La première image, c’est votre photo
Nous envoyons les commandes avec première image vers l’endpoint image-to-video natif de xAI et avons vérifié le résultat image par image : l’image d’ouverture est l’image fournie, pas une réinterprétation.
Modèle · xAI Grok Imagine Video 1.5
Grok Imagine Video 1.5 — une photo qui se met à parler
Le modèle vidéo de xAI, et ce qu’il fait mieux que tout autre ici : il s’ouvre sur votre photo et dit votre réplique. Donnez-lui un portrait et une phrase entre guillemets : la première image du clip est ce portrait, avec la phrase prononcée à voix haute et synchronisée sur les lèvres. Les clips durent de 4 à 15 secondes, à n’importe quelle durée entière, en 720p ou 1080p, dans cinq formats. Vous payez à la seconde — $0.14 en 720p, $0.25 en 1080p — soit les tarifs que xAI affiche pour sa propre API. Crypto ou carte, sans abonnement.
01Ce que c’est
Qu’est-ce que Grok Imagine Video 1.5 ?
Grok Imagine Video 1.5 est le modèle de génération vidéo de xAI — celui qui fait tourner la partie vidéo de Grok Imagine — et il transforme un prompt, ou une image fixe plus un prompt, en un clip de 15 secondes au plus, avec le son rendu dans la même passe. Il est dans l’API xAI depuis juin 2026 et sur BananaBanana depuis le 16 septembre 2026, payé sur le même solde que tous les autres modèles. Nous facturons les tarifs à la seconde de xAI, $0.14 en 720p et $0.25 en 1080p, sans répercuter les frais que xAI ajoute pour chaque image d’entrée.
En quoi est-il vraiment bon ?
Le dialogue et les premières images. Une réplique écrite entre guillemets est prononcée, synchronisée sur les lèvres et mixée à un niveau de conversation, ce qu’il faut à une pub façon créateur. Et quand vous lui donnez une photo comme première image, le clip s’ouvre sur cette photo — même personne, même pièce, même motif sur le pull — et non sur un sosie remis en scène. Les prompts purement textuels fonctionnent aussi, et le vertical est honnête : une commande 9:16 en 1080p est revenue en fichier 1088×1920, pas en rendu horizontal recadré.
02Ses points forts
Six choses à savoir avant de dépenser
Des répliques prononcées, lèvres synchronisées
Mettez la phrase entre guillemets et le modèle la dit. L’audio est toujours actif et toujours compris dans le prix ; il n’y a pas de formule muette ni de supplément pour le son.
Toute durée de 4 à 15 secondes
Pas un menu de trois durées : chaque seconde entière de la plage. Sept secondes pour une réplique, onze pour deux, et vous payez exactement cela.
Cinq formats
16:9, 9:16, 1:1, 3:2 et 2:3. Le carré et le 3:2 sont des formats que les autres modèles vidéo d’ici ne produisent pas du tout.
Jusqu’à 7 images de référence
Les références orientent le sujet et le décor pendant que le modèle met la scène en place lui-même. C’est une alternative à la première image, pas un complément — envoyez l’une ou les autres.
Deux paliers de prix
$0.14 la seconde en 720p, $0.25 en 1080p. Mettez le prompt au point en 720p, puis rendez une seule fois en 1080p le text-to-video à garder.
03Limites assumées
Ce que Grok ne fera pas
Ici, les clips qui partent d’une image sont rendus en 720p. xAI plafonne la vidéo guidée par références à 720p, et la voie première image dont nous disposons n’accepte pas encore le 1080p : le 1080p est donc réservé au text-to-video. Plutôt que de vous facturer le tarif 1080p pour livrer un fichier plus petit, nous refusons cette combinaison avant tout débit ; dans le studio, les emplacements d’image se désactivent simplement, avec une note, quand vous choisissez 1080p. Première image et images de référence ne se combinent pas. Il n’y a ni dernière image, ni seed, ni prompt négatif, ni entrée vidéo.
15 secondes, c’est le plus long rendu d’un seul tenant, et il n’y a ensuite ni extension ni retouche — un spot de quarante secondes, c’est trois clips et un montage. L’audio est fort sur la parole et sur les événements sonores nommés, faible sur les ambiances vagues : « soft ambient kitchen sounds » est revenu vers −50 dB, autant dire le silence. Nommez un son (« a kettle starting to whistle off-screen ») ou ajoutez un fond sonore au montage. Le prompt plafonne à 2048 caractères. S’il vous faut une demi-minute en une prise, des clips de référence ou des seeds, Wan 3.0 couvre cela ; si vous voulez modifier un clip terminé en décrivant le changement, c’est Gemini Omni Flash.
04Comment s’en servir
De la photo au clip en trois étapes
Faites l’image sur laquelle vous voulez ouvrir
Un portrait, un produit en main, la pièce derrière. Générez-la ici ou importez la vôtre. Ce qui est dans cette image est ce par quoi le clip commence : réglez donc l’image avant de payer le mouvement.
Une phrase, une réplique entre guillemets, une note de caméra
Décrivez qui est dans le cadre, mettez la réplique entre guillemets, puis dites comment se comporte la caméra. « Natural handheld motion, quiet room tone » suffit. Restez sous 2048 caractères.
Payez les secondes commandées
Quatre secondes en 720p, c’est $0.56. Votre solde est débité au lancement et recrédité automatiquement en cas d’échec ou de refus du filtre. Rechargez en crypto ou par carte ; il n’y a pas de frais mensuels.
05Tarifs
Ce qu’un clip coûte vraiment
| Modèle | 4 s | 8 s | 15 s | Son |
|---|---|---|---|---|
| Grok Imagine Video 1.5 · 720p$0.14/s — première image, références, brouillons | $0.56 | $1.12 | $2.10 | Toujours actif, inclus |
| Grok Imagine Video 1.5 · 1080p$0.25/s — text-to-video uniquement | $1.00 | $2.00 | $3.75 | Toujours actif, inclus |
| Wan 3.0 · 720pModèle d’Alibaba, jusqu’à 30 s | $0.40 | $0.80 | $1.50 | Inclus, gratuit |
| Veo 3.1 Fast · 720pModèle Google, 4–8 s seulement | $0.35 | $0.70 | — | En supplément |
| Gemini Omni Flash · 720pModèle de Google, à la seconde, 3–10 s | $0.40 | $0.80 | — | Toujours actif |
Les prix s’entendent par clip terminé, piste audio comprise. Les images d’entrée sont gratuites. Un tiret signifie que le modèle ne peut pas rendre cette durée en une seule génération. Un dépôt de $50 ajoute 5 % à votre solde et un dépôt de $100 ajoute 10 % ; un code promo actif ajoute encore 10 % sur le même dépôt. Le bonus de volume de +5 % / +10 % ne s'applique qu'aux rechargements en crypto.
Le tableau complet, modèle par modèle, se trouve sur la page des tarifs.
06À lire ensuite
Des guides plus poussés
Transformer une photo en vidéo
Comment se comportent vraiment les images de départ, les images de fin et les boucles, avec les prompts qui les ont produites.
Lire le guideÉcrire des prompts pour les modèles vidéo
Langage de caméra, lumière, mouvement. Écrit pour Veo, mais la structure se transpose à Wan presque telle quelle.
Lire le guideGemini Omni Flash, à l’essai
Le modèle vers lequel se tourner quand il faut retoucher un clip en lui parlant plutôt qu’en réécrivant le prompt.
Lire le guide07FAQ
Les questions qu’on nous pose vraiment
Grok Imagine Video 1.5 produit-il du son ?
Oui, toujours. Le dialogue écrit entre guillemets est prononcé avec synchronisation labiale, et les effets sonores nommés sont rendus. Les demandes d’ambiance vagues reviennent souvent presque muettes : nommez un son précis si vous en avez besoin. Le son est compris dans le prix.
Combien coûte un clip Grok ?
Vous payez à la seconde : $0.14 en 720p et $0.25 en 1080p, soit les tarifs que xAI pratique sur sa propre API. Quatre secondes en 720p font donc $0.56, huit secondes $1.12 ou $2.00 selon la résolution, et le maximum — 15 secondes en 1080p — $3.75. Ici, les images d’entrée ne coûtent rien de plus.
Lire la réponse complètePuis-je animer ma propre photo en 1080p ?
Pas aujourd’hui. Les clips qui partent d’une première image ou utilisent des images de référence sont en 720p : xAI limite la vidéo guidée par références à 720p, et la voie native première image à laquelle nous avons accès n’accepte pas encore le 1080p. Nous refusons une commande 1080p avec image avant tout débit plutôt que de livrer un fichier plus petit au prix fort. Le 1080p fonctionne en text-to-video.
Puis-je prolonger un clip au-delà de 15 secondes ?
Pas avec ce modèle. Rendez jusqu’à 15 secondes par clip et montez les pièces plus longues, ou utilisez Wan 3.0 pour une seule prise allant jusqu’à 30 secondes, ou Gemini Omni Flash, qui prolonge ses propres clips jusqu’à 40.
Accepte-t-il une dernière image ou un seed ?
Non. Il prend une première image ou jusqu’à 7 images de référence, et c’est tout. Pour contrôler première et dernière image, utilisez Veo 3.1, Omni ou Wan 3.0 ; pour les seeds, Veo ou Wan.
Que se passe-t-il si la génération échoue ?
Le montant complet revient automatiquement sur votre solde, refus du filtre de contenu compris. La règle est la même pour tous les modèles de la plateforme.
Lire la réponse complètePuis-je utiliser les vidéos Grok commercialement ?
Oui. Ce que vous générez vous appartient, y compris pour des travaux clients et commerciaux, dans le respect des règles de contenu de nos conditions. Il n’y a pas de filigrane sur le résultat ni de licence séparée à acheter.
Une photo, une réplique
Les nouveaux comptes démarrent avec $0.20 de solde — de quoi faire la première image. Clips dès $0.56, sans abonnement, sans engagement.