Grok Imagine Video 1.5: model video xAI — audio, 14 referensi, suara tokoh, dan keyframe

Apa itu Grok Imagine Video 1.5

Grok Imagine Video 1.5 adalah model pembuatan video dari xAI, perusahaan di balik chatbot Grok. Model ini dirilis dalam dua tahap:

• 16 Juni 2026 — menghidupkan foto dan versi cepat Video 1.5 Fast di aplikasi Grok; model di API keluar dari pratinjau;
• 31 Juli 2026 — gambar referensi dan suara, video dari teks, serta 1080p.

Pada Oktober 2026 datang versi yang lebih ringan, Grok Imagine Video 1.5 Lite. Model ini berjalan di grok.com/imagine, di aplikasi Grok untuk iOS dan Android, dan lewat API xAI dengan nama grok-imagine-video-1.5. Gambar di ekosistem yang sama dibuat Imagine Image 2.0 — kedua model dijelaskan di halaman Grok Imagine.

Apa yang bisa dilakukan Grok Imagine Video 1.5

Klip bersuara 1–15 detik. Efek suara, suasana, dan ucapan yang selaras dengan bibir dihasilkan bersamaan dengan gerakannya. Suara bisa dimatikan supaya klipnya bisu.

1080p native. Dari teks atau foto, model menggambar 1080p langsung, tanpa upscale. Bawaannya 480p, untuk draf. Di mode referensi, batasnya 720p.

Sembilan rasio aspek. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, plus 21:9 dan 5:2 yang lebih jarang — untuk spanduk dan sampul lebar. Saat menghidupkan foto, rasio mengikuti gambar sumber.

Fisika dan gerakan. xAI menyebut 1.5 model geraknya yang terbaik: distorsi lebih sedikit, bobot dan inersia tubuh lebih masuk akal.

Video dari teks, lewat satu frame. Jika prompt tidak menyertakan gambar, model terlebih dahulu menggambar frame awal, lalu menganimasikannya.

Satu tokoh di berbagai adegan. Hingga 14 gambar referensi menjaga wajah dan penampilan tokoh. Suara diatur terpisah: hingga 3 tokoh yang berbicara per klip, masing-masing dengan suaranya sendiri dari set yang sudah disiapkan.

Frame awal, frame akhir, dan keyframe. Frame akhir yang persis bisa dikunci, dan jika ada gambar sumber, frame awal juga. Di antaranya bisa dipasang hingga 4 keyframe: masing-masing terikat pada satu momen di klip, dengan langkah sepertiga detik.

Jika ada gambar, referensi, atau keyframe, prompt bersifat opsional: model bisa mengambil gerakan dari frame itu sendiri. Menjelaskan aksi dan suara tetap membuat hasil lebih bisa ditebak.

Video 1.5, Fast, dan Lite: bedanya

	Video 1.5	Video 1.5 Fast	Grok Imagine Video 1.5 Lite
Di mana	aplikasi dan API	aplikasi Grok	API
Kecepatan	klip rumit bisa memakan beberapa menit	6 dtk di 720p sekitar 25 detik	lebih cepat daripada model penuh
1080p	native	—	upscale dari 720p
Durasi	1–15 dtk	—	1–15 dtk
Referensi dan suara	14 gambar, 3 suara	—	tidak ada
Frame awal, akhir, dan keyframe	ya	—	tidak
Harga di API	$0,08 per detik	—	$0,02 per detik

Fast adalah mode di aplikasi Grok: xAI menulis bahwa mode ini hampir dua kali lebih cepat daripada model sebelumnya, yang butuh lebih dari 40 detik untuk klip 6 detik di 720p. Lite adalah model API terpisah untuk klip sederhana dari satu prompt atau satu foto.

Untuk tugas apa Grok Imagine Video 1.5 cocok

• Klip pendek yang dinamis: olahraga, hewan, atraksi, slow motion di saat yang tepat.
• Seri dengan satu tokoh dan suara — hingga 14 referensi dan 3 suara.
• Klip dengan akhir yang ditentukan: frame awal dan akhir mengunci bagaimana adegan mulai dan selesai.
• Jalur yang rumit — benda yang terbang, kamera yang menembus ruangan — dari 4 keyframe.
• Spanduk dan sampul 21:9 serta 5:2 yang bergerak.

Grok Imagine Video 1.5 dan alternatifnya

	Grok Imagine Video 1.5	Kling 3.0	Veo 3.1	Seedance 2.0
Pengembang	xAI	Kuaishou	Google DeepMind	ByteDance Seed
Durasi per generasi	1–15 dtk	hingga 15 dtk	4, 6, 8 dtk	4–15 dtk
Resolusi maksimal	1080p	4K	4K	4K
Referensi	14 gambar, 3 suara	hingga 7 gambar atau elemen	hingga 3 gambar	9 foto, 3 video, 3 audio
Keyframe	awal, akhir, dan hingga 4 di antaranya	awal dan akhir	awal dan akhir	awal dan akhir
Format 21:9 dan 5:2	ya	—	—	21:9
Di AI2Face	ya	ya	ya	ya

Grok Imagine Video 1.5 menonjol lewat keyframe perantara dan jumlah gambar referensi. Untuk 4K dan dialog panjang, pakai Kling 3.0 dan Veo 3.1; untuk referensi dari video dan audio, Seedance 2.0.

Cara menulis prompt untuk Grok Imagine Video 1.5

1. Jelaskan aksi secara berurutan: apa yang terjadi di awal, tengah, dan akhir klip.
2. Tambahkan kamera: “kamera mengikuti dari belakang”, “slow motion di puncak lompatan”, “orbit”.
3. Tulis suara di baris sendiri: dialog dalam tanda kutip, bunyi, musik, atau tanpa musik.
4. Untuk keyframe, jelaskan transisi di antaranya, bukan frame itu sendiri — gambar sudah menentukan isinya.
5. Draf di 480p, hasil akhir di 720p atau 1080p.

Prompt untuk keyframe di atas:

Seorang anak laki-laki meluncurkan pesawat kertas dari bangku belakang. Pesawat
melayang mulus di atas meja, berbelok ke jendela yang kena matahari, menangkap
aliran udara, dan mendarat lembut di meja guru di samping bola dunia. Kamera
mengikuti pesawat dari samping, di akhir sedikit mendekat ke meja.
Suara: gesekan kertas, tawa kelas yang teredam, kicau burung di luar jendela, tanpa musik.

Cara memakai Grok Imagine Video 1.5 di AI2Face

Grok Imagine Video 1.5 ada di generator AI2Face, berdampingan dengan Kling 3.0, Veo 3.1, dan Seedance 2.0.

1. Daftar — akun baru mendapat kredit sambutan.
2. Buka generator, pindah ke video, lalu pilih Grok Imagine Video 1.5.
3. Unggah foto, referensi, atau keyframe, tulis prompt, atur durasi dan resolusi.
4. Biaya dalam kredit terlihat sebelum dimulai. Anda bisa membayar dengan kartu atau kripto, dan kredit dari paket tidak hangus.

Uraian langkah demi langkah soal mode dan batas di dalam Grok ada di panduan Grok video. Keyframe dan referensi tokoh mudah dibuat dengan Nano Banana Pro di generator yang sama.

Batasan

• 720p dengan referensi. 1080p native hanya untuk video dari teks dan dari foto.
• Di 1.5 tidak ada edit maupun perpanjangan. xAI mengedit klip dengan model lama, Grok Imagine Video, di 720p dan untuk klip hingga 8,7 detik.
• Suara dari set yang sudah ada. Di API, masing-masing dari 3 tokoh yang berbicara mendapat suara dari set siap pakai xAI.
• Waktu generasi. Klip rumit beresolusi tinggi bisa memakan beberapa menit.
• Moderasi. Permintaan dan hasil disaring menurut aturan xAI; klip yang diblokir dikembalikan API dengan tanda.

Kesimpulan

Grok Imagine Video 1.5 kuat untuk klip pendek yang dinamis dan untuk adegan yang jalurnya harus tepat: keyframe perantara hanya ada di model ini. 14 referensi dan 3 suara memungkinkan satu tokoh berjalan sepanjang seri klip. Jika Anda butuh 4K atau dialog panjang, bandingkan dengan Kling 3.0 dan Veo 3.1. Untuk klip sederhana dari satu foto, Grok Imagine Video 1.5 Lite lebih murah.