Grok Imagine Video 1.5: видеомодель xAI — звук, 14 референсов, голоса и ключевые кадры

Что такое Grok Imagine Video 1.5

Grok Imagine Video 1.5 — модель генерации видео компании xAI, которая делает чат-бот Grok. Она выходила в два этапа:

• 16 июня 2026 года — оживление фото и быстрая версия Video 1.5 Fast в приложениях Grok, модель в API вышла из превью;
• 31 июля 2026 года — изображения-референсы и голоса, видео по тексту и 1080p.

В октябре 2026 года к ней добавилась облегчённая Video 1.5 Lite. Модель работает на grok.com/imagine, в приложениях Grok для iOS и Android и через API xAI под именем grok-imagine-video-1.5. Картинки в той же экосистеме делает Imagine Image 2.0 — обе модели описаны на странице Grok Imagine.

Что умеет Grok Imagine Video 1.5

Ролики со звуком 1–15 секунд. Шумы, фон и речь с синхронизацией губ генерируются в одном проходе с действием. Звук можно отключить и получить немой ролик.

Нативный 1080p. По тексту и по фото модель рисует 1080p сразу, без апскейла. По умолчанию стоит 480p — для черновиков. В режиме референсов потолок — 720p.

Девять форматов кадра. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 и редкие 21:9 и 5:2 — для баннеров и широких обложек. При оживлении фото формат берётся с исходной картинки.

Физика и движение. xAI называет 1.5 своей лучшей моделью по движению: меньше искажений, правдоподобнее вес и инерция тел.

Видео по тексту — через кадр. Если промпт без картинки, модель сначала рисует первый кадр, а потом анимирует его.

Один герой в разных сценах. До 14 изображений-референсов держат лицо и внешний вид персонажа. Голос задаётся отдельно: до 3 говорящих героев на ролик, каждому — свой голос из готового набора.

Первый, последний и ключевые кадры. Можно зафиксировать точный последний кадр, а вместе с исходной картинкой — и первый. Между ними можно поставить до 4 ключевых кадров: каждый привязан к моменту ролика с шагом в 1/3 секунды.

Промпт при картинках, референсах или ключевых кадрах необязателен: модель может взять движение из самих кадров. Но описание действия и звука даёт более предсказуемый результат.

Video 1.5, Fast и Lite: чем отличаются

	Video 1.5	Video 1.5 Fast	Video 1.5 Lite
Где	приложения и API	приложения Grok	API
Скорость	несколько минут на сложный ролик	6 с в 720p — около 25 секунд	быстрее полной
1080p	нативно	—	апскейл из 720p
Длина	1–15 с	—	1–15 с
Референсы и голоса	14 изображений, 3 голоса	—	нет
Первый, последний и ключевые кадры	да	—	нет
Цена в API	$0,08 за секунду	—	$0,02 за секунду

Fast — режим приложений Grok: xAI пишет, что он почти вдвое быстрее прошлой модели, которой на 6-секундный ролик в 720p требовалось больше 40 секунд. Lite — отдельная модель в API для простых роликов по одному промпту или фото.

Для каких задач подходит Grok Imagine Video 1.5

• Динамичные короткие ролики: спорт, животные, трюки, замедление в нужный момент.
• Серии с одним персонажем и голосом — до 14 референсов и 3 голоса.
• Ролики с заданной концовкой: первый и последний кадр фиксируют, как сцена начинается и заканчивается.
• Сложная траектория — летящий предмет, проход камеры через комнаты — по 4 ключевым кадрам.
• Баннеры и обложки 21:9 и 5:2 с движением.

Grok Imagine Video 1.5 и аналоги

	Grok Imagine Video 1.5	Kling 3.0	Veo 3.1	Seedance 2.0
Разработчик	xAI	Kuaishou	Google DeepMind	ByteDance Seed
Длина за генерацию	1–15 с	до 15 с	4, 6, 8 с	4–15 с
Максимальное разрешение	1080p	4K	4K	4K
Референсы	14 изображений, 3 голоса	до 7 изображений или элементов	до 3 изображений	9 фото, 3 видео, 3 аудио
Ключевые кадры	первый, последний и до 4 промежуточных	первый и последний	первый и последний	первый и последний
Форматы 21:9 и 5:2	да	—	—	21:9
В AI2Face	да	да	да	да

Grok Imagine Video 1.5 выделяется промежуточными ключевыми кадрами и числом референсов-картинок. За 4K и длинными диалогами идите к Kling 3.0 и Veo 3.1, за референсами из видео и аудио — к Seedance 2.0.

Как писать промпты для Grok Imagine Video 1.5

1. Опишите действие по порядку: что происходит в начале, середине и конце ролика.
2. Добавьте камеру: «камера следует сзади», «замедление на пике прыжка», «облёт».
3. Звук пишите отдельной строкой: реплики в кавычках, шумы, музыка или её отсутствие.
4. Для ключевых кадров описывайте переходы между ними, а не сами кадры — картинки уже задают, что в них.
5. Черновик делайте в 480p, финал — в 720p или 1080p.

Промпт под ключевые кадры выше:

Мальчик запускает бумажный самолётик с задней парты. Самолётик плавно планирует над партами,
поворачивает к залитому солнцем окну, ловит поток воздуха и мягко садится на учительский стол
рядом с глобусом. Камера ведёт самолётик сбоку, в конце — лёгкий наезд на стол.
Звук: шорох бумаги, приглушённый смех класса, щебет птиц за окном, без музыки.

Как использовать Grok Imagine Video 1.5 в AI2Face

Grok Imagine Video 1.5 доступна в генераторе AI2Face рядом с Kling 3.0, Veo 3.1 и Seedance 2.0.

1. Зарегистрируйтесь — новым аккаунтам начисляют стартовые кредиты.
2. Откройте генератор, перейдите в видео и выберите Grok Imagine Video 1.5.
3. Загрузите фото, референсы или ключевые кадры, напишите промпт, задайте длину и разрешение.
4. Стоимость в кредитах видна до запуска. Кредиты не сгорают, оплата — картой РФ, по СБП или криптовалютой, VPN не нужен.

Пошаговый разбор режимов и лимитов в самом Grok — в гайде Грок видео. Ключевые кадры и референсы героя удобно сделать в Nano Banana Pro в том же генераторе.

Ограничения

• 720p с референсами. Нативный 1080p работает только для видео по тексту и по фото.
• Правки и продления в 1.5 нет. Редактирование ролика xAI делает старой моделью Grok Imagine Video, в 720p и для роликов до 8,7 секунды.
• Голоса — из набора. В API каждому из 3 говорящих героев назначают голос из готового набора xAI.
• Время генерации. Сложный ролик в высоком разрешении может считаться несколько минут.
• Модерация. Запросы и результаты фильтруются по правилам xAI; заблокированный ролик API возвращает с пометкой.

Выводы

Grok Imagine Video 1.5 — сильный выбор для коротких динамичных роликов и сцен, где нужно точно задать траекторию: промежуточные ключевые кадры есть только у неё. 14 референсов и 3 голоса позволяют вести одного персонажа через серию роликов. Если нужен 4K или длинный диалог, сравните с Kling 3.0 и Veo 3.1. Для простых роликов по одному фото дешевле Video 1.5 Lite.