xAI 已将图像生成视频模型「Grok Imagine Video 1.5」切换为正式提供。除了面向开发者的「Imagine API」，现在还可以在网页版 grok.com/imagine，以及 Grok 的 iOS、Android 应用中使用。最大的变化是生成速度和音频：高速版约 25 秒就能输出一段 6 秒的 720p 视频，并在生成画面的同一过程中一并生成音效、台词等声音。马斯克（Elon Musk）也于 6 月 17 日宣布将其广泛开放。
加速的「图像转视频」，并内建音频
Grok Imagine 的用法是：提供一张静态图片和一段描述动作的提示词，便可生成一段短视频。这次的 1.5 版大幅提升了生成速度。高速模式「Video 1.5 Fast」约 25 秒即可输出一段 6 秒的 720p 视频，而上一代需要 40 秒以上，等待时间几乎缩短一半。
与速度并列的另一大亮点是音频。此前许多视频生成 AI 都是先生成无声画面，音效或旁白需要在另一个环节再行合成。Grok Imagine Video 1.5 则在同一次生成中把画面动作与声音一起做出来。由于可以在提示词中指定背景氛围、环境声以及人物动作，从而省去事后另配音频的工夫。
生成变快也改变了创作者反复试做的方式。每段的等待时间缩短，就能尽早舍弃效果不佳的版本去尝试下一个，而不必等完长时间的渲染后，才发现动作、节奏或声音对不上。
物理表现改进，但分辨率上限为 720p
xAI 表示也打磨了画面的自然度。它重新处理了物体与人物的重量、惯性等动作表现，抑制了手、物体和角色动作不自然扭曲的现象。这类破绽正是让观众一眼看出「这是 AI 生成」的弱点。
不过，明显的上限依然存在。Grok Imagine Video 1.5 的输出最高为 720p，不支持 1080p。在已有竞品能输出 1080p 的情况下，这道差距并非仅凭速度和价格就能弥补。面向社交平台的短视频和企划阶段的试做用 720p 尚可应付，但对画质要求较高的客户项目而言，分辨率仍是采用的门槛。
价格设定相对较低。据报道，每分钟视频的生成费用约为 4.20 美元（约 680 日元）。低成本的使用方式，只要输出画质能保持一定水准，对谷歌的 Veo、Runway 等高功能工具来说便成了有利的比较点。
※1 美元 = 162 日元（截至 2026 年 6 月）
面向制作流程的新工具
除了生成功能本身，xAI 还将陆续加入整理工作的配套工具：把相关生成物归类的「Projects」、让多个提示词同时并行运行的机制，以及检索过去所做图片和视频的「资料库搜索」等。
它们让创作者不必逐个等待生成完成，而能并行尝试多个方向，并能从保存处迅速找到已生成的素材。对广告、营销活动等短视频这类需要在众多方案中快速比较、筛选的工作而言，这样的支撑作用会逐渐显现。
在群雄并起的视频生成 AI 中的位置
在以两两比较衡量人类偏好的独立排行榜「Image-to-Video Arena」上，Grok Imagine Video 1.5 位居前列，Elo 分数约为 1,330。在同样的图像转视频赛道上，还有 ByteDance 的「Seedance 2.0」、Kuaishou 的「Kling 2.6」、MiniMax 的「Hailuo」等已经出货的竞品。
Grok Imagine 是自 2025 年延续下来的产品系列，过去也曾因以真实人物为素材生成不当影像而受到指摘。这次的 1.5 版可定位为在该系列之上叠加了速度、音频与制作辅助的更新。剩下最大的课题是 1080p 支持，若不到位，对注重画质的业务用途而言制约仍将持续。
总结
Grok Imagine Video 1.5 为图像转视频的生成 AI 带来了「速度」与「音频同步生成」，约 25 秒即可输出一段 6 秒的 720p 视频。它具备物理表现的改进，以及可并行尝试多个方案的制作工具，并以低价为武器向竞品发起挑战。即便如此，输出最高仍为 720p，相对能输出 1080p 的竞品仍存在画质方面的制约。速度与价格的便利，在正式的制作现场能走多远，将是接下来要面对的问题。
