xAI 已將圖像生成影片模型「Grok Imagine Video 1.5」切換為正式提供。除了面向開發者的「Imagine API」，現在也能在網頁版 grok.com/imagine，以及 Grok 的 iOS、Android 應用程式中使用。最大的變化是生成速度與音訊：高速版約 25 秒就能輸出一段 6 秒的 720p 影片，並在生成畫面的同一道工序中一併產生音效、台詞等聲音。馬斯克（Elon Musk）也於 6 月 17 日表示將其廣泛開放。
加速的「圖像轉影片」，並內建音訊
Grok Imagine 的用法是：提供一張靜態圖片與一段描述動作的提示詞，便能生成一段短影片。這次的 1.5 版大幅提升了生成速度。高速模式「Video 1.5 Fast」約 25 秒即可輸出一段 6 秒的 720p 影片，而上一代需要 40 秒以上，等待時間幾乎縮短一半。
與速度並列的另一大亮點是音訊。先前許多影片生成 AI 都是先生成無聲畫面，音效或旁白需要在另一道工序再行合成。Grok Imagine Video 1.5 則在同一次生成中把畫面動作與聲音一起做出來。由於可以在提示詞中指定背景氛圍、環境聲以及人物動作，因而省去事後另配音訊的工夫。
生成變快也改變了創作者反覆試做的方式。每段的等待時間縮短，就能盡早捨棄成效不佳的版本去嘗試下一個，而不必等完長時間的算圖後，才發現動作、節奏或聲音對不上。
物理表現改進，但解析度上限為 720p
xAI 表示也打磨了畫面的自然度。它重新處理了物體與人物的重量、慣性等動作表現，抑制了手、物體與角色動作不自然扭曲的現象。這類破綻正是讓觀眾一眼看出「這是 AI 生成」的弱點。
不過，明顯的上限依然存在。Grok Imagine Video 1.5 的輸出最高為 720p，不支援 1080p。在已有競品能輸出 1080p 的情況下，這道差距並非僅憑速度與價格就能彌補。面向社群平台的短影片與企劃階段的試做用 720p 尚可應付，但對畫質要求較高的客戶專案而言，解析度仍是採用的門檻。
價格設定相對較低。據報導，每分鐘影片的生成費用約為 4.20 美元（約 680 日圓）。低成本的使用方式，只要輸出畫質能維持一定水準，對 Google 的 Veo、Runway 等高功能工具而言便成了有利的比較點。
※1 美元 = 162 日圓（截至 2026 年 6 月）
面向製作流程的新工具
除了生成功能本身，xAI 也將陸續加入整理工作的配套工具：把相關生成物歸類的「Projects」、讓多個提示詞同時並行執行的機制，以及檢索過去所做圖片與影片的「資料庫搜尋」等。
它們讓創作者不必逐一等待生成完成，而能並行嘗試多個方向，並能從儲存處迅速找到已生成的素材。對廣告、行銷活動等短影片這類需要在眾多方案中快速比較、篩選的工作而言，這樣的支撐作用會逐漸顯現。
在群雄並起的影片生成 AI 中的位置
在以兩兩比較衡量人類偏好的獨立排行榜「Image-to-Video Arena」上，Grok Imagine Video 1.5 位居前列，Elo 分數約為 1,330。在同樣的圖像轉影片賽道上，還有 ByteDance 的「Seedance 2.0」、Kuaishou 的「Kling 2.6」、MiniMax 的「Hailuo」等已經出貨的競品。
Grok Imagine 是自 2025 年延續下來的產品系列，過去也曾因以真實人物為素材生成不當影像而受到指摘。這次的 1.5 版可定位為在該系列之上疊加了速度、音訊與製作輔助的更新。剩下最大的課題是 1080p 支援，若未到位，對注重畫質的業務用途而言制約仍將持續。
總結
Grok Imagine Video 1.5 為圖像轉影片的生成 AI 帶來了「速度」與「音訊同步生成」，約 25 秒即可輸出一段 6 秒的 720p 影片。它具備物理表現的改進，以及可並行嘗試多個方案的製作工具，並以低價為武器向競品發起挑戰。即便如此，輸出最高仍為 720p，相對於能輸出 1080p 的競品仍存在畫質方面的制約。速度與價格的便利，在正式的製作現場能走多遠，將是接下來要面對的問題。
