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

> Grok Imagine Video 1.5 est le modèle vidéo de xAI, sorti le 16 juin 2026. Il produit des clips avec le son et une voix synchronisée, de 1 à 15 secondes, en 1080p natif à partir d'un texte, et depuis le 31 juillet il accepte jusqu'à 14 images de référence, 3 voix, la première et la dernière image et 4 images clés. L'API coûte 0,08 $ par seconde. Grok Imagine Video 1.5 est dans le générateur AI2Face.

Développeur: xAI · Sortie: 2026-06-16 · Mis à jour le 2026-10-27
URL: https://ai2face.com/fr/models/grok-imagine-video-1-5

## Faits clés

| | |
|---|---|
| Développeur | xAI |
| Date de sortie | 16 juin 2026 ; références, texte vers vidéo et 1080p le 31 juillet 2026 |
| Ce qu'il fait | Vidéo avec le son à partir d'un texte, d'une photo, de références, de la première et de la dernière image ou d'images clés |
| Durée | 1–15 secondes, 8 par défaut |
| Résolution | 480p, 720p, 1080p natif ; avec références, jusqu'à 720p |
| Format d'image | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2 |
| Références | Jusqu'à 14 images et jusqu'à 3 voix |
| Images clés | Première et dernière image, plus jusqu'à 4 intermédiaires au pas d'un tiers de seconde |
| Prix de l'API | 0,08 $ par seconde de vidéo |
| Dans AI2Face | Oui, dans le générateur |

## 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](/fr/news/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](/fr/models/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.

![Quatre images d'affilée : un garçon lance un avion en papier dans une classe, l'avion plane au-dessus des bureaux, passe devant la fenêtre et se pose sur le bureau du professeur, à côté d'un globe](https://ai2face.com/_astro/keyframes.B6cBNsAO_mNTWM.jpg "Images clés pour Grok Imagine Video 1.5 : quatre images fixent la trajectoire de l'avion, le modèle complète le mouvement entre elles. Images faites avec Nano Banana Pro")

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](/fr/news/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](/fr/models/kling-3-0) | [Veo 3.1](/fr/models/veo-3-1) | [Seedance 2.0](/fr/models/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](/fr/models/kling-3-0), [Veo 3.1](/fr/models/veo-3-1) et [Seedance 2.0](/fr/models/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](/fr/blog/grok-video). Les images clés et les références du personnage se préparent avec [Nano Banana Pro](/fr/models/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](/fr/models/kling-3-0) et [Veo 3.1](/fr/models/veo-3-1). Pour des clips simples à partir d'une seule photo, [Grok Imagine Video 1.5 Lite](/fr/news/grok-imagine-video-1-5-lite) coûte moins cher.

## Questions fréquentes

### Qu'est-ce que Grok Imagine Video 1.5 ?

Un modèle vidéo de xAI, l'entreprise du chatbot Grok. Il génère des clips avec le son et la voix à partir d'un texte, de photos et de références. Sorti le 16 juin 2026, le mode références a été ajouté le 31 juillet.

### Combien de secondes de vidéo fait Grok Imagine Video 1.5 ?

De 1 à 15 secondes par génération, 8 par défaut.

### Quelle résolution pour Grok Imagine Video 1.5 ?

480p, 720p ou 1080p. Le modèle dessine le 1080p en natif quand le clip part d'un texte ou d'une photo. Avec des références, le plafond est 720p.

### Comment garder le même personnage d'un clip à l'autre ?

Importez ses images comme références — jusqu'à 14 — et associez une voix : jusqu'à 3 personnages qui parlent par clip. Le visage et la voix tiennent d'une scène à l'autre.

### Qu'est-ce qui distingue Video 1.5 de 1.5 Lite ?

Lite est quatre fois moins cher (0,02 $ contre 0,08 $ par seconde), mais n'accepte que le texte et une photo, et le 1080p vient d'un upscaling. Lite n'a ni références, ni voix, ni images clés.

### Grok Imagine Video 1.5 est-il dans AI2Face ?

Oui. Le modèle est dans le générateur AI2Face, et le coût s'affiche avant le lancement.

## Sources

- 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