# Grok Imagine Video 1.5: o modelo de vídeo da xAI — som, 14 referências, vozes e quadros-chave

> Grok Imagine Video 1.5 é o modelo de vídeo da xAI, lançado em 16 de junho de 2026. Gera clipes com som e fala sincronizada com os lábios, de 1 a 15 segundos, em 1080p nativo a partir de texto, e desde 31 de julho aceita até 14 imagens de referência, até 3 vozes, o primeiro e o último quadro e até 4 quadros-chave. Na API custa US$ 0,08 por segundo. O Grok Imagine Video 1.5 está no gerador do AI2Face.

Desenvolvedor: xAI · Lançamento: 2026-06-16 · Atualizado em 2026-10-27
URL: https://ai2face.com/pt/models/grok-imagine-video-1-5

## Fatos principais

| | |
|---|---|
| Desenvolvedora | xAI |
| Data de lançamento | 16 de junho de 2026; referências, texto para vídeo e 1080p em 31 de julho de 2026 |
| O que faz | Vídeo com som a partir de texto, de uma foto, de referências, do primeiro e último quadro ou de quadros-chave |
| Duração | 1–15 segundos, 8 por padrão |
| Resolução | 480p, 720p, 1080p nativo; com referências, até 720p |
| Proporção | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2 |
| Referências | Até 14 imagens e até 3 vozes |
| Quadros-chave | Primeiro e último quadro, mais até 4 intermediários no passo de um terço de segundo |
| Preço da API | US$ 0,08 por segundo de vídeo |
| No AI2Face | Sim, no gerador |

## O que é o Grok Imagine Video 1.5

Grok Imagine Video 1.5 é o modelo de geração de vídeo da xAI, a empresa do chatbot Grok. Saiu em duas etapas:

- **16 de junho de 2026** — animação de fotos e a versão rápida Video 1.5 Fast nos apps do Grok; o modelo da API saiu da prévia;
- **31 de julho de 2026** — imagens de referência e vozes, vídeo a partir de texto e 1080p.

Em outubro de 2026 entrou a versão mais leve [Grok Imagine Video 1.5 Lite](/pt/news/grok-imagine-video-1-5-lite). O modelo roda em grok.com/imagine, nos apps do Grok para iOS e Android e pela API da xAI com o nome `grok-imagine-video-1.5`. As imagens do mesmo ecossistema ficam com o Imagine Image 2.0 — os dois modelos estão na página [Grok Imagine](/pt/models/grok-imagine).

## O que o Grok Imagine Video 1.5 faz

**Clipes com som de 1 a 15 segundos.** Ruídos, ambiente e fala sincronizada com os lábios saem na mesma passada da ação. Dá para desligar o som e ficar com um clipe mudo.

**1080p nativo.** A partir de texto ou de uma foto, o modelo desenha 1080p direto, sem upscale. O padrão é 480p, pensado para rascunhos. No modo de referências, o teto é 720p.

**Nove proporções.** 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 e as menos comuns 21:9 e 5:2 — para banners e capas largas. Ao animar uma foto, a proporção vem da imagem original.

**Física e movimento.** A xAI chama a 1.5 de seu melhor modelo de movimento: menos distorções, peso e inércia dos corpos mais críveis.

**Vídeo a partir de texto, passando por um quadro.** Se o prompt não tem imagem, o modelo primeiro desenha o quadro inicial e depois o anima.

**O mesmo personagem em cenas diferentes.** Até 14 imagens de referência seguram o rosto e a aparência do personagem. A voz é definida à parte: até 3 personagens que falam por clipe, cada um com a sua voz de um conjunto pronto.

**Primeiro quadro, último e quadros-chave.** Dá para fixar o último quadro exato e, com uma imagem de origem, o primeiro também. Entre eles cabem até 4 quadros-chave: cada um preso a um momento do clipe, no passo de um terço de segundo.

![Quatro quadros em sequência: um menino lança um avião de papel na sala de aula, o avião plana sobre as carteiras, passa pela janela e pousa na mesa do professor, ao lado de um globo terrestre](https://ai2face.com/_astro/keyframes.B6cBNsAO_mNTWM.jpg "Quadros-chave para o Grok Imagine Video 1.5: quatro imagens marcam a trajetória do avião e o modelo completa o movimento entre elas. Imagens feitas no Nano Banana Pro")

Com imagens, referências ou quadros-chave, o prompt é opcional: o modelo pode tirar o movimento dos próprios quadros. Descrever a ação e o som deixa o resultado mais previsível.

## Video 1.5, Fast e Lite: as diferenças

| | Video 1.5 | Video 1.5 Fast | [Grok Imagine Video 1.5 Lite](/pt/news/grok-imagine-video-1-5-lite) |
|---|---|---|---|
| Onde | apps e API | apps do Grok | API |
| Velocidade | um clipe complexo pode levar vários minutos | 6 s em 720p em cerca de 25 segundos | mais rápido que o modelo completo |
| 1080p | nativo | — | upscale a partir de 720p |
| Duração | 1–15 s | — | 1–15 s |
| Referências e vozes | 14 imagens, 3 vozes | — | não |
| Primeiro, último quadro e quadros-chave | sim | — | não |
| Preço na API | US$ 0,08 por segundo | — | US$ 0,02 por segundo |

Fast é um modo dos apps do Grok: a xAI diz que ele é quase duas vezes mais rápido que o modelo anterior, que precisava de mais de 40 segundos para um clipe de 6 segundos em 720p. Lite é um modelo separado na API, para clipes simples a partir de um único prompt ou de uma foto.

## Para que serve o Grok Imagine Video 1.5

- **Clipes curtos e dinâmicos:** esporte, animais, manobras, câmera lenta no momento certo.
- **Séries com um personagem e uma voz** — até 14 referências e 3 vozes.
- **Clipes com um final definido:** o primeiro e o último quadro fixam como a cena começa e termina.
- **Uma trajetória complexa** — um objeto voando, uma câmera atravessando cômodos — a partir de 4 quadros-chave.
- **Banners e capas em 21:9 e 5:2** com movimento.

## Grok Imagine Video 1.5 e as alternativas

| | Grok Imagine Video 1.5 | [Kling 3.0](/pt/models/kling-3-0) | [Veo 3.1](/pt/models/veo-3-1) | [Seedance 2.0](/pt/models/seedance-2-0) |
|---|---|---|---|---|
| Desenvolvedora | xAI | Kuaishou | Google DeepMind | ByteDance Seed |
| Duração por geração | 1–15 s | até 15 s | 4, 6, 8 s | 4–15 s |
| Resolução máxima | 1080p | 4K | 4K | 4K |
| Referências | 14 imagens, 3 vozes | até 7 imagens ou elementos | até 3 imagens | 9 fotos, 3 vídeos, 3 áudios |
| Quadros-chave | primeiro, último e até 4 intermediários | primeiro e último | primeiro e último | primeiro e último |
| Formatos 21:9 e 5:2 | sim | — | — | 21:9 |
| No AI2Face | sim | sim | sim | sim |

O Grok Imagine Video 1.5 se destaca pelos quadros-chave intermediários e pelo número de imagens de referência. Para 4K e diálogos longos, vá de Kling 3.0 e Veo 3.1; para referências de vídeo e áudio, de Seedance 2.0.

## Como escrever prompts para o Grok Imagine Video 1.5

1. **Descreva a ação em ordem:** o que acontece no começo, no meio e no fim do clipe.
2. **Acrescente a câmera:** “a câmera segue por trás”, “câmera lenta no auge do salto”, “órbita”.
3. **Escreva o som numa linha à parte:** falas entre aspas, ruídos, música ou a ausência dela.
4. **Com quadros-chave,** descreva as transições entre eles, não os quadros em si — as imagens já dizem o que há em cada um.
5. **O rascunho fica em 480p,** o final em 720p ou 1080p.

Um prompt para os quadros-chave acima:

```
Um menino lança um avião de papel da carteira do fundo. O avião plana suave
sobre as carteiras, vira para a janela cheia de sol, pega uma corrente de ar
e pousa de leve na mesa do professor, ao lado do globo terrestre. A câmera
acompanha o avião de lado e, no fim, se aproxima um pouco da mesa.
Som: farfalhar do papel, risadas abafadas da turma, canto de pássaros atrás da janela, sem música.
```

## Como usar o Grok Imagine Video 1.5 no AI2Face

O Grok Imagine Video 1.5 está no gerador do AI2Face ao lado de [Kling 3.0](/pt/models/kling-3-0), [Veo 3.1](/pt/models/veo-3-1) e [Seedance 2.0](/pt/models/seedance-2-0).

1. Cadastre-se — contas novas recebem créditos de boas-vindas.
2. Abra o gerador, vá para vídeo e escolha Grok Imagine Video 1.5.
3. Envie uma foto, referências ou quadros-chave, escreva o prompt e defina a duração e a resolução.
4. O custo em créditos aparece antes de começar. Dá para pagar com cartão ou cripto, e os créditos dos pacotes não expiram.

O passo a passo dos modos e limites dentro do próprio Grok está no guia [Grok video](/pt/blog/grok-video). Quadros-chave e referências do personagem você prepara no [Nano Banana Pro](/pt/models/nano-banana-pro), no mesmo gerador.

## Limitações

- **720p com referências.** O 1080p nativo só vale para vídeo a partir de texto e a partir de foto.
- **Na 1.5 não há edição nem extensão.** A xAI edita o clipe com o modelo antigo, Grok Imagine Video, em 720p e para clipes de até 8,7 segundos.
- **As vozes vêm de um conjunto.** Na API, cada um dos 3 personagens que falam recebe uma voz do conjunto pronto da xAI.
- **Tempo de geração.** Um clipe complexo em alta resolução pode levar vários minutos.
- **Moderação.** Pedidos e resultados são filtrados pelas regras da xAI; um clipe bloqueado a API devolve com uma marca.

## Conclusão

O Grok Imagine Video 1.5 é uma boa escolha para clipes curtos e dinâmicos e para cenas em que a trajetória precisa ficar exata: quadros-chave intermediários só ele tem. 14 referências e 3 vozes deixam um personagem atravessar uma série de clipes. Se você precisa de 4K ou de um diálogo longo, compare com [Kling 3.0](/pt/models/kling-3-0) e [Veo 3.1](/pt/models/veo-3-1). Para clipes simples a partir de uma foto só, [Grok Imagine Video 1.5 Lite](/pt/news/grok-imagine-video-1-5-lite) sai mais barato.

## Perguntas frequentes

### O que é o Grok Imagine Video 1.5?

Um modelo de vídeo da xAI, a empresa do chatbot Grok. Gera clipes com som e fala a partir de texto, fotos e referências. Saiu em 16 de junho de 2026, e o modo de referências entrou em 31 de julho.

### Quantos segundos de vídeo o Grok Imagine Video 1.5 faz?

De 1 a 15 segundos por geração, 8 por padrão.

### Qual é a resolução do Grok Imagine Video 1.5?

480p, 720p ou 1080p. O modelo desenha 1080p de forma nativa quando o clipe sai de texto ou de uma foto. Com referências, o teto é 720p.

### Como manter o mesmo personagem em clipes diferentes?

Envie imagens dele como referências — até 14 — e atribua uma voz: até 3 personagens que falam por clipe. O rosto e a voz se mantêm de uma cena para outra.

### Qual a diferença entre Video 1.5 e 1.5 Lite?

O Lite é quatro vezes mais barato (US$ 0,02 contra US$ 0,08 por segundo), mas só aceita texto e uma foto, e o 1080p vem de upscale. O Lite não tem referências, vozes nem quadros-chave.

### O Grok Imagine Video 1.5 está no AI2Face?

Sim. O modelo está no gerador do AI2Face, e o custo aparece antes de iniciar a geração.

## Fontes

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