grok-imagine-video-1.5 · 视频

xAI 旗舰视频生成模型，支持文生视频、图生视频与参考生视频三种模式，内置原生音频生成，音效、环境声与对白在同一次生成中完成并精准对齐画面。单次生成最多支持 7 张参考图，可分别锁定人物面部、产品或场景元素，配合语音参考实现跨镜头角色外观与声音的双重一致性。输出最高原生 1080p，文生视频底层采用先生成首帧再动画化的两阶段流程。Fast 版本大幅提速，6 秒 720p 视频约 25 秒即可生成。