Grok Imagine Video 1.5: il modello video di xAI — audio, 14 riferimenti, voci e keyframe

Che cos’è Grok Imagine Video 1.5

Grok Imagine Video 1.5 è il modello di generazione video di xAI, l’azienda del chatbot Grok. È uscito in due tappe:

• 16 giugno 2026 — animazione di foto e la versione veloce Video 1.5 Fast nelle app Grok; il modello API è uscito dall’anteprima;
• 31 luglio 2026 — immagini di riferimento e voci, video da testo e 1080p.

Nell’ottobre 2026 si è aggiunta la versione più leggera Grok Imagine Video 1.5 Lite. Il modello gira su grok.com/imagine, nelle app Grok per iOS e Android e tramite l’API xAI con il nome grok-imagine-video-1.5. Le immagini dello stesso ecosistema le fa Imagine Image 2.0 — entrambi i modelli sono descritti nella pagina Grok Imagine.

Cosa sa fare Grok Imagine Video 1.5

Clip con audio da 1 a 15 secondi. Rumori, ambiente e parlato sincronizzato con le labbra nascono nello stesso passaggio dell’azione. L’audio si può spegnere e ottenere una clip muta.

1080p nativo. Da testo o da una foto il modello disegna il 1080p subito, senza upscale. Di default è a 480p, pensato per le bozze. In modalità riferimenti il tetto è 720p.

Nove formati. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 e i meno comuni 21:9 e 5:2 — per banner e copertine larghe. Quando animi una foto, il formato è quello dell’immagine di partenza.

Fisica e movimento. xAI chiama la 1.5 il suo miglior modello di movimento: meno deformazioni, peso e inerzia dei corpi più credibili.

Video da testo, passando da un fotogramma. Se il prompt non ha un’immagine, il modello disegna prima il fotogramma iniziale e poi lo anima.

Lo stesso personaggio in scene diverse. Fino a 14 immagini di riferimento tengono volto e aspetto del personaggio. La voce si imposta a parte: fino a 3 personaggi che parlano per clip, ognuno con la sua voce da un set già pronto.

Primo fotogramma, ultimo e keyframe. Puoi fissare l’ultimo fotogramma esatto e, con un’immagine di partenza, anche il primo. In mezzo ci stanno fino a 4 keyframe: ognuno è legato a un momento della clip, a passi di un terzo di secondo.

Con immagini, riferimenti o keyframe il prompt è facoltativo: il modello può prendere il movimento dai fotogrammi stessi. Descrivere azione e audio rende il risultato più prevedibile.

Video 1.5, Fast e Lite: le differenze

	Video 1.5	Video 1.5 Fast	Grok Imagine Video 1.5 Lite
Dove	app e API	app Grok	API
Velocità	una clip complessa può richiedere diversi minuti	6 s a 720p in circa 25 secondi	più veloce del modello completo
1080p	nativo	—	upscale da 720p
Durata	1–15 s	—	1–15 s
Riferimenti e voci	14 immagini, 3 voci	—	no
Primo, ultimo fotogramma e keyframe	sì	—	no
Prezzo nell’API	0,08 $ al secondo	—	0,02 $ al secondo

Fast è una modalità delle app Grok: xAI dice che è quasi il doppio più veloce del modello precedente, a cui servivano più di 40 secondi per una clip di 6 secondi a 720p. Lite è un modello API a sé, per clip semplici da un solo prompt o da una foto.

A cosa serve Grok Imagine Video 1.5

• Clip brevi e dinamiche: sport, animali, acrobazie, rallentatore nel momento giusto.
• Serie con un personaggio e una voce — fino a 14 riferimenti e 3 voci.
• Clip con un finale fissato: primo e ultimo fotogramma stabiliscono come inizia e come finisce la scena.
• Una traiettoria complessa — un oggetto in volo, una camera che attraversa le stanze — da 4 keyframe.
• Banner e copertine 21:9 e 5:2 con movimento.

Grok Imagine Video 1.5 e le alternative

	Grok Imagine Video 1.5	Kling 3.0	Veo 3.1	Seedance 2.0
Sviluppatore	xAI	Kuaishou	Google DeepMind	ByteDance Seed
Durata per generazione	1–15 s	fino a 15 s	4, 6, 8 s	4–15 s
Risoluzione massima	1080p	4K	4K	4K
Riferimenti	14 immagini, 3 voci	fino a 7 immagini o elementi	fino a 3 immagini	9 foto, 3 video, 3 audio
Keyframe	primo, ultimo e fino a 4 intermedi	primo e ultimo	primo e ultimo	primo e ultimo
Formati 21:9 e 5:2	sì	—	—	21:9
In AI2Face	sì	sì	sì	sì

Grok Imagine Video 1.5 si distingue per i keyframe intermedi e per il numero di immagini di riferimento. Per il 4K e i dialoghi lunghi vai su Kling 3.0 e Veo 3.1; per riferimenti da video e audio, su Seedance 2.0.

Come scrivere i prompt per Grok Imagine Video 1.5

1. Descrivi l’azione in ordine: cosa succede all’inizio, a metà e alla fine della clip.
2. Aggiungi la camera: «la camera segue da dietro», «rallentatore sul culmine del salto», «orbita».
3. Metti l’audio su una riga a parte: battute tra virgolette, rumori, musica o niente musica.
4. Con i keyframe descrivi i passaggi tra uno e l’altro, non i fotogrammi stessi: le immagini dicono già cosa contengono.
5. Fai la bozza a 480p, il finale a 720p o 1080p.

Un prompt per i keyframe qui sopra:

Un ragazzo lancia un aeroplanino di carta dal banco in fondo. L'aeroplanino
plana morbido sopra i banchi, gira verso la finestra piena di sole, prende
una corrente d'aria e atterra piano sulla cattedra, accanto al mappamondo.
La camera segue l'aeroplanino di lato e alla fine si avvicina un po' alla cattedra.
Audio: fruscio della carta, risate smorzate della classe, cinguettii oltre la finestra, niente musica.

Come usare Grok Imagine Video 1.5 in AI2Face

Grok Imagine Video 1.5 è nel generatore di AI2Face accanto a Kling 3.0, Veo 3.1 e Seedance 2.0.

1. Registrati: i nuovi account ricevono crediti di benvenuto.
2. Apri il generatore, passa al video e scegli Grok Imagine Video 1.5.
3. Carica una foto, dei riferimenti o dei keyframe, scrivi il prompt e imposta durata e risoluzione.
4. Il costo in crediti è visibile prima dell’avvio. Puoi pagare con carta o criptovalute e i crediti dei pacchetti non scadono.

La guida passo passo a modalità e limiti dentro Grok è Grok video. Keyframe e riferimenti del personaggio li prepari con Nano Banana Pro nello stesso generatore.

Limiti

• 720p con i riferimenti. Il 1080p nativo vale solo per il video da testo e da foto.
• Nella 1.5 non ci sono modifiche né estensioni. xAI modifica la clip con il modello precedente, Grok Imagine Video, a 720p e per clip fino a 8,7 secondi.
• Le voci arrivano da un set. Nell’API a ciascuno dei 3 personaggi che parlano si assegna una voce dal set pronto di xAI.
• Tempo di generazione. Una clip complessa ad alta risoluzione può richiedere diversi minuti.
• Moderazione. Richieste e risultati sono filtrati secondo le regole di xAI; una clip bloccata l’API la restituisce con un contrassegno.

Conclusioni

Grok Imagine Video 1.5 è una scelta forte per clip brevi e dinamiche e per le scene in cui la traiettoria deve essere precisa: i keyframe intermedi li ha solo questo modello. 14 riferimenti e 3 voci permettono di portare un personaggio attraverso una serie. Se ti serve il 4K o un dialogo lungo, confrontalo con Kling 3.0 e Veo 3.1. Per clip semplici da una sola foto, Grok Imagine Video 1.5 Lite costa meno.