Grok Imagine：xAI的图片和视频生成器，Image 2.0与Video 1.5

Grok Imagine是什么

Grok Imagine是xAI（聊天机器人Grok的开发公司）推出的图片和视频生成器。xAI在2024年12月发布了首个图像模型Aurora，到2026年秋天，Imagine已经发展为两款独立模型：

• Imagine Image 2.0 — 图片生成与编辑模型，2026年8月7日发布，现已成为Grok应用中的Quality模式；
• Imagine Video 1.5 — 带声音的视频模型：2026年6月推出图生视频版本和更快的Fast版本，7月31日推出支持参考、文生视频和1080p的版本。

两款模型都可以在grok.com/imagine、iOS和Android应用以及xAI API中使用。

Grok Imagine能做什么

能干活的图片。 xAI把Image 2.0定位为面向实际任务的模型：严格遵循指令，像设计师一样考虑排版和版式，小字也清晰锐利。截至2026年9月24日，Image 2.0在Arena的80个模型中排名第6，高于Nano Banana系列的Nano Banana 2。

局部编辑。 “魔棒”只修改你指定的区域，其余部分保持不变。分割功能可精确选区，去背景功能能把主体导出为透明背景，Smart resize可把画面扩展到新的比例。单次生成最多可使用5张原图。

带声音的视频。 Imagine Video 1.5可以让照片动起来，也能根据文本生成视频：此时模型会先画出首帧，再让它动起来。Fast版生成一条6秒720p视频约需25秒。

物理效果与动感。 xAI称Video 1.5是其在动作和物理效果上最强的模型。体育技巧动作和恰到好处的慢动作都处理得很好。

同一角色出现在多个场景。 自2026年7月31日起，Video 1.5可上传最多7张图片和一段声音：角色的脸和声音在所有场景中保持一致。在API中，声音参考需申请开通。

Grok Imagine适合哪些任务

• 带小字的海报和信息图 — Image 2.0的强项。
• 照片局部编辑 — 替换物体、去除背景、抠出透明背景的主体。
• 21:9和5:2的横幅 — 适合网站和封面的少见比例。
• 动感视频 — 运动、特技、动物、动作场面。
• 同一角色的系列视频 — 人脸和声音参考。

Grok Imagine与同类模型对比

图片：

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Arena排名（2026.09.24）	6	1	9	14
局部编辑	魔棒、分割	蒙版	提示词	提示词
去背景	支持	透明背景	—	—
参考图	最多5张	多张	最多14张	最多14张
API价格	0.02美元起	按token计费	0.045美元起	0.134美元起

视频：

	Imagine Video 1.5	Seedance 2.5	Gemini Omni	Kling 3.0
Arena排名（2026.09.21）	4（智能体模式）	7	1–2	29（2.6 Pro）
声音	有	有	有	有
分辨率	最高1080p	开发方未公布	最高4K	720p、1080p
参考	最多7张照片、声音	最多50个	照片和视频	最多7张照片
API价格	每秒0.08美元	—	—	—

Grok Imagine提示词怎么写

• 带文字的图片 — 把准确的文字放在引号里，并加上“no other text”，就像图库里的NIGHT DRIVE海报。
• 编辑 — 选中区域，只描述要改的地方：“把马克杯换成玻璃杯，其他不动”。
• 图生视频 — 描述动作、镜头和氛围，构图由模型从照片中获取。
• 文生视频 — 记住模型会先画首帧，所以要把首帧写详细。
• 声音单独写一行： “Sound：…”。

如何在AI2Face中使用Grok Imagine

Grok Imagine已上线AI2Face生成器，无需订阅SuperGrok。你可以用同一个提示词，把它的图片与Nano Banana和GPT Image对比，把视频与Seedance和Gemini Omni对比。每次生成的费用在开始前显示，支持银行卡或加密货币支付，积分包里的积分不会过期。新账号注册后即可获得欢迎积分。

局限

• 新功能先给订阅用户。 xAI的人脸和声音参考最先在SuperGrok Heavy和Plus套餐上线。
• 带参考的视频最高720p。 参考模式限制在720p，1080p适用于文生视频和图生视频。
• API中的声音参考需申请。
• 霓虹招牌和背景文字有时会被填成无意义的符号——在我们图库的人像中，女子身后的招牌就是这样。

总结

Grok Imagine是少有的两款模型都排名靠前的生成器：Image 2.0在图片榜排第6，Video 1.5在视频榜排第4。做带文字的海报、局部编辑和少见比例的横幅，选Image 2.0；做动感视频和同一角色的系列，选Video 1.5。追求最精准的文字，最接近的替代是GPT Image；做视频，可以选Gemini Omni和Seedance。这些模型在AI2Face中都能使用。