الإطار الأول هو صورتك
نوجّه الطلبات ذات الإطار الأول إلى نقطة النهاية الأصلية لتحويل الصورة إلى فيديو لدى xAI، وقد تحققنا من النتيجة إطارًا بإطار: الإطار الافتتاحي هو الصورة المدخلة، لا إعادة تفسير لها.
نموذج · xAI Grok Imagine Video 1.5
Grok Imagine Video 1.5 — صورة تبدأ بالكلام
نموذج الفيديو من xAI، وما يتقنه أكثر من أي نموذج آخر هنا: يفتتح بصورتك وينطق جملتك. أعطه صورة شخصية وجملة بين علامتي تنصيص، فيكون الإطار الأول من المقطع هو تلك الصورة، مع نطق الجملة بصوت مسموع ومزامنتها مع الشفاه. تمتد المقاطع من 4 إلى 15 ثانية بأي طول من الثواني الكاملة، بدقة 720p أو 1080p، وبخمس نسب أبعاد. تدفع بالثانية — $0.14 بدقة 720p و$0.25 بدقة 1080p — وهي الأسعار نفسها التي تعلنها xAI لواجهتها البرمجية. بالعملات الرقمية أو البطاقة، ومن دون اشتراك.
01ما هو
ما هو Grok Imagine Video 1.5؟
Grok Imagine Video 1.5 هو نموذج توليد الفيديو من xAI — النموذج الذي يقف خلف جانب الفيديو في Grok Imagine — وهو يحوّل موجّهًا، أو صورة ثابتة مع موجّه، إلى مقطع يصل إلى 15 ثانية مع صوت يُولَّد في التمريرة نفسها. وهو متاح في واجهة xAI البرمجية منذ يونيو 2026 وعلى BananaBanana منذ 16 سبتمبر 2026، ويُدفع ثمنه من الرصيد نفسه المستخدم لسائر النماذج. نحتسب أسعار xAI نفسها بالثانية، $0.14 بدقة 720p و$0.25 بدقة 1080p، ولا نحمّلك الرسم الذي تضيفه xAI عن كل صورة مدخلة.
فيمَ يبرع فعلًا؟
الحوار والإطارات الأولى. الجملة المكتوبة بين علامتي تنصيص تُنطق، وتُزامَن مع الشفاه، وتُمزج بمستوى صوت المحادثة، وهذا ما يحتاجه إعلان بأسلوب صنّاع المحتوى. وحين تعطيه صورة إطارًا أول، يفتتح المقطع بتلك الصورة — الشخص نفسه، والغرفة نفسها، والنقشة نفسها على الكنزة — لا بشبيه أُعيد إخراجه. كما تعمل الموجّهات النصية وحدها، والوضع العمودي حقيقي: طلب 9:16 بدقة 1080p عاد ملفًا بأبعاد 1088×1920، لا لقطة أفقية مقصوصة.
02ما يجيده
ستة أمور تستحق المعرفة قبل أن تُنفق
جمل منطوقة مع مزامنة الشفاه
ضع الجملة بين علامتي تنصيص فينطقها النموذج. الصوت مفعّل دائمًا ومشمول دائمًا في السعر؛ لا توجد فئة صامتة ولا مبلغ إضافي مقابل الصوت.
أي طول من 4 إلى 15 ثانية
ليست قائمة من ثلاث مدد، بل كل ثانية كاملة ضمن النطاق. سبع ثوانٍ لجملة حوار واحدة، وإحدى عشرة لجملتين، وتدفع مقابل ذلك بالضبط.
خمس نسب أبعاد
16:9 و9:16 و1:1 و3:2 و2:3. المربع و3:2 صيغتان لا تُخرجهما نماذج الفيديو الأخرى هنا إطلاقًا.
حتى 7 صور مرجعية
توجّه المراجع الموضوع والمكان بينما يتولى النموذج إخراج المشهد بنفسه. وهي بديل عن الإطار الأول لا إضافة إليه — أرسل أحدهما فقط.
فئتان سعريتان
$0.14 للثانية بدقة 720p و$0.25 بدقة 1080p. اضبط الموجّه على 720p، ثم أخرج مرة واحدة بدقة 1080p مقطع النص إلى فيديو الذي ستحتفظ به.
03حدود بصراحة
ما لن يفعله Grok
المقاطع التي تنطلق من صورة تعمل هنا بدقة 720p. فشركة xAI تحدّ الفيديو الموجَّه بالمراجع عند 720p، ومسار الإطار الأول المتاح لنا لا يقبل 1080p بعد، ولذلك فإن 1080p مخصّصة لتحويل النص إلى فيديو. وبدلًا من أن نحاسبك بسعر 1080p ونسلّمك ملفًا أصغر، نرفض هذه التركيبة قبل خصم أي مبلغ؛ وفي الاستوديو تتعطّل خانات الصور ببساطة مع ملاحظة حين تختار 1080p. لا يمكن الجمع بين إطار أول وصور مرجعية. ولا يوجد إطار أخير، ولا seed، ولا موجّه سلبي، ولا إدخال فيديو.
15 ثانية هي أطول عملية إخراج مفردة، ولا تمديد ولا تعديل بعدها — فإعلان من أربعين ثانية هو ثلاثة مقاطع ومونتاج. الصوت قوي في الكلام وفي الأحداث الصوتية المسمّاة، وضعيف في الأجواء المبهمة: عبارة «soft ambient kitchen sounds» عادت بنحو −50 ديسيبل، أي صمت. سمِّ صوتًا بعينه («a kettle starting to whistle off-screen») أو أضف صوت الغرفة في المونتاج. يبلغ الحد الأقصى للموجّه 2048 حرفًا. إن احتجت إلى نصف دقيقة في لقطة واحدة أو مقاطع مرجعية أو seed، فإن Wan 3.0 يغطي ذلك؛ وإن أردت تغيير مقطع منجز بوصف التغيير، فذاك Gemini Omni Flash.
04كيف تشغّله
من الصورة إلى المقطع في ثلاث خطوات
اصنع الإطار الذي تريد الافتتاح به
صورة شخصية، منتج في اليد، الغرفة في الخلفية. ولّده هنا أو ارفع صورتك. ما في تلك الصورة هو ما يبدأ به المقطع، فأصلح الإطار قبل أن تدفع مقابل الحركة.
جملة وصف، وجملة منطوقة بين علامتي تنصيص، وملاحظة كاميرا
صِف من في الإطار، وضع الجملة المنطوقة بين علامتي تنصيص، ثم اذكر كيف تتصرف الكاميرا. عبارة «Natural handheld motion, quiet room tone» تكفي. أبقه دون 2048 حرفًا.
ادفع مقابل الثواني التي طلبتها
أربع ثوانٍ بدقة 720p تساوي $0.56. يُخصم المبلغ من رصيدك عند بدء المهمة ويُعاد تلقائيًا إذا فشلت أو رفضها المرشّح. اشحن بالعملات الرقمية أو البطاقة؛ لا رسوم شهرية.
05الأسعار
كم يكلّف المقطع في الواقع
| النموذج | 4 ث | 8 ث | 15 ث | الصوت |
|---|---|---|---|---|
| Grok Imagine Video 1.5 · 720p$0.14/ث — إطار أول، مراجع، مسودات | $0.56 | $1.12 | $2.10 | مفعّل دائمًا، مشمول |
| Grok Imagine Video 1.5 · 1080p$0.25/ث — نص إلى فيديو فقط | $1.00 | $2.00 | $3.75 | مفعّل دائمًا، مشمول |
| Wan 3.0 · 720pنموذج Alibaba، حتى 30 ث | $0.40 | $0.80 | $1.50 | مضمّن ومجاني |
| Veo 3.1 Fast · 720pنموذج من Google، من 4 إلى 8 ثوانٍ فقط | $0.35 | $0.70 | — | بتكلفة إضافية |
| Gemini Omni Flash · 720pنموذج Google، بالثانية، 3–10 ث | $0.40 | $0.80 | — | مفعّل دائمًا |
الأسعار للمقطع المنجز وتشمل المسار الصوتي. الصور المدخلة مجانية. تعني الشرطة أن النموذج لا يستطيع إخراج تلك المدة في تشغيل واحد. إيداع $50 يضيف 5% إلى رصيدك وإيداع $100 يضيف 10%؛ ويضيف الرمز الترويجي النشط 10% أخرى على الإيداع نفسه.
الجدول الكامل لكل النماذج موجود في صفحة الأسعار.
06اقرأ بعد ذلك
أدلة أكثر عمقًا
تحويل صورة إلى فيديو
كيف تتصرف إطارات البداية والنهاية والحلقات المتكررة فعليًا، مع الأوامر التي أنتجتها.
اقرأ الدليلكتابة الأوامر لنماذج الفيديو
لغة الكاميرا والإضاءة والحركة. كُتب لأجل Veo، لكن البنية تنتقل إلى Wan بلا تغيير يُذكر.
اقرأ الدليلمراجعة Gemini Omni Flash
النموذج الذي تلجأ إليه حين تحتاج إلى تعديل مقطع بالحديث معه بدل إعادة كتابة الأمر.
اقرأ الدليل07الأسئلة الشائعة
أسئلة يطرحها الناس فعلًا
هل يُنتج Grok Imagine Video 1.5 صوتًا؟
نعم، دائمًا. الحوار المكتوب بين علامتي تنصيص يُنطق مع مزامنة الشفاه، والمؤثرات الصوتية المسمّاة تُولَّد. أما طلبات الأجواء المبهمة فكثيرًا ما تعود شبه صامتة، فسمِّ صوتًا محددًا إن احتجت إليه. الصوت مشمول في السعر.
كم يكلّف مقطع Grok؟
تدفع بالثانية: $0.14 بدقة 720p و$0.25 بدقة 1080p، وهي الأسعار نفسها التي تتقاضاها xAI على واجهتها البرمجية. وعليه فأربع ثوانٍ بدقة 720p تساوي $0.56، وثماني ثوانٍ تساوي $1.12 أو $2.00 بحسب الدقة، والحد الأقصى — 15 ثانية بدقة 1080p — يساوي $3.75. الصور المدخلة لا تكلّف شيئًا إضافيًا هنا.
اقرأ الإجابة الكاملةهل أستطيع تحريك صورتي بدقة 1080p؟
ليس اليوم. المقاطع التي تنطلق من إطار أول أو تستخدم صورًا مرجعية تكون بدقة 720p: فشركة xAI تحدّ الفيديو الموجَّه بالمراجع عند 720p، ومسار الإطار الأول الأصلي المتاح لنا لا يقبل 1080p بعد. نرفض طلب 1080p المرفق بصورة قبل الخصم بدلًا من تسليم ملف أصغر بالسعر الأعلى. تعمل 1080p في تحويل النص إلى فيديو.
هل يمكنني تمديد مقطع إلى ما بعد 15 ثانية؟
ليس مع هذا النموذج. أخرج حتى 15 ثانية لكل مقطع وركّب الأعمال الأطول في المونتاج، أو استخدم Wan 3.0 للقطة واحدة حتى 30 ثانية، أو Gemini Omni Flash الذي يمدّد مقاطعه حتى 40 ثانية.
هل يقبل إطارًا أخيرًا أو seed؟
لا. يقبل إطارًا أول أو حتى 7 صور مرجعية، وهذا كل شيء. للتحكم في الإطارين الأول والأخير استخدم Veo 3.1 أو Omni أو Wan 3.0؛ ولقيم seed استخدم Veo أو Wan.
ماذا يحدث إذا فشل التوليد؟
يعود المبلغ كاملًا إلى رصيدك تلقائيًا، بما في ذلك حالات رفض مرشّح المحتوى. وهي القاعدة نفسها لكل نموذج على المنصة.
اقرأ الإجابة الكاملةهل يمكنني استخدام فيديوهات Grok تجاريًا؟
نعم. ما تولّده ملكك لتستخدمه كما تشاء، بما في ذلك أعمال العملاء والاستخدام التجاري، مع الالتزام بقواعد المحتوى في شروطنا. ولا توجد علامة مائية على المخرجات ولا ترخيص منفصل تشتريه.
صورة واحدة، جملة واحدة
تبدأ الحسابات الجديدة برصيد $0.20 — يكفي لصنع الإطار الأول. مقاطع ابتداءً من $0.56، بلا اشتراك وبلا التزام.