面具备强大的排版能力。在 Atlas Cloud 上,您可以通过一个统一的 API 与 300 多个模型一起访问它,并享受免费额度、99.99% 的正常运行时间,且无需 OpenAI 组织验证。

查看系列

Gemini Omni Flash

Gemini Omni 是 Google DeepMind 原生多模态视频系列,支持通过提示词引导创作与编辑。可从文本生成视频、让静态图像动起来,或在可选视觉参考的辅助下修改现有素材,同时保留未改动的内容。灵活的分辨率、宽高比和时长控制,满足多样化的制作流程。Atlas Cloud 通过透明的按需付费定价模式,统一提供访问能力。立即开始构建。

查看系列

Grok Imagine

Grok Imagine API 涵盖 xAI 的图像、视频和语音模型,包括 Image 2.0、Video 1.5 和 xAI TTS v1。支持生成跨 14 种宽高比的 1K 或 2K 静帧、生成最长 15 秒的 1080p 视频、通过最多 7 张参考图像引导镜头、或用 20 种语言进行配音。Atlas Cloud 在单一端点上运行所有功能,采用按量计费,起价为每张图像 $0.02、每秒 $0.05。立即开始使用。

查看系列

Google

Google最强大的创意模型现已在Atlas Cloud上全面可用。Veo 3.1提供电影级别的视频生成,Nano Banana 2支持高保真图像创建,而Gemini为每个工作流带来多模态智能。通过单一API key即可访问完整的Google模型套件,提供Day-0可用性和按需付费(pay-as-you-go)定价。

查看系列

Seedance 2.0 Mini

Seedance 2.0 Mini 将 ByteDance 的多模态视频生成技术引入到对速度和成本要求极高的工作流中。它以更轻量的占用空间提供 Seedance 2.0 的核心能力——更快的生成速度、更低的单条视频成本,并且使用您现有的同款 API 集成。对于运行高吞吐量流水线或进行大规模原型设计的团队来说,Mini 是最实用的默认选择。

查看系列

ByteDance

从电影级视频生成到高保真图像创建,ByteDance 最强大的模型现已在 Atlas Cloud 上线。以最低的推理定价和零基础设施开销,大规模运行 Seedance 和 Seedream。

查看系列

一个 API,畅享全模态 AI。

探索全部模型