# Grok video: como fazer vídeos com o Grok — modos, prompts e limites

> Grok video é o Grok Imagine Video da xAI: clipes de até 15 segundos com som, a partir de texto, de uma foto ou de referências. O modelo principal é o Video 1.5 (junho de 2026, até 1080p, sincronia labial), o econômico é o 1.5 Lite, e a edição e a extensão ficam com o modelo base grok-imagine-video. No AI2Face, o Grok video está disponível sem assinatura do SuperGrok.

Publicado em 2026-10-13 · Atualizado em 2026-10-13
URL: https://ai2face.com/pt/blog/grok-video

As pessoas pesquisam Grok video por dois motivos: saber se o Grok faz vídeos e como chegar a um bom resultado. A primeira resposta é sim: em 2026, ele está entre os modelos de vídeo mais fortes. Lemos a documentação da xAI, geramos quatro clipes com o próprio Grok Video 1.5 e reunimos quais modos existem, como escrever prompts, onde estão os limites e por que a geração às vezes falha. A análise dos dois modelos do Grok está em [Grok Imagine](/pt/models/grok-imagine).

## O que é o Grok video

Grok video é a geração de clipes no Grok Imagine, a parte visual do chatbot Grok, da xAI. Os clipes já saem com som: efeitos, ambiente e fala. Funciona em grok.com/imagine, nos apps do Grok para iOS e Android e pela API da xAI.

Três modelos cobrem os diferentes modos:

| | Video 1.5 | Video 1.5 Lite | grok-imagine-video |
|---|---|---|---|
| Modos | texto, foto, referências, primeiro e último quadro, quadros-chave | texto, foto | texto, foto, edição de vídeo, extensão |
| Resolução | 1080p nativo, até 720p com referências | 1080p com upscale a partir de 720p | até 720p |
| Duração | 1–15 s | 1–15 s | 1–15 s, até 10 s com referências |
| Áudio | sim, com sincronia labial | sim, com sincronia labial | sim |
| Preço na API da xAI | US$ 0,08 por segundo | US$ 0,02 por segundo em 480p, US$ 0,03 em 720p | US$ 0,05 por segundo |

A xAI lançou o **Video 1.5** em 16 de junho de 2026 e o chama de seu melhor modelo em movimento e física: menos distorções, peso e inércia mais críveis, fala mais limpa e mais bem sincronizada com os lábios. Nos apps roda a versão acelerada **Video 1.5 Fast**: um clipe de 6 segundos em 720p em cerca de 25 segundos, contra mais de 40 do modelo anterior. Em 31 de julho de 2026, a xAI adicionou referências, voz do personagem, texto para vídeo e 1080p nativo.

O **Video 1.5 Lite** tem o menor preço por segundo. A xAI o recomenda para vídeos simples.

## Como fazer um vídeo no Grok, passo a passo

1. **Escolha o modo.** Texto, quando você ainda não tem um quadro. Foto, quando importa uma aparência, um produto ou uma composição específica. Referências, para uma série de clipes com o mesmo personagem.
2. **Defina a proporção.** As opções são 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9 e 5:2. Em imagem para vídeo, vale a proporção da foto e sua escolha é ignorada.
3. **Escolha a duração.** De 1 a 15 segundos, 8 por padrão. Para a primeira tentativa, 6–8 segundos bastam: cabe uma ação, e uma geração que não deu certo sai mais barata.
4. **Escolha a resolução.** 480p para rascunhos, 720p para redes sociais, 1080p para a versão final. Na API, o padrão é 480p.
5. **Escreva o prompt** com a fórmula abaixo: cena → ação → câmera → luz → som.
6. **Gere e avalie.** Se não ficou bom, mude uma coisa de cada vez: a ação, a câmera ou o som.

## Geração de vídeo no Grok a partir de texto

No texto para vídeo, o Video 1.5 trabalha em duas etapas: primeiro desenha um quadro inicial a partir da sua descrição e depois o anima. É uma única requisição, e o modelo não devolve a imagem intermediária. Daí a dica principal: descreva o primeiro quadro em detalhes — o lugar, a luz, quem está onde. O clipe inteiro depende dele.

[Um bonde vermelho antigo percorre uma rua de paralelepípedos molhada à noite na chuva enquanto um pedestre com guarda-chuva amarelo se afasta](https://ai2face.com/_astro/media/blog/grok-video/text-to-video.mp4 "Texto para vídeo: reflexos de neon nas poças, aproximação da câmera rente ao chão, som de chuva e cidade. Falha: o guarda-chuva já está aberto no primeiro quadro, embora no prompt o pedestre o abra. Grok Video 1.5, 720p, 8 s")

O prompt deste clipe:

```
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: de imagem para vídeo

Imagem para vídeo é o modo mais previsível. A foto já define aparência, roupa, fundo e luz; ao modelo resta só o movimento. No Video 1.5 o prompt é até opcional, mas sem ele o modelo decide sozinho o que deve se mexer.

Como conseguir um bom resultado:

- **Descreva só o que muda.** Não repita a foto: escreva “a raposa vira a cabeça, boceja e sai trotando para a direita”, e não “uma raposa vermelha sentada numa floresta com neve”.
- **Separe o movimento do personagem e o da câmera** em frases diferentes.
- **Não peça o impossível ao quadro.** Se a foto mostra alguém da cintura para cima, “caminha em direção à câmera, de corpo inteiro” obriga o modelo a inventar as pernas.
- **A foto inicial pode ser gerada.** O primeiro quadro do nosso clipe foi feito no Grok Image 2.0 — veja o guia de [Grok Image](/pt/blog/grok-image).

[Uma raposa vermelha sentada numa clareira com neve vira a cabeça para a câmera, boceja, levanta e sai trotando para a direita](https://ai2face.com/_astro/media/blog/grok-video/photo-to-video.mp4 "Imagem para vídeo: as três ações em ordem, a neve continua caindo, pelo e patas sem distorções. Quadro inicial: Grok Image 2.0; clipe: Grok Video 1.5, 720p, 8 s")

Assim também dá para animar fotos antigas e retratos — mais ideias no guia para [animar uma foto com IA](/pt/blog/ozhivit-foto).

## Referências, quadros-chave e voz

O Video 1.5 faz muito mais do que animar uma foto, e poucos concorrentes reúnem tudo isso num só modelo.

- **Imagens de referência.** Até 7 no lançamento, em 31 de julho de 2026; a documentação da API agora fala em até 14. Cada uma fixa um personagem, uma cena, um produto ou um local. Esse modo roda em 720p.
- **Voz.** Até 3 falantes recebem uma voz a partir de uma referência de áudio, e o rosto e a voz do personagem se mantêm de uma cena para outra. Em julho de 2026, as referências de voz na API eram liberadas sob solicitação.
- **Primeiro e último quadro.** O modelo interpola o movimento entre duas imagens.
- **Quadros-chave.** Até 4 imagens fixadas em momentos definidos dentro do clipe, com passo de um terço de segundo. Assim dá para montar uma história com vários estados.

![À esquerda, uma jovem de cabelo escuro e cacheado com trench coat bege numa rua molhada de cidade antiga; à direita, uma xícara de cerâmica verde-sálvia com pires sobre travertino](https://ai2face.com/_astro/references.DWuQHS0k_Z1TL2QI.jpg "Duas referências para o clipe: a protagonista e a xícara. Grok Image 2.0")

[Uma mulher de trench coat bege entra num café ensolarado, senta perto da janela, pega a xícara verde, toma um gole e sorri](https://ai2face.com/_astro/media/blog/grok-video/references.mp4 "Vídeo com referências: a protagonista e a xícara são reconhecíveis, embora nenhuma imagem tenha sido o primeiro quadro. A câmera a acompanha e para num plano médio. Grok Video 1.5, 720p, 8 s")

**Fala.** O Video 1.5 e o Lite geram fala com sincronia labial. Diga quem fala e coloque a frase exata entre aspas; os outros sons, numa linha separada. Uma fala curta em 6–8 segundos soa mais natural do que um monólogo longo.

[Uma barista de avental verde num café ensolarado olha para a câmera, sorri, diz uma frase e empurra um latte para a frente](https://ai2face.com/_astro/media/blog/grok-video/lip-sync.mp4 "Uma fala em inglês com sincronia labial e som ambiente de cafeteria. Falha: pedimos formato vertical 9:16 e o modelo entregou 16:9. Grok Video 1.5, 720p, 8 s")

Mais sobre clipes com fala no guia de [foto falante](/pt/blog/govoryashchee-foto).

## Prompts para vídeo no Grok

A fórmula que funciona: **cena → uma ação principal → câmera → luz e clima → som**. Para cenas complexas e movimentos de câmera, escreva em inglês. As falas dos personagens vão entre aspas, no idioma em que devem ser ditas.

Câmera, numa frase própria:

| O que você quer | Como escrever |
|---|---|
| Aproximação lenta | slow push-in |
| A câmera acompanha o personagem | the camera follows / tracking shot |
| Girar em volta de um objeto | slow orbit around |
| Subir acima da cena | crane up, rising shot |
| Quadro fixo | static camera, locked-off shot |
| Câmera lenta no momento certo | slow motion at the peak of the jump |

Seis prompts para tarefas típicas:

**Vídeo de produto para anúncio ou página de loja:**

```
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.
```

**Retrato animado:**

```
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.
```

**Cena de ação:**

```
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.
```

**Paisagem com clima:**

```
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.
```

**Comida para redes sociais (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.
```

**A fala de um personagem:**

```
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.
```

Mais modelos para vídeo e imagem na nossa seleção de [prompts para imagens](/pt/blog/promty-dlya-kartinok).

## Editar e estender um vídeo pronto

Na API da xAI, a edição e a extensão rodam no modelo base grok-imagine-video, não no Video 1.5.

- **Edição de vídeo**: você descreve a mudança em texto, e o modelo refaz o clipe mantendo o resto da cena. Duração e proporção são as do original; a duração vai até 8,7 segundos e a resolução até 720p: um clipe em 1080p é reduzido.
- **Extensão**: o modelo continua o clipe a partir do último quadro e junta o original e a continuação num único arquivo. É assim que se montam cenas com mais de 15 segundos.

Dica: não estenda mais de duas ou três vezes seguidas. Cada etapa parte de um quadro já gerado, e os pequenos erros se acumulam. Um vídeo longo fica mais confiável quando montado com vários clipes curtos num editor.

## Por que o Grok não cria o vídeo ou faz outra coisa

- **O limite acabou.** No app, a geração para até a cota semanal renovar; antes disso, 720p cai para 480p.
- **Moderação.** Prompts ou fotos que violam as regras da xAI são recusados sem gerar.
- **Eventos demais.** Cinco ações em 8 segundos ficam espremidas ou metade é ignorada. Uma ação principal por clipe.
- **Contradições.** “Câmera fixa” e “órbita” no mesmo prompt, ou um prompt que briga com a foto: dia na imagem, noite no texto.
- **Objetos demais em movimento.** Uma multidão em que cada um faz algo é uma fonte comum de distorções.
- **Fala longa.** Um monólogo de 15 segundos sincroniza pior com os lábios do que uma frase curta.

## Grok video grátis e limites

Dá para testar o Grok de graça na web e nos apps. A xAI não divulga quantos clipes do Imagine vêm sem assinatura, e recursos novos — como as referências e a voz em julho de 2026 — chegam primeiro aos assinantes do SuperGrok Heavy e Plus.

Como os limites funcionam, segundo a ajuda da xAI:

- **Uma cota semanal única.** Desde junho de 2026, os planos pagos não têm mais limites separados para chat e Imagine, e sim uma cota semanal para todos os produtos. Um vídeo em alta qualidade a consome muito mais rápido que uma mensagem no chat.
- **720p → 480p.** Quando você atinge o teto de 720p do seu plano, os vídeos passam a ser gerados automaticamente em 480p.
- **1080p** — no plano SuperGrok Plus.
- **Recargas.** Os Extra Usage Credits são vendidos só na web, a partir de US$ 5; custam mais que as gerações dentro do plano e expiram em um ano.
- **Marca d'água.** Imagens e vídeos dos apps do Grok recebem uma marca d'água que não pode ser desativada.

## Grok video x outros modelos de vídeo com IA

| | Grok Video 1.5 | [Gemini Omni](/pt/models/gemini-omni) | [Seedance 2.5](/pt/models/seedance-2-5) | [Kling](/pt/models/kling) |
|---|---|---|---|---|
| Posição na Arena (21/09/2026) | 4 (modo agente) | 1–2 | 7 | 29 (2.6 Pro) |
| Áudio e fala | sim, sincronia labial | sim | sim | sim |
| Resolução | até 1080p | até 4K | não divulgada | 720p, 1080p |
| Referências | até 14 imagens, 3 vozes | imagens e vídeo | até 50 | até 7 imagens |

O Grok Video 1.5 está entre os cinco primeiros e, com referências, voz, quadros-chave e extensão, é um dos modelos mais flexíveis. O Gemini Omni ganha em qualidade e resolução, e o [Seedance](/pt/models/seedance) aceita mais referências. A comparação completa está no artigo sobre [geradores de vídeo com IA](/pt/blog/nejroseti-dlya-video).

## Grok video no AI2Face

O SuperGrok é uma assinatura à parte, com teto semanal. No AI2Face, o Grok Imagine está disponível direto no gerador:

- **sem assinatura do SuperGrok** — entre com e-mail ou Google;
- **pagamento com cartão, cripto ou outro meio prático** — o custo de cada geração aparece antes de você iniciar;
- **os créditos não expiram** — além da assinatura, dá para comprar um pacote de créditos, e o saldo passa para o mês seguinte;
- **todos os modelos de vídeo numa assinatura** — Grok, [Veo 3.1](/pt/models/veo-3-1), Gemini Omni, Seedance e Kling: sai mais em conta do que assinaturas separadas, e é fácil comparar clipes com o mesmo prompt;
- **créditos de boas-vindas no cadastro** — suficientes para os primeiros clipes.

## Conclusão

Use o Grok video quando precisar de um clipe com som e física convincente: esporte, animais, ação, produto com a câmera girando em volta. Para uma série com o mesmo personagem, o Video 1.5 supera a maioria dos concorrentes graças às referências de rosto e voz, e o Lite, mais barato, basta para rascunhos e cenas simples. Comece por imagem para vídeo: é o modo mais previsível. Uma ação a cada 6–8 segundos, câmera e som em linhas separadas. Se qualidade máxima e 4K pesam mais, compare o mesmo prompt no Gemini Omni — no AI2Face isso se faz na mesma janela.

## Perguntas frequentes

### O Grok consegue fazer vídeos?

Sim. A geração de vídeo do Grok se chama Grok Imagine: ela cria clipes de 1 a 15 segundos com som a partir de uma descrição, de uma foto ou de referências. Funciona em grok.com/imagine, nos apps para iOS e Android e pela API da xAI.

### Como transformar uma foto em vídeo no Grok?

Envie a foto como quadro inicial e descreva o movimento, a câmera e o som. O modelo usa a proporção da foto e mantém a composição e a aparência do personagem. No Video 1.5 o prompt é opcional para imagem para vídeo, mas com ele o resultado é mais previsível.

### Dá para fazer vídeos no Grok de graça?

Dá para testar o Grok de graça, mas a xAI não divulga quantos vídeos do Imagine o acesso sem assinatura inclui. Desde junho de 2026 os planos pagos compartilham uma cota semanal para todos os produtos do Grok. O AI2Face dá créditos de boas-vindas no cadastro.

### Qual é o limite de vídeos no Grok?

Não há um número fixo de clipes: o vídeo consome a cota semanal compartilhada do seu plano, e um vídeo em alta qualidade gasta essa cota muito mais rápido que o chat. Quando você atinge o teto de 720p do seu plano, o Grok passa automaticamente para 480p.

### Qual a duração dos vídeos do Grok?

De 1 a 15 segundos, 8 por padrão. Com referências no modelo base, até 10 segundos, e um clipe editado mantém a duração original, com limite de 8,7 segundos. Para cenas mais longas, estenda a partir do último quadro.

### Os vídeos do Grok têm marca d'água?

Sim. Nos apps do Grok, as imagens e os vídeos gerados recebem uma marca d'água do Grok, e não há configuração para removê-la.

## Fontes

- 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