Grok video: come creare video con Grok — modalità, prompt e limiti

Grok video si cerca per due motivi: capire se Grok fa davvero video e come ottenere un buon risultato. La prima risposta è sì: nel 2026 è uno dei modelli video più forti. Abbiamo letto la documentazione di xAI, generato quattro clip con Grok Video 1.5 e raccolto quali modalità esistono, come scrivere i prompt, dove sono i limiti e perché a volte la generazione non riesce. La panoramica di entrambi i modelli Grok è su Grok Imagine.

Che cos’è Grok video

Grok video è la generazione di clip in Grok Imagine, la parte visiva del chatbot Grok di xAI. Le clip escono già con l’audio: effetti, ambiente e parlato. Funziona su grok.com/imagine, nelle app Grok per iOS e Android e tramite l’API di xAI.

Tre modelli coprono le diverse modalità:

	Video 1.5	Video 1.5 Lite	grok-imagine-video
Modalità	testo, foto, riferimenti, primo e ultimo fotogramma, keyframe	testo, foto	testo, foto, modifica video, estensione
Risoluzione	1080p nativo, fino a 720p con riferimenti	1080p con upscaling da 720p	fino a 720p
Durata	1–15 s	1–15 s	1–15 s, fino a 10 s con riferimenti
Audio	sì, con sincronizzazione labiale	sì, con sincronizzazione labiale	sì
Prezzo API xAI	0,08 $ al secondo	0,02 $ al secondo in 480p, 0,03 $ in 720p	0,05 $ al secondo

xAI ha rilasciato Video 1.5 il 16 giugno 2026 e lo definisce il suo miglior modello per movimento e fisica: meno deformazioni, peso e inerzia più credibili, parlato più pulito e meglio sincronizzato con le labbra. Nelle app gira la versione accelerata Video 1.5 Fast: una clip di 6 secondi in 720p in circa 25 secondi, contro gli oltre 40 del modello precedente. Il 31 luglio 2026 xAI ha aggiunto riferimenti, voce del personaggio, testo-video e 1080p nativo.

Video 1.5 Lite ha il prezzo al secondo più basso. xAI lo consiglia per i video semplici.

Come creare un video con Grok, passo dopo passo

1. Scegli la modalità. Testo, se non hai ancora un fotogramma. Foto, quando contano un aspetto, un prodotto o una composizione precisi. Riferimenti, per una serie di clip con lo stesso personaggio.
2. Imposta il formato. Ci sono 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 e 5:2. Nell’immagine-video vale il formato della foto e la tua scelta viene ignorata.
3. Scegli la durata. Da 1 a 15 secondi, 8 di default. Per un primo tentativo bastano 6–8 secondi: ci sta un’azione e un tentativo fallito costa meno.
4. Scegli la risoluzione. 480p per le bozze, 720p per i social, 1080p per la versione finale. Nell’API il default è 480p.
5. Scrivi il prompt con la formula qui sotto: scena → azione → inquadratura → luce → audio.
6. Genera e valuta. Se non funziona, cambia una cosa alla volta: l’azione, l’inquadratura o l’audio.

Generazione video con Grok da testo

Nel testo-video, Video 1.5 lavora in due passaggi: prima disegna un fotogramma iniziale dalla tua descrizione, poi lo anima. La richiesta è una sola e il modello non restituisce l’immagine intermedia. Da qui il consiglio principale: descrivi il primo fotogramma nei dettagli — il luogo, la luce, chi sta dove. Tutta la clip dipende da lui.

Il prompt di questa clip:

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: da immagine a video

L’immagine-video è la modalità più prevedibile. La foto fissa già aspetto, abiti, sfondo e luce; al modello resta solo il movimento. In Video 1.5 il prompt è perfino facoltativo, ma senza il modello decide da solo cosa deve muoversi.

Come ottenere un buon risultato:

• Descrivi solo ciò che cambia. Non ripetere la foto: scrivi “la volpe gira la testa, sbadiglia e si allontana trotterellando a destra”, non “una volpe rossa seduta in un bosco innevato”.
• Separa il movimento del soggetto da quello della camera in frasi diverse.
• Non chiedere l’impossibile al fotogramma. Se la foto mostra qualcuno dalla vita in su, “cammina verso la camera, figura intera” costringe il modello a inventare le gambe.
• La foto iniziale si può generare. Il primo fotogramma della nostra clip è stato creato con Grok Image 2.0 — ne parliamo nella guida a Grok Image.

Così si animano anche foto vecchie e ritratti — altre idee nella guida per animare una foto con l’AI.

Riferimenti, keyframe e voce

Video 1.5 fa molto più che animare una foto, e pochi concorrenti offrono tutto questo in un solo modello.

• Immagini di riferimento. Fino a 7 al lancio del 31 luglio 2026; ora la documentazione API ne indica fino a 14. Ognuna fissa un personaggio, una scena, un prodotto o un luogo. Questa modalità funziona in 720p.
• Voce. Fino a 3 parlanti ricevono una voce da un riferimento audio, così volto e voce del personaggio restano uguali da una scena all’altra. A luglio 2026 i riferimenti vocali nell’API erano disponibili su richiesta.
• Primo e ultimo fotogramma. Il modello interpola il movimento tra due immagini.
• Keyframe. Fino a 4 immagini fissate in momenti precisi della clip, con passo di un terzo di secondo. Così si costruisce una storia con più stati.

Parlato. Video 1.5 e Lite generano il parlato con sincronizzazione labiale. Indica chi parla e metti la battuta esatta tra virgolette; gli altri suoni su una riga a parte. Una battuta breve in 6–8 secondi suona più naturale di un lungo monologo.

Altro sulle clip con parlato nella guida alla foto parlante.

Prompt per video Grok

La formula che funziona: scena → un’azione principale → inquadratura → luce e atmosfera → audio. Per scene complesse e movimenti di camera, scrivi in inglese. Le battute dei personaggi vanno tra virgolette, nella lingua in cui devono essere pronunciate.

L’inquadratura, in una frase a sé:

Cosa vuoi	Come scriverlo
Avvicinamento lento	slow push-in
La camera segue il soggetto	the camera follows / tracking shot
Girare attorno a un oggetto	slow orbit around
Alzarsi sopra la scena	crane up, rising shot
Inquadratura fissa	static camera, locked-off shot
Rallenty nel momento giusto	slow motion at the peak of the jump

Sei prompt per compiti tipici:

Video prodotto per una scheda o un annuncio:

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.

Ritratto animato:

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.

Scena d’azione:

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.

Paesaggio d’atmosfera:

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.

Cibo per i social (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.

La battuta di un personaggio:

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.

Altri modelli per video e immagini nella nostra raccolta di prompt per immagini.

Modificare ed estendere un video finito

Nell’API di xAI, modifica ed estensione passano dal modello base grok-imagine-video, non da Video 1.5.

• Modifica video: descrivi il cambiamento a parole e il modello rifà la clip mantenendo il resto della scena. Durata e formato sono quelli dell’originale; la durata arriva al massimo a 8,7 secondi e la risoluzione a 720p: una clip in 1080p viene ridimensionata.
• Estensione: il modello prosegue la clip dall’ultimo fotogramma e unisce originale e continuazione in un unico file. Così si costruiscono scene più lunghe di 15 secondi.

Consiglio: non estendere più di due o tre volte di fila. Ogni passaggio parte da un fotogramma già generato e i piccoli errori si accumulano. Un video lungo è più affidabile se lo monti da più clip brevi in un editor.

Perché Grok non crea il video o fa altro

• Il limite è finito. Nell’app la generazione si ferma fino al rinnovo della quota settimanale; prima il 720p scende a 480p.
• Moderazione. Prompt o foto che violano le regole di xAI vengono rifiutati senza generare.
• Troppi eventi. Cinque azioni in 8 secondi vengono compresse o metà saltate. Un’azione principale per clip.
• Contraddizioni. “Camera fissa” e “orbita” nello stesso prompt, oppure un prompt in contrasto con la foto: giorno nell’immagine, notte nel testo.
• Troppi oggetti in movimento. Una folla in cui ognuno fa qualcosa è una fonte frequente di deformazioni.
• Battute lunghe. Un monologo di 15 secondi si sincronizza peggio con le labbra di una frase breve.

Grok video gratis e limiti

Grok si può provare gratis sul web e nelle app. xAI non dice quante clip Imagine si ottengono senza abbonamento, e le funzioni nuove — come riferimenti e voce a luglio 2026 — arrivano prima agli abbonati SuperGrok Heavy e Plus.

Come funzionano i limiti secondo la guida di xAI:

• Un’unica quota settimanale. Da giugno 2026 i piani a pagamento non hanno più limiti separati per chat e Imagine, ma una sola quota settimanale per tutti i prodotti. Un video di alta qualità la consuma molto più in fretta di un messaggio in chat.
• 720p → 480p. Raggiunto il tetto di 720p del tuo piano, i video vengono generati automaticamente in 480p.
• 1080p — nel piano SuperGrok Plus.
• Ricariche. Gli Extra Usage Credits si comprano solo sul web, da 5 $; costano più delle generazioni incluse nel piano e scadono dopo un anno.
• Filigrana. Immagini e video delle app Grok hanno una filigrana che non si può disattivare.

Grok video e altri modelli video AI

	Grok Video 1.5	Gemini Omni	Seedance 2.5	Kling
Posizione in Arena (21/09/2026)	4 (modalità agente)	1–2	7	29 (2.6 Pro)
Audio e parlato	sì, sincronizzazione labiale	sì	sì	sì
Risoluzione	fino a 1080p	fino a 4K	non dichiarata	720p, 1080p
Riferimenti	fino a 14 immagini, 3 voci	immagini e video	fino a 50	fino a 7 immagini

Grok Video 1.5 è tra i primi cinque e, con riferimenti, voce, keyframe ed estensione, è uno dei modelli più flessibili. Gemini Omni vince per qualità e risoluzione, Seedance accetta più riferimenti. Il confronto completo è nell’articolo sui generatori video AI.

Grok video su AI2Face

SuperGrok è un abbonamento a parte con un tetto settimanale. Su AI2Face, Grok Imagine è disponibile direttamente nel generatore:

• senza abbonamento SuperGrok — accedi con email o Google;
• pagamento con carta, cripto o un altro metodo comodo — il costo di ogni generazione è visibile prima di avviarla;
• i crediti non scadono — oltre all’abbonamento puoi comprare un pacchetto di crediti, e il saldo passa al mese successivo;
• tutti i modelli video in un solo abbonamento — Grok, Veo 3.1, Gemini Omni, Seedance e Kling: più conveniente di abbonamenti separati, e confrontare le clip con lo stesso prompt è semplice;
• crediti di benvenuto alla registrazione — bastano per le prime clip.

In sintesi

Scegli Grok video quando serve una clip con audio e una fisica credibile: sport, animali, azione, prodotti con la camera che ci gira attorno. Per una serie con lo stesso personaggio, Video 1.5 batte la maggior parte dei concorrenti grazie ai riferimenti di volto e voce, mentre il più economico Lite basta per bozze e scene semplici. Parti dall’immagine-video: è la modalità più prevedibile. Un’azione ogni 6–8 secondi, inquadratura e audio su righe separate. Se contano di più la qualità massima e il 4K, confronta lo stesso prompt in Gemini Omni — su AI2Face si fa nella stessa finestra.