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

> Grok Imagine是xAI的图片和视频生成器。Imagine Image 2.0于2026年8月7日发布：排版精准，支持选区编辑、去背景和最多5张参考图，在Arena的80个模型中排名第6。Imagine Video 1.5可生成带声音的1080p视频，7月起支持人脸和声音参考。Grok Imagine已上线AI2Face生成器。

开发者: xAI · 发布时间: 2026-08-07 · 更新于 2026-10-02
URL: https://ai2face.com/zh/models/grok-imagine

## 关键信息

| | |
|---|---|
| 开发方 | xAI |
| 版本 | Imagine Image 2.0（2026年8月7日）、Imagine Video 1.5和1.5 Fast（2026年6月）、支持参考的Video 1.5（2026年7月31日） |
| 功能 | 图片生成与编辑，根据文本、照片和参考生成带声音的视频 |
| 图片 | 1K和2K，选区编辑、分割、去背景，最多5张参考图 |
| 视频 | 最高1080p，带声音，最多7个参考，可指定角色声音 |
| 画面比例 | 包括适合横幅的21:9和5:2 |
| API价格 | 图片 — 0.02美元起；Video 1.5 — 每秒0.08美元 |
| AI2Face | 已上线 |

## 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](/zh/models/nano-banana)系列的[Nano Banana 2](/zh/models/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。

[阳光洒满的窗台上，一只毛茸茸的橘猫发现玻璃外的蝴蝶，伏低身子伸爪去够](https://ai2face.com/_astro/media/models/grok-imagine/cat-window.mp4 "毛发、光线和猫的动作，还有喵叫声和鸟鸣。Grok Imagine Video 1.5，720p，6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。

[滑板少年在台阶上方做出尖翻，镜头在跳跃最高点以慢动作跟随，随后他落地滑走](https://ai2face.com/_astro/media/models/grok-imagine/skate-kickflip.mp4 "跳跃最高点慢动作，随后恢复正常速度——完全按提示词执行。Grok Imagine Video 1.5，6秒")

**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](/zh/models/gpt-image) | [Nano Banana 2](/zh/models/nano-banana-2) | [Nano Banana Pro](/zh/models/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](/zh/models/seedance) | [Gemini Omni](/zh/models/gemini-omni) | [Kling 3.0](/zh/models/kling) |
|---|---|---|---|---|
| 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。

## 生成示例

- 雨夜城市霓虹灯下，一位留着铂金色短发、穿红色皮夹克的年轻女子
  提示词: `大胆的高对比度杂志风人像：夜晚城市霓虹灯下，一位留着铂金色短发、穿红色皮夹克的年轻女子，雨水反光，电影感，细节锐利，无文字`
- 黎明时分云海之上的浮空岛，岛上长着一棵巨树，瀑布从岛的边缘倾泻而下
  提示词: `史诗级奇幻风景：黎明时分，云海之上的浮空岛上长着一棵巨大的古树，瀑布从岛的边缘倾泻而下，几只小鸟在飞，色彩鲜艳饱和，绘画质感的数字艺术，无文字`
- 合成波海报NIGHT DRIVE：一辆跑车沿着棕榈树间的网格公路驶向霓虹落日
  提示词: `1980年代复古合成波海报：一辆跑车沿着网格公路驶向巨大的霓虹落日，棕榈树剪影，品红和青色配色，大胆的平面风格，顶部用镀铬字体写着NIGHT DRIVE，没有其他文字`
- 夜市里厨师在火焰升腾的炒锅中颠面，火星四溅、热气腾腾
  提示词: `写实的街头美食场景：夜市摊位上，厨师在火焰升腾的炒锅中颠面，火星和蒸汽，暖色灯笼，动感强烈，高对比度，无文字、无标志`

## 常见问题

### Grok Imagine是什么？

xAI（聊天机器人Grok的开发公司）推出的图片和视频生成器。目前包含两款模型：用于图片的Imagine Image 2.0和用于带声音视频的Imagine Video 1.5。

### 怎么用Grok Imagine生成视频？

用文字描述场景，或上传一张起始照片并描述动作。自2026年7月31日起，还可以添加最多7张参考图和角色声音，让同一个角色在不同场景中保持一致。

### Grok Imagine和其他模型相比怎么样？

在2026年9月的Arena排行榜上，Imagine Image 2.0在80个图像模型中排名第6，Grok Imagine Video 1.5（智能体模式）在48个视频模型中排名第4。

### Grok Imagine可以免费用吗？

在xAI官方，免费额度取决于Grok套餐，部分功能会先向SuperGrok订阅用户开放。在AI2Face中，可以用注册后获得的欢迎积分试用Grok Imagine。

### Grok Imagine能理解中文提示词吗？

可以用中文写提示词，但要做精准排版和复杂场景，英文更可靠。需要出现在图片里的文字，用所需的语言写在引号里。

## 资料来源

- https://x.ai/news/grok-imagine-image-2
- https://x.ai/news/grok-imagine-video-1-5
- https://x.ai/news/grok-imagine-video-1-5-references
- https://docs.x.ai/developers/models
- https://x.ai/news/grok-image-generation-release
- https://docs.x.ai/developers/model-capabilities/video/generation
- https://arena.ai/leaderboard/text-to-image
- https://arena.ai/leaderboard/text-to-video