Grok Imagine Video 1.5 : le modèle vidéo de xAI — son, 14 références, voix et images clés

Qu’est-ce que Grok Imagine Video 1.5

Grok Imagine Video 1.5 est le modèle de génération vidéo de xAI, l’entreprise du chatbot Grok. Il est sorti en deux temps :

• 16 juin 2026 — animation de photos et la version rapide Video 1.5 Fast dans les applis Grok ; le modèle d’API est sorti de l’aperçu ;
• 31 juillet 2026 — images de référence et voix, vidéo à partir d’un texte et 1080p.

En octobre 2026, la version allégée Grok Imagine Video 1.5 Lite l’a rejoint. Le modèle tourne sur grok.com/imagine, dans les applis Grok pour iOS et Android et via l’API xAI sous le nom grok-imagine-video-1.5. Les images du même ensemble viennent d’Imagine Image 2.0 — les deux modèles sont présentés sur la page Grok Imagine.

Ce que sait faire Grok Imagine Video 1.5

Des clips avec le son, de 1 à 15 secondes. Bruitages, ambiance et voix calée sur les lèvres sont générés dans la même passe que l’action. On peut couper le son et obtenir un clip muet.

1080p natif. À partir d’un texte ou d’une photo, le modèle dessine le 1080p directement, sans upscaling. Le réglage par défaut est 480p, prévu pour les brouillons. En mode références, le plafond est 720p.

Neuf formats d’image. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 et les plus rares 21:9 et 5:2 — pour les bannières et les couvertures larges. Quand on anime une photo, le format est celui de l’image source.

Physique et mouvement. xAI présente la 1.5 comme son meilleur modèle de mouvement : moins de déformations, un poids et une inertie des corps plus crédibles.

Texte vers vidéo, via une image. Si le prompt n’a pas d’image, le modèle dessine d’abord une image de départ, puis l’anime.

Un personnage à travers plusieurs scènes. Jusqu’à 14 images de référence tiennent le visage et l’apparence du personnage. La voix se règle à part : jusqu’à 3 personnages qui parlent par clip, chacun avec sa voix tirée d’un catalogue déjà prêt.

Première image, dernière image et images clés. Vous pouvez figer la dernière image exacte et, avec une image source, la première aussi. Entre les deux, jusqu’à 4 images clés : chacune est liée à un moment du clip, au pas d’un tiers de seconde.

Avec des images, des références ou des images clés, le prompt est facultatif : le modèle peut prendre le mouvement dans les images elles-mêmes. Décrire l’action et le son donne un résultat plus prévisible.

Video 1.5, Fast et Lite : les différences

	Video 1.5	Video 1.5 Fast	Grok Imagine Video 1.5 Lite
Où	applis et API	applis Grok	API
Vitesse	un clip complexe peut prendre plusieurs minutes	6 s en 720p, environ 25 secondes	plus rapide que le modèle complet
1080p	natif	—	upscaling depuis le 720p
Durée	1–15 s	—	1–15 s
Références et voix	14 images, 3 voix	—	non
Première, dernière image et images clés	oui	—	non
Prix dans l’API	0,08 $ par seconde	—	0,02 $ par seconde

Fast est un mode des applis Grok : xAI indique qu’il est presque deux fois plus rapide que le modèle précédent, qui mettait plus de 40 secondes pour un clip de 6 secondes en 720p. Lite est un modèle d’API à part, pour des clips simples à partir d’un seul prompt ou d’une photo.

À quoi sert Grok Imagine Video 1.5

• Des clips courts et dynamiques : sport, animaux, cascades, ralenti au bon moment.
• Des séries avec un personnage et une voix — jusqu’à 14 références et 3 voix.
• Des clips avec une fin imposée : la première et la dernière image fixent le début et la fin de la scène.
• Une trajectoire complexe — un objet en vol, une caméra qui traverse des pièces — à partir de 4 images clés.
• Des bannières et des couvertures 21:9 et 5:2 avec du mouvement.

Grok Imagine Video 1.5 et les autres modèles

	Grok Imagine Video 1.5	Kling 3.0	Veo 3.1	Seedance 2.0
Développeur	xAI	Kuaishou	Google DeepMind	ByteDance Seed
Durée par génération	1–15 s	jusqu’à 15 s	4, 6, 8 s	4–15 s
Résolution max	1080p	4K	4K	4K
Références	14 images, 3 voix	jusqu’à 7 images ou éléments	jusqu’à 3 images	9 photos, 3 vidéos, 3 audios
Images clés	première, dernière et jusqu’à 4 intermédiaires	première et dernière	première et dernière	première et dernière
Formats 21:9 et 5:2	oui	—	—	21:9
Dans AI2Face	oui	oui	oui	oui

Grok Imagine Video 1.5 se distingue par les images clés intermédiaires et par le nombre d’images de référence. Pour le 4K et les longs dialogues, tournez-vous vers Kling 3.0 et Veo 3.1 ; pour des références vidéo et audio, vers Seedance 2.0.

Comment écrire des prompts pour Grok Imagine Video 1.5

1. Décrivez l’action dans l’ordre : ce qui se passe au début, au milieu et à la fin du clip.
2. Ajoutez la caméra : « la caméra suit par derrière », « ralenti au sommet du saut », « orbite ».
3. Mettez le son sur sa propre ligne : répliques entre guillemets, bruits, musique ou absence de musique.
4. Avec des images clés, décrivez les transitions entre elles, pas les images elles-mêmes — les images disent déjà ce qu’elles contiennent.
5. Le brouillon en 480p, la version finale en 720p ou 1080p.

Un prompt pour les images clés ci-dessus :

Un garçon lance un avion en papier depuis le bureau du fond. L'avion plane
doucement au-dessus des bureaux, tourne vers la fenêtre ensoleillée, attrape
un courant d'air et se pose en douceur sur le bureau du professeur, à côté
du globe. La caméra suit l'avion de côté, et à la fin un léger travelling avant sur le bureau.
Son : froissement du papier, rires étouffés de la classe, chants d'oiseaux derrière la fenêtre, pas de musique.

Comment utiliser Grok Imagine Video 1.5 dans AI2Face

Grok Imagine Video 1.5 est dans le générateur AI2Face, à côté de Kling 3.0, Veo 3.1 et Seedance 2.0.

1. Inscrivez-vous — les nouveaux comptes reçoivent des crédits de bienvenue.
2. Ouvrez le générateur, passez en vidéo et choisissez Grok Imagine Video 1.5.
3. Importez une photo, des références ou des images clés, écrivez le prompt, réglez la durée et la résolution.
4. Le coût en crédits s’affiche avant le lancement. Le paiement se fait par carte ou en crypto, et les crédits des packs n’expirent pas.

Le détail des modes et des limites dans Grok lui-même est dans le guide Grok vidéo. Les images clés et les références du personnage se préparent avec Nano Banana Pro dans le même générateur.

Limites

• 720p avec références. Le 1080p natif ne vaut que pour le texte vers vidéo et la photo vers vidéo.
• Pas de retouche ni de prolongement dans la 1.5. xAI retouche le clip avec l’ancien modèle Grok Imagine Video, en 720p et pour des clips jusqu’à 8,7 secondes.
• Des voix issues d’un catalogue. Dans l’API, chacun des 3 personnages qui parlent reçoit une voix du catalogue préparé par xAI.
• Temps de génération. Un clip complexe en haute résolution peut prendre plusieurs minutes.
• Modération. Les requêtes et les résultats sont filtrés selon les règles de xAI ; un clip bloqué est renvoyé par l’API avec une marque.

En résumé

Grok Imagine Video 1.5 est un bon choix pour les clips courts et dynamiques et pour les scènes dont la trajectoire doit être précise : les images clés intermédiaires n’existent que chez lui. 14 références et 3 voix permettent de suivre un personnage sur une série. S’il vous faut du 4K ou un long dialogue, comparez avec Kling 3.0 et Veo 3.1. Pour des clips simples à partir d’une seule photo, Grok Imagine Video 1.5 Lite coûte moins cher.