
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。
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。 |
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 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。
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。
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。
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。
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 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。
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。
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
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
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。
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。
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。
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。
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。
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。
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。
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 |
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。
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。
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。
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。
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 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。
指南、教程与产品动态,助你充分发挥 Atlas Cloud 的价值。