# Grok Imagine Video 1.5: das Videomodell von xAI — Ton, 14 Referenzen, Stimmen und Keyframes

> Grok Imagine Video 1.5 ist das Videomodell von xAI und erschien am 16. Juni 2026. Es erzeugt Clips mit Ton und lippensynchroner Sprache von 1 bis 15 Sekunden, aus Text in nativem 1080p, und nimmt seit dem 31. Juli bis zu 14 Referenzbilder, bis zu 3 Stimmen, erstes und letztes Bild sowie bis zu 4 Keyframes an. Die API kostet 0,08 $ pro Sekunde. Grok Imagine Video 1.5 ist im Generator von AI2Face verfügbar.

Entwickler: xAI · Veröffentlicht: 2026-06-16 · Aktualisiert am 2026-10-27
URL: https://ai2face.com/de/models/grok-imagine-video-1-5

## Wichtige Fakten

| | |
|---|---|
| Entwickler | xAI |
| Erscheinungsdatum | 16. Juni 2026; Referenzen, Text-zu-Video und 1080p am 31. Juli 2026 |
| Was es macht | Video mit Ton aus Text, einem Foto, Referenzen, erstem und letztem Bild oder Keyframes |
| Dauer | 1–15 Sekunden, standardmäßig 8 |
| Auflösung | 480p, 720p, natives 1080p; mit Referenzen bis 720p |
| Seitenverhältnis | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2 |
| Referenzen | Bis zu 14 Bilder und bis zu 3 Stimmen |
| Keyframes | Erstes und letztes Bild, dazu bis zu 4 dazwischen im Raster von einer Drittelsekunde |
| API-Preis | 0,08 $ pro Sekunde Video |
| In AI2Face | Ja, im Generator |

## Was ist Grok Imagine Video 1.5

Grok Imagine Video 1.5 ist das Videomodell von xAI, dem Unternehmen hinter dem Chatbot Grok. Es kam in zwei Schritten:

- **16. Juni 2026** — Foto-Animation und die schnellere Version Video 1.5 Fast in den Grok-Apps; das API-Modell verließ die Vorschau;
- **31. Juli 2026** — Referenzbilder und Stimmen, Text-zu-Video und 1080p.

Im Oktober 2026 kam die leichtere Fassung [Grok Imagine Video 1.5 Lite](/de/news/grok-imagine-video-1-5-lite) dazu. Das Modell läuft auf grok.com/imagine, in den Grok-Apps für iOS und Android und über die xAI-API unter dem Namen `grok-imagine-video-1.5`. Bilder im selben System erzeugt Imagine Image 2.0 — beide Modelle stehen auf der Seite [Grok Imagine](/de/models/grok-imagine).

## Was Grok Imagine Video 1.5 kann

**Clips mit Ton, 1–15 Sekunden.** Geräusche, Atmosphäre und lippensynchrone Sprache entstehen im selben Durchgang wie die Handlung. Den Ton können Sie abschalten und einen stummen Clip bekommen.

**Natives 1080p.** Aus Text oder einem Foto rendert das Modell 1080p direkt, ohne Hochskalierung. Voreingestellt ist 480p, gedacht für Entwürfe. Im Referenzmodus liegt die Obergrenze bei 720p.

**Neun Seitenverhältnisse.** 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 und die selteneren 21:9 und 5:2 — für Banner und breite Cover. Beim Animieren eines Fotos übernimmt das Modell das Format des Ausgangsbilds.

**Physik und Bewegung.** xAI nennt 1.5 sein bestes Bewegungsmodell: weniger Verzerrungen, glaubwürdigeres Gewicht und glaubwürdigere Trägheit der Körper.

**Text-zu-Video über ein Bild.** Hat der Prompt kein Bild, zeichnet das Modell zuerst ein Startbild und animiert es dann.

**Eine Figur über mehrere Szenen.** Bis zu 14 Referenzbilder halten Gesicht und Aussehen der Figur. Die Stimme wird extra gesetzt: bis zu 3 sprechende Figuren pro Clip, jede mit einer eigenen Stimme aus einem fertigen Satz.

**Erstes Bild, letztes Bild und Keyframes.** Sie können das exakte letzte Bild festlegen und mit einem Ausgangsbild auch das erste. Dazwischen passen bis zu 4 Keyframes, jeder an einen Moment im Clip gebunden, im Raster von einer Drittelsekunde.

![Vier Bilder in einer Reihe: ein Junge lässt im Klassenzimmer einen Papierflieger steigen, der über die Tische gleitet, am Fenster vorbei und auf dem Lehrerpult neben einem Globus landet](https://ai2face.com/_astro/keyframes.B6cBNsAO_mNTWM.jpg "Keyframes für Grok Imagine Video 1.5: vier Bilder geben die Bahn des Fliegers vor, das Modell füllt die Bewegung dazwischen. Bilder mit Nano Banana Pro")

Bei Bildern, Referenzen oder Keyframes ist der Prompt optional: Das Modell kann die Bewegung aus den Bildern selbst nehmen. Eine Beschreibung von Handlung und Ton macht das Ergebnis vorhersehbarer.

## Video 1.5, Fast und Lite im Vergleich

| | Video 1.5 | Video 1.5 Fast | [Grok Imagine Video 1.5 Lite](/de/news/grok-imagine-video-1-5-lite) |
|---|---|---|---|
| Wo | Apps und API | Grok-Apps | API |
| Tempo | ein komplexer Clip kann mehrere Minuten dauern | 6 s in 720p in etwa 25 Sekunden | schneller als das volle Modell |
| 1080p | nativ | — | aus 720p hochskaliert |
| Länge | 1–15 s | — | 1–15 s |
| Referenzen und Stimmen | 14 Bilder, 3 Stimmen | — | keine |
| Erstes, letztes Bild und Keyframes | ja | — | nein |
| Preis in der API | 0,08 $ pro Sekunde | — | 0,02 $ pro Sekunde |

Fast ist ein Modus der Grok-Apps: xAI schreibt, er sei fast doppelt so schnell wie das vorherige Modell, das für einen 6-Sekunden-Clip in 720p mehr als 40 Sekunden brauchte. Lite ist ein eigenes API-Modell für einfache Clips aus einem Prompt oder einem Foto.

## Wofür sich Grok Imagine Video 1.5 eignet

- **Kurze, dynamische Clips:** Sport, Tiere, Stunts, Zeitlupe im richtigen Moment.
- **Serien mit einer Figur und Stimme** — bis zu 14 Referenzen und 3 Stimmen.
- **Clips mit festem Ende:** Erstes und letztes Bild legen fest, wie die Szene beginnt und endet.
- **Eine komplexe Bahn** — ein fliegendes Objekt, eine Kamera durch mehrere Räume — aus 4 Keyframes.
- **Banner und Cover in 21:9 und 5:2** mit Bewegung.

## Grok Imagine Video 1.5 und Alternativen

| | Grok Imagine Video 1.5 | [Kling 3.0](/de/models/kling-3-0) | [Veo 3.1](/de/models/veo-3-1) | [Seedance 2.0](/de/models/seedance-2-0) |
|---|---|---|---|---|
| Entwickler | xAI | Kuaishou | Google DeepMind | ByteDance Seed |
| Länge pro Generierung | 1–15 s | bis 15 s | 4, 6, 8 s | 4–15 s |
| Maximale Auflösung | 1080p | 4K | 4K | 4K |
| Referenzen | 14 Bilder, 3 Stimmen | bis zu 7 Bilder oder Elemente | bis zu 3 Bilder | 9 Fotos, 3 Videos, 3 Audios |
| Keyframes | erstes, letztes und bis zu 4 dazwischen | erstes und letztes | erstes und letztes | erstes und letztes |
| Formate 21:9 und 5:2 | ja | — | — | 21:9 |
| In AI2Face | ja | ja | ja | ja |

Grok Imagine Video 1.5 hebt sich durch Zwischen-Keyframes und die Zahl der Bildreferenzen ab. Für 4K und lange Dialoge nehmen Sie Kling 3.0 und Veo 3.1, für Referenzen aus Video und Audio Seedance 2.0.

## So schreiben Sie Prompts für Grok Imagine Video 1.5

1. **Beschreiben Sie die Handlung der Reihe nach:** was am Anfang, in der Mitte und am Ende des Clips passiert.
2. **Ergänzen Sie die Kamera:** „die Kamera folgt von hinten“, „Zeitlupe auf dem Höhepunkt des Sprungs“, „Umrundung“.
3. **Schreiben Sie den Ton in eine eigene Zeile:** Dialog in Anführungszeichen, Geräusche, Musik oder keine Musik.
4. **Bei Keyframes** beschreiben Sie die Übergänge dazwischen, nicht die Bilder selbst — die Bilder legen schon fest, was darin zu sehen ist.
5. **Den Entwurf machen Sie in 480p,** die Endfassung in 720p oder 1080p.

Ein Prompt zu den Keyframes oben:

```
Ein Junge lässt von der hinteren Bank einen Papierflieger steigen. Der Flieger
gleitet ruhig über die Tische, dreht zum sonnigen Fenster, fängt einen Luftzug
und landet sanft auf dem Lehrerpult neben dem Globus. Die Kamera folgt dem
Flieger von der Seite, am Ende ein leichter Zoom auf das Pult.
Ton: Papierknistern, gedämpftes Lachen der Klasse, Vogelgezwitscher vor dem Fenster, keine Musik.
```

## So nutzen Sie Grok Imagine Video 1.5 in AI2Face

Grok Imagine Video 1.5 steht im Generator von AI2Face neben [Kling 3.0](/de/models/kling-3-0), [Veo 3.1](/de/models/veo-3-1) und [Seedance 2.0](/de/models/seedance-2-0).

1. Registrieren Sie sich — neue Konten bekommen Startguthaben.
2. Öffnen Sie den Generator, wechseln Sie zu Video und wählen Sie Grok Imagine Video 1.5.
3. Laden Sie ein Foto, Referenzen oder Keyframes hoch, schreiben Sie den Prompt und stellen Sie Länge und Auflösung ein.
4. Die Kosten in Credits sehen Sie vor dem Start. Sie zahlen per Karte oder Krypto, und Guthaben aus Paketen verfällt nicht.

Die Schritt-für-Schritt-Erklärung der Modi und Limits in Grok selbst steht im Guide [Grok Video](/de/blog/grok-video). Keyframes und Figurenreferenzen legen Sie mit [Nano Banana Pro](/de/models/nano-banana-pro) im selben Generator an.

## Grenzen

- **720p mit Referenzen.** Natives 1080p gilt nur für Text-zu-Video und Foto-zu-Video.
- **Keine Bearbeitung und keine Verlängerung in 1.5.** Die Clip-Bearbeitung macht xAI mit dem älteren Modell Grok Imagine Video, in 720p und für Clips bis 8,7 Sekunden.
- **Stimmen aus einem Satz.** In der API bekommt jede der 3 sprechenden Figuren eine Stimme aus dem fertigen Satz von xAI.
- **Generierungszeit.** Ein komplexer Clip in hoher Auflösung kann mehrere Minuten dauern.
- **Moderation.** Anfragen und Ergebnisse werden nach den Regeln von xAI gefiltert; einen blockierten Clip gibt die API mit einer Markierung zurück.

## Fazit

Grok Imagine Video 1.5 ist eine starke Wahl für kurze, dynamische Clips und für Szenen, deren Bahn genau sitzen muss: Zwischen-Keyframes hat nur dieses Modell. 14 Referenzen und 3 Stimmen tragen eine Figur durch eine Serie. Wenn Sie 4K oder einen langen Dialog brauchen, vergleichen Sie es mit [Kling 3.0](/de/models/kling-3-0) und [Veo 3.1](/de/models/veo-3-1). Für einfache Clips aus einem Foto ist [Grok Imagine Video 1.5 Lite](/de/news/grok-imagine-video-1-5-lite) günstiger.

## Häufige Fragen

### Was ist Grok Imagine Video 1.5?

Ein Videomodell von xAI, dem Unternehmen hinter dem Chatbot Grok. Es erzeugt Clips mit Ton und Sprache aus Text, Fotos und Referenzen. Erschienen am 16. Juni 2026, der Referenzmodus kam am 31. Juli dazu.

### Wie viele Sekunden Video macht Grok Imagine Video 1.5?

1 bis 15 Sekunden pro Generierung, standardmäßig 8.

### Welche Auflösung hat Grok Imagine Video 1.5?

480p, 720p oder 1080p. 1080p rendert das Modell nativ, wenn der Clip aus Text oder einem Foto entsteht. Mit Referenzen liegt die Obergrenze bei 720p.

### Wie bleibt dieselbe Figur in verschiedenen Clips erhalten?

Laden Sie Bilder der Figur als Referenzen hoch — bis zu 14 — und weisen Sie eine Stimme zu: bis zu 3 sprechende Figuren pro Clip. Gesicht und Stimme bleiben von Szene zu Szene.

### Wodurch unterscheidet sich Video 1.5 von 1.5 Lite?

Lite ist viermal günstiger (0,02 $ statt 0,08 $ pro Sekunde), nimmt aber nur Text und ein Foto an, und 1080p entsteht per Hochskalierung. Referenzen, Stimmen und Keyframes hat Lite nicht.

### Gibt es Grok Imagine Video 1.5 in AI2Face?

Ja. Das Modell ist im Generator von AI2Face, und die Kosten stehen vor dem Start.

## Quellen

- https://x.ai/news/grok-imagine-video-1-5
- https://x.ai/news/grok-imagine-video-1-5-references
- https://docs.x.ai/developers/model-capabilities/video/generation
- https://docs.x.ai/developers/models/grok-imagine-video-1.5
- https://docs.x.ai/developers/models
- https://arena.ai/leaderboard/text-to-video