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

> Grok video è Grok Imagine Video di xAI: clip fino a 15 secondi con audio, da testo, da una foto o da riferimenti. Il modello principale è Video 1.5 (giugno 2026, fino a 1080p, sincronizzazione labiale), quello economico è 1.5 Lite, mentre modifica ed estensione passano dal modello base grok-imagine-video. Su AI2Face Grok video è disponibile senza abbonamento SuperGrok.

Pubblicato il 2026-10-13 · Aggiornato il 2026-10-13
URL: https://ai2face.com/it/blog/grok-video

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](/it/models/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.

[Un tram rosso d'epoca percorre una strada lastricata bagnata di notte sotto la pioggia mentre un passante con un ombrello giallo si sposta](https://ai2face.com/_astro/media/blog/grok-video/text-to-video.mp4 "Testo-video: riflessi di neon nelle pozzanghere, carrellata bassa in avanti, suono di pioggia e città. Difetto: l'ombrello è già aperto dal primo fotogramma, anche se nel prompt il passante lo apre. Grok Video 1.5, 720p, 8 s")

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](/it/blog/grok-image).

[Una volpe rossa seduta in una radura innevata gira la testa verso la camera, sbadiglia, si alza e si allontana trotterellando a destra](https://ai2face.com/_astro/media/blog/grok-video/photo-to-video.mp4 "Immagine-video: tutte e tre le azioni in ordine, la neve continua a cadere, pelliccia e zampe senza deformazioni. Fotogramma iniziale: Grok Image 2.0; clip: Grok Video 1.5, 720p, 8 s")

Così si animano anche foto vecchie e ritratti — altre idee nella guida per [animare una foto con l'AI](/it/blog/ozhivit-foto).

## 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.

![A sinistra una giovane donna dai capelli scuri e ricci con trench beige in una strada bagnata di un centro storico; a destra una tazza in ceramica verde salvia con piattino su travertino](https://ai2face.com/_astro/references.DWuQHS0k_Z1TL2QI.jpg "Due riferimenti per la clip: la protagonista e la tazza. Grok Image 2.0")

[Una donna con trench beige entra in un caffè soleggiato, si siede vicino alla finestra, prende la tazza verde, beve un sorso e sorride](https://ai2face.com/_astro/media/blog/grok-video/references.mp4 "Video da riferimenti: protagonista e tazza sono riconoscibili, anche se nessuna delle due immagini era il primo fotogramma. La camera la segue e si ferma su un piano medio. Grok Video 1.5, 720p, 8 s")

**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.

[Una barista con grembiule verde in una caffetteria soleggiata guarda in camera, sorride, dice una battuta e avvicina un latte](https://ai2face.com/_astro/media/blog/grok-video/lip-sync.mp4 "Una battuta in inglese con sincronizzazione labiale e ambiente da caffetteria. Difetto: avevamo chiesto il verticale 9:16, il modello ha restituito 16:9. Grok Video 1.5, 720p, 8 s")

Altro sulle clip con parlato nella guida alla [foto parlante](/it/blog/govoryashchee-foto).

## 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](/it/blog/promty-dlya-kartinok).

## 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](/it/models/gemini-omni) | [Seedance 2.5](/it/models/seedance-2-5) | [Kling](/it/models/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](/it/models/seedance) accetta più riferimenti. Il confronto completo è nell'articolo sui [generatori video AI](/it/blog/nejroseti-dlya-video).

## 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](/it/models/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.

## Domande frequenti

### Grok può creare video?

Sì. La generazione video di Grok si chiama Grok Imagine: crea clip da 1 a 15 secondi con audio a partire da una descrizione, da una foto o da riferimenti. Funziona su grok.com/imagine, nelle app per iOS e Android e tramite l'API di xAI.

### Come trasformare una foto in video con Grok?

Carica la foto come fotogramma iniziale e descrivi movimento, inquadratura e audio. Il modello prende il formato dalla foto e mantiene composizione e aspetto del soggetto. In Video 1.5 il prompt è facoltativo per l'immagine-video, ma con un prompt il risultato è più prevedibile.

### Si possono fare video con Grok gratis?

Grok si può provare gratis, ma xAI non dice quanti video Imagine include l'accesso senza abbonamento. Da giugno 2026 i piani a pagamento condividono una quota settimanale per tutti i prodotti Grok. AI2Face regala crediti di benvenuto alla registrazione.

### Qual è il limite di video in Grok?

Non c'è un numero fisso di clip: i video consumano la quota settimanale condivisa del piano, e un video di alta qualità la esaurisce molto più in fretta della chat. Quando raggiungi il tetto di 720p del tuo piano, Grok passa automaticamente a 480p.

### Quanto possono durare i video di Grok?

Da 1 a 15 secondi, 8 di default. Con i riferimenti nel modello base fino a 10 secondi, e una clip modificata mantiene la durata originale, fino a un massimo di 8,7 secondi. Per scene più lunghe si estende dall'ultimo fotogramma.

### I video di Grok hanno la filigrana?

Sì. Nelle app di Grok, immagini e video generati hanno una filigrana Grok e non esiste un'impostazione per toglierla.

## Fonti

- https://docs.x.ai/developers/model-capabilities/video/generation
- https://docs.x.ai/developers/model-capabilities/imagine
- https://docs.x.ai/developers/models
- https://docs.x.ai/developers/models/grok-imagine-video-1.5-lite
- https://x.ai/news/grok-imagine-video-1-5
- https://x.ai/news/grok-imagine-video-1-5-references
- https://docs.x.ai/grok/faq
- https://arena.ai/leaderboard/text-to-video