Grok video: cara membuat video dengan Grok — mode, prompt, dan batasan

Orang mencari Grok video karena dua hal: apakah Grok memang bisa membuat video, dan bagaimana mendapatkan hasil yang bagus. Jawaban pertama: bisa — pada 2026 ini termasuk salah satu model video terkuat. Kami membaca dokumentasi xAI, membuat empat klip langsung dengan Grok Video 1.5, lalu merangkum mode apa saja yang ada, cara menulis prompt, di mana batasannya, dan mengapa generate kadang gagal. Ulasan kedua model Grok ada di halaman Grok Imagine.

Apa itu Grok video

Grok video adalah pembuatan klip di Grok Imagine, bagian visual dari chatbot Grok buatan xAI. Klip langsung jadi dengan suara: efek, suasana, dan ucapan. Fitur ini berjalan di grok.com/imagine, aplikasi Grok untuk iOS dan Android, serta lewat API xAI.

Tiga model menangani mode yang berbeda:

	Video 1.5	Video 1.5 Lite	grok-imagine-video
Mode	teks, foto, referensi, frame pertama dan terakhir, keyframe	teks, foto	teks, foto, edit video, perpanjangan
Resolusi	1080p native, hingga 720p dengan referensi	1080p hasil upscale dari 720p	hingga 720p
Durasi	1–15 detik	1–15 detik	1–15 detik, hingga 10 detik dengan referensi
Audio	ya, dengan sinkronisasi bibir	ya, dengan sinkronisasi bibir	ya
Harga API xAI	$0,08 per detik	$0,02 per detik di 480p, $0,03 di 720p	$0,05 per detik

xAI merilis Video 1.5 pada 16 Juni 2026 dan menyebutnya model terbaiknya untuk gerakan dan fisika: distorsi lebih sedikit, bobot dan momentum lebih meyakinkan, ucapan lebih jernih dan lebih pas dengan gerak bibir. Di aplikasi berjalan versi cepat Video 1.5 Fast: klip 6 detik 720p dalam sekitar 25 detik, dibanding lebih dari 40 detik pada model sebelumnya. Pada 31 Juli 2026, xAI menambahkan referensi, suara karakter, teks ke video, dan 1080p native.

Video 1.5 Lite punya harga per detik paling rendah. xAI menyarankannya untuk video sederhana.

Cara membuat video di Grok, langkah demi langkah

1. Pilih mode. Teks — kalau belum punya gambar. Foto — kalau tampilan, produk, atau komposisi tertentu penting. Referensi — untuk serangkaian klip dengan karakter yang sama.
2. Atur rasio aspek. Pilihannya 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, dan 5:2. Untuk gambar ke video, rasio diambil dari foto dan pilihan Anda diabaikan.
3. Pilih durasi. 1 sampai 15 detik, bawaannya 8. Untuk percobaan pertama, 6–8 detik sudah cukup: muat satu aksi, dan generate yang gagal lebih murah.
4. Pilih resolusi. 480p untuk draf, 720p untuk media sosial, 1080p untuk hasil akhir. Di API, bawaannya 480p.
5. Tulis prompt dengan rumus di bawah: adegan → aksi → kamera → cahaya → suara.
6. Jalankan dan nilai hasilnya. Kalau meleset, ubah satu hal saja setiap kali: aksi, kamera, atau suara.

Generate video Grok dari teks

Pada teks ke video, Video 1.5 bekerja dalam dua langkah: pertama menggambar frame awal dari deskripsi Anda, lalu menganimasikannya. Tetap satu permintaan, dan model tidak mengembalikan gambar perantaranya. Karena itu tips utamanya: jelaskan frame pertama secara detail — lokasi, cahaya, siapa berdiri di mana. Seluruh klip bergantung pada frame itu.

Prompt untuk klip ini:

A vintage red tram rolls slowly through a narrow cobblestone street at night in the rain,
neon shop lights reflecting in the puddles. The camera starts low near the wet stones and
slowly pushes in as a passer-by in a dark coat opens a yellow umbrella and steps aside.
Realistic motion, cinematic lighting.
Sound: steady rain, the tram bell ringing twice, wheels on rails, distant traffic.
No readable text on signs.

Grok: dari gambar ke video

Gambar ke video adalah mode yang paling bisa ditebak. Foto sudah menentukan tampilan, pakaian, latar, dan cahaya; model tinggal menambahkan gerakan. Di Video 1.5 prompt bahkan opsional, tetapi tanpa prompt model akan memutuskan sendiri apa yang bergerak.

Cara mendapatkan hasil yang bagus:

• Jelaskan hanya yang berubah. Jangan mengulang isi foto: tulis “rubah menoleh, menguap, lalu berlari kecil ke kanan”, bukan “rubah merah duduk di hutan bersalju”.
• Pisahkan gerakan subjek dan gerakan kamera dalam kalimat berbeda.
• Jangan minta hal mustahil dari frame. Kalau foto memperlihatkan orang dari pinggang ke atas, “berjalan ke arah kamera, seluruh badan terlihat” memaksa model mengarang kakinya.
• Foto awal bisa di-generate. Frame pertama klip kami dibuat dengan Grok Image 2.0 — selengkapnya di panduan Grok Image.

Cara yang sama berlaku untuk foto lama dan potret — ide lainnya ada di panduan menghidupkan foto dengan AI.

Referensi, keyframe, dan suara

Video 1.5 bisa jauh lebih banyak daripada sekadar menganimasikan foto, dan hanya sedikit pesaing yang menyatukan semuanya dalam satu model.

• Gambar referensi. Hingga 7 saat peluncuran 31 Juli 2026; dokumentasi API kini menyebut hingga 14. Setiap gambar mengunci karakter, adegan, produk, atau lokasi. Mode ini berjalan di 720p.
• Suara. Hingga 3 pembicara masing-masing mendapat suara dari referensi audio, sehingga wajah dan suara karakter tetap sama di setiap adegan. Per Juli 2026, referensi suara di API tersedia atas permintaan.
• Frame pertama dan terakhir. Model menginterpolasi gerakan di antara dua gambar.
• Keyframe. Hingga 4 gambar dipasang pada momen tertentu di dalam klip, dengan kelipatan sepertiga detik. Dengan begitu Anda bisa menyusun cerita dengan beberapa tahap.

Ucapan. Video 1.5 dan Lite menghasilkan ucapan dengan sinkronisasi bibir. Sebutkan siapa yang berbicara dan tulis kalimat persisnya dalam tanda kutip; suara lain di baris terpisah. Kalimat pendek dalam 6–8 detik terdengar lebih alami daripada monolog panjang.

Selengkapnya tentang klip dengan ucapan ada di panduan foto berbicara.

Prompt video untuk Grok

Rumus yang berhasil: adegan → satu aksi utama → kamera → cahaya dan suasana → suara. Untuk adegan rumit dan gerakan kamera, tulis dalam bahasa Inggris. Dialog karakter ditulis dalam tanda kutip, dalam bahasa yang memang ingin diucapkan.

Kamera, dalam kalimat tersendiri:

Yang Anda inginkan	Cara menulisnya
Mendekat perlahan	slow push-in
Kamera mengikuti subjek	the camera follows / tracking shot
Mengitari objek	slow orbit around
Naik di atas adegan	crane up, rising shot
Frame diam	static camera, locked-off shot
Gerak lambat di momen yang tepat	slow motion at the peak of the jump

Enam prompt untuk kebutuhan umum:

Video produk untuk toko online atau iklan:

A glass perfume bottle on a dark wet stone surface, thin mist drifting around it,
soft highlights moving across the glass. The camera slowly orbits the bottle.
Sound: a deep ambient tone, a single water drop.

Potret yang dianimasikan:

The man slowly looks up from the book into the camera and gives a slight warm smile.
Static camera, his face and clothes stay unchanged.
Sound: quiet room tone, a page turning.

Adegan aksi:

A mountain biker speeds down a forest trail and jumps over a fallen log. The camera
tracks alongside, slow motion at the peak of the jump, then back to normal speed as he lands.
Sound: tires on gravel, wind, a hard landing.

Lanskap penuh suasana:

A misty mountain lake at sunrise, clouds slowly rolling over the peaks, a lone canoe
gliding across the still water. Crane up, rising shot.
Sound: birds, gentle water ripples.

Makanan untuk media sosial (9:16):

Vertical close-up: honey slowly pours onto a stack of fluffy pancakes, a blueberry rolls
off the top. Static camera, warm morning light, shallow depth of field.
Sound: a soft drip, quiet kitchen ambience.

Ucapan karakter:

Medium close-up of a young woman in a yellow raincoat at a bus stop in the rain.
She turns to the camera and says: "Looks like summer is over."
Sound: her voice, heavy rain on the roof, a passing car.

Template lain untuk video dan gambar ada di kumpulan prompt untuk gambar.

Mengedit dan memperpanjang video jadi

Di API xAI, edit dan perpanjangan dijalankan oleh model dasar grok-imagine-video, bukan Video 1.5.

• Edit video — Anda menjelaskan perubahan lewat teks, lalu model membuat ulang klip sambil mempertahankan sisa adegan. Durasi dan rasio aspek mengikuti aslinya; durasi maksimal 8,7 detik dan resolusi hingga 720p: klip 1080p akan diperkecil.
• Perpanjangan — model melanjutkan klip dari frame terakhir dan menggabungkan klip asli dengan lanjutannya menjadi satu file. Begitulah adegan lebih dari 15 detik dibuat.

Tips: jangan memperpanjang lebih dari dua atau tiga kali berturut-turut. Setiap langkah bertumpu pada frame yang sudah di-generate, sehingga kesalahan kecil menumpuk. Video panjang lebih andal jika disusun dari beberapa klip pendek di aplikasi editing.

Mengapa Grok tidak membuat video atau hasilnya melenceng

• Batas sudah habis. Di aplikasi, generate berhenti sampai kuota mingguan diperbarui; sebelumnya 720p turun ke 480p.
• Moderasi. Prompt atau foto yang melanggar aturan xAI ditolak tanpa diproses.
• Terlalu banyak kejadian. Lima aksi dalam 8 detik akan dipadatkan atau separuhnya terlewat. Satu aksi utama per klip.
• Kontradiksi. “Kamera diam” dan “mengitari” dalam satu prompt, atau prompt yang bertentangan dengan foto: siang di gambar, malam di teks.
• Terlalu banyak objek bergerak. Kerumunan yang masing-masing melakukan sesuatu sering memicu distorsi.
• Ucapan terlalu panjang. Monolog 15 detik lebih sulit disinkronkan dengan bibir dibanding kalimat pendek.

Grok video gratis dan batasannya

Grok bisa dicoba gratis di web dan aplikasi. xAI tidak mengumumkan berapa klip Imagine yang didapat tanpa langganan, dan fitur baru — seperti referensi dan suara pada Juli 2026 — lebih dulu dibuka untuk pelanggan SuperGrok Heavy dan Plus.

Cara kerja batasannya menurut halaman bantuan xAI:

• Satu kuota mingguan bersama. Sejak Juni 2026, paket berbayar tidak lagi punya batas terpisah untuk chat dan Imagine, tetapi satu kuota mingguan untuk semua produk. Video berkualitas tinggi menghabiskannya jauh lebih cepat daripada pesan chat.
• 720p → 480p. Begitu batas 720p di paket Anda tercapai, video otomatis dibuat dalam 480p.
• 1080p — di paket SuperGrok Plus.
• Isi ulang. Extra Usage Credits hanya dijual di web, mulai $5; harganya lebih mahal daripada generate dalam paket dan hangus setelah setahun.
• Watermark. Gambar dan video dari aplikasi Grok diberi watermark yang tidak bisa dimatikan.

Grok video dibanding model video AI lain

	Grok Video 1.5	Gemini Omni	Seedance 2.5	Kling
Peringkat Arena (21/09/2026)	4 (mode agen)	1–2	7	29 (2.6 Pro)
Audio dan ucapan	ya, sinkronisasi bibir	ya	ya	ya
Resolusi	hingga 1080p	hingga 4K	tidak diungkapkan	720p, 1080p
Referensi	hingga 14 gambar, 3 suara	gambar dan video	hingga 50	hingga 7 gambar

Grok Video 1.5 masuk lima besar, dan dengan referensi, suara, keyframe, serta perpanjangan, ini salah satu model paling fleksibel. Gemini Omni unggul dalam kualitas dan resolusi, sedangkan Seedance menerima lebih banyak referensi. Perbandingan lengkapnya ada di artikel generator video AI.

Grok video di AI2Face

SuperGrok adalah langganan terpisah dengan batas mingguan. Di AI2Face, Grok Imagine tersedia langsung di generator:

• tanpa langganan SuperGrok — masuk dengan email atau Google;
• bayar dengan kartu, kripto, atau metode lain yang praktis — biaya setiap generate terlihat sebelum dijalankan;
• kredit tidak hangus — selain langganan, Anda bisa membeli paket kredit, dan sisanya terbawa ke bulan berikutnya;
• semua model video dalam satu langganan — Grok, Veo 3.1, Gemini Omni, Seedance, dan Kling: lebih hemat daripada berlangganan terpisah, dan mudah membandingkan klip dengan prompt yang sama;
• kredit sambutan setelah mendaftar — cukup untuk klip pertama Anda.

Kesimpulan

Pilih Grok video saat Anda butuh klip dengan suara dan fisika yang hidup: olahraga, hewan, aksi, produk dengan kamera mengitari. Untuk serial dengan karakter yang sama, Video 1.5 mengungguli sebagian besar pesaing berkat referensi wajah dan suara, sementara Lite yang murah sudah cukup untuk draf dan adegan sederhana. Mulailah dari gambar ke video: mode ini paling bisa ditebak. Satu aksi per 6–8 detik, kamera dan suara di baris terpisah. Kalau kualitas maksimal dan 4K lebih penting, bandingkan prompt yang sama di Gemini Omni — di AI2Face semuanya bisa dilakukan dalam satu jendela.