Frame pertama adalah foto Anda
Pesanan dengan frame pertama kami arahkan ke endpoint image-to-video native milik xAI, dan hasilnya kami periksa frame demi frame: frame pembuka adalah gambar input, bukan tafsir ulangnya.
Model · xAI Grok Imagine Video 1.5
Grok Imagine Video 1.5 — foto yang mulai berbicara
Model video xAI, dan hal yang dilakukannya lebih baik daripada apa pun di sini: ia dibuka dengan foto Anda dan mengucapkan kalimat Anda. Beri ia sebuah potret dan satu kalimat dalam tanda kutip, maka frame pertama klip adalah potret itu, dengan kalimat yang diucapkan lantang dan sinkron dengan bibir. Klip berdurasi 4 hingga 15 detik dengan detik bulat berapa pun, pada 720p atau 1080p, dalam lima rasio aspek. Anda membayar per detik — $0.14 pada 720p, $0.25 pada 1080p — tarif yang sama dengan yang dicantumkan xAI untuk API-nya sendiri. Kripto atau kartu, tanpa langganan.
01Apa itu
Apa itu Grok Imagine Video 1.5?
Grok Imagine Video 1.5 adalah model pembuat video dari xAI — yang berada di balik sisi video Grok Imagine — dan ia mengubah prompt, atau gambar diam ditambah prompt, menjadi klip hingga 15 detik dengan suara yang dirender dalam proses yang sama. Model ini ada di API xAI sejak Juni 2026 dan di BananaBanana sejak 16 September 2026, dibayar dari saldo yang sama dengan semua model lain. Kami mengenakan tarif per detik milik xAI sendiri, $0.14 pada 720p dan $0.25 pada 1080p, dan tidak meneruskan biaya yang ditambahkan xAI untuk setiap gambar input.
Sebenarnya ia jago di mana?
Dialog dan frame pertama. Kalimat yang ditulis dalam tanda kutip diucapkan, disinkronkan dengan bibir, dan di-mixing pada volume percakapan — persis yang dibutuhkan iklan bergaya kreator. Dan saat Anda memberinya foto sebagai frame pertama, klip dibuka dengan foto itu — orang yang sama, ruangan yang sama, motif sweter yang sama — bukan tiruan yang dipentaskan ulang. Prompt teks saja juga bisa, dan format vertikalnya jujur: pesanan 9:16 pada 1080p kembali sebagai file 1088×1920, bukan render horizontal yang dipotong.
02Yang dikerjakannya dengan baik
Enam hal yang perlu diketahui sebelum Anda keluar uang
Kalimat diucapkan, sinkron bibir
Taruh kalimat dalam tanda kutip dan model mengucapkannya. Audio selalu aktif dan selalu termasuk harga; tidak ada paket tanpa suara dan tidak ada biaya tambahan untuk suara.
Durasi berapa pun dari 4 hingga 15 detik
Bukan menu tiga durasi: setiap detik bulat dalam rentang itu. Tujuh detik untuk satu kalimat dialog, sebelas untuk dua, dan Anda membayar persis sebanyak itu.
Lima rasio aspek
16:9, 9:16, 1:1, 3:2, dan 2:3. Persegi dan 3:2 adalah format yang sama sekali tidak dirender model video lain di sini.
Hingga 7 gambar referensi
Referensi mengarahkan subjek dan latar, sementara model menata adegannya sendiri. Referensi adalah alternatif dari frame pertama, bukan tambahan — kirim salah satunya.
Dua tingkat harga
$0.14 per detik pada 720p, $0.25 pada 1080p. Matangkan prompt di 720p, lalu render text-to-video yang akan dipakai sekali saja di 1080p.
03Batasan yang jujur
Yang tidak akan dilakukan Grok
Di sini klip yang berawal dari gambar berjalan pada 720p. xAI membatasi video berpanduan referensi di 720p, dan jalur frame pertama yang tersedia bagi kami belum menerima 1080p, jadi 1080p diperuntukkan bagi text-to-video. Daripada menagih Anda tarif 1080p lalu mengirim file yang lebih kecil, kami menolak kombinasi itu sebelum ada yang ditagih; di studio, slot gambar cukup dinonaktifkan dengan catatan saat Anda memilih 1080p. Frame pertama dan gambar referensi tidak bisa digabung. Tidak ada frame terakhir, seed, prompt negatif, maupun input video.
15 detik adalah render tunggal terpanjang, dan setelahnya tidak ada extend atau edit — iklan empat puluh detik berarti tiga klip dan satu potongan. Audionya kuat pada ucapan dan peristiwa suara yang disebutkan namanya, dan lemah pada suasana yang samar: "soft ambient kitchen sounds" kembali di sekitar −50 dB, alias hening. Sebutkan satu suara ("a kettle starting to whistle off-screen") atau tambahkan suara ruangan saat editing. Prompt mentok di 2048 karakter. Kalau Anda butuh setengah menit dalam satu pengambilan, klip referensi, atau seed, Wan 3.0 mencakup itu; kalau Anda ingin mengubah klip jadi dengan menjelaskan perubahannya, itu Gemini Omni Flash.
04Cara menjalankannya
Dari foto ke klip dalam tiga langkah
Buat frame yang ingin Anda jadikan pembuka
Sebuah potret, produk di tangan, ruangan di belakang. Buat di sini atau unggah milik Anda. Apa pun yang ada di gambar itu adalah awal klip, jadi bereskan frame-nya sebelum membayar gerakannya.
Satu kalimat, satu ucapan dalam kutip, satu catatan kamera
Jelaskan siapa yang ada di frame, taruh kalimat yang diucapkan dalam tanda kutip, lalu sebutkan perilaku kameranya. "Natural handheld motion, quiet room tone" sudah cukup. Jaga di bawah 2048 karakter.
Bayar detik yang Anda pesan
Empat detik pada 720p adalah $0.56. Saldo Anda dipotong saat pekerjaan dimulai dan dikembalikan otomatis jika gagal atau ditolak filter. Isi saldo dengan kripto atau kartu; tidak ada biaya bulanan.
05Harga
Berapa sebenarnya biaya satu klip
| Model | 4 dtk | 8 dtk | 15 dtk | Suara |
|---|---|---|---|---|
| Grok Imagine Video 1.5 · 720p$0.14/dtk — frame pertama, referensi, draf | $0.56 | $1.12 | $2.10 | Selalu aktif, termasuk |
| Grok Imagine Video 1.5 · 1080p$0.25/dtk — hanya text-to-video | $1.00 | $2.00 | $3.75 | Selalu aktif, termasuk |
| Wan 3.0 · 720pModel Alibaba, hingga 30 dtk | $0.40 | $0.80 | $1.50 | Termasuk, gratis |
| Veo 3.1 Fast · 720pModel Google, hanya 4–8 dtk | $0.35 | $0.70 | — | Biaya tambahan |
| Gemini Omni Flash · 720pModel Google, per detik, 3–10 dtk | $0.40 | $0.80 | — | Selalu aktif |
Harga berlaku per klip jadi dan sudah termasuk trek audio. Gambar input gratis. Tanda strip berarti model tidak bisa merender durasi itu dalam satu proses. Deposit $50 menambah 5% ke saldo Anda dan $100 menambah 10%; kode promo aktif menambah 10% lagi pada deposit yang sama. Bonus volume +5% / +10% hanya berlaku untuk isi saldo dengan kripto.
Tabel lengkap untuk semua model ada di halaman harga.
06Baca berikutnya
Panduan yang membahas lebih dalam
Mengubah foto menjadi video
Bagaimana frame awal, frame akhir, dan loop benar-benar berperilaku, lengkap dengan prompt yang menghasilkannya.
Baca panduanMenulis prompt untuk model video
Bahasa kamera, pencahayaan, gerak. Ditulis untuk Veo, tapi strukturnya berpindah ke Wan nyaris tanpa perubahan.
Baca panduanUlasan Gemini Omni Flash
Model yang Anda pilih saat perlu mengedit klip dengan cara mengobrol, bukan menulis ulang prompt.
Baca panduan07FAQ
Pertanyaan yang benar-benar ditanyakan
Apakah Grok Imagine Video 1.5 menghasilkan suara?
Ya, selalu. Dialog yang ditulis dalam tanda kutip diucapkan dengan sinkron bibir, dan efek suara yang disebutkan namanya dirender. Permintaan suasana yang samar sering kembali nyaris hening, jadi sebutkan suara yang spesifik jika Anda membutuhkannya. Suara sudah termasuk harga.
Berapa biaya satu klip Grok?
Anda membayar per detik: $0.14 pada 720p dan $0.25 pada 1080p, tarif yang sama dengan yang dikenakan xAI di API-nya sendiri. Jadi empat detik pada 720p adalah $0.56, delapan detik adalah $1.12 atau $2.00 tergantung resolusi, dan maksimumnya — 15 detik pada 1080p — adalah $3.75. Di sini gambar input tidak dikenai biaya tambahan.
Baca jawaban lengkapBisakah saya menganimasikan foto saya sendiri di 1080p?
Saat ini belum. Klip yang berawal dari frame pertama atau memakai gambar referensi beresolusi 720p: xAI membatasi video berpanduan referensi di 720p, dan jalur native frame pertama yang bisa kami akses belum menerima 1080p. Pesanan 1080p dengan gambar kami tolak sebelum ditagih, daripada mengirim file lebih kecil dengan harga lebih tinggi. 1080p berfungsi untuk text-to-video.
Bisakah saya memperpanjang klip melewati 15 detik?
Tidak di model ini. Render hingga 15 detik per klip lalu sambung potongan yang lebih panjang, atau gunakan Wan 3.0 untuk satu pengambilan hingga 30 detik, atau Gemini Omni Flash, yang memperpanjang klipnya sendiri hingga 40.
Apakah ia menerima frame terakhir atau seed?
Tidak. Ia menerima satu frame pertama atau hingga 7 gambar referensi, itu saja. Untuk kendali frame pertama dan terakhir gunakan Veo 3.1, Omni, atau Wan 3.0; untuk seed gunakan Veo atau Wan.
Apa yang terjadi jika generasi gagal?
Seluruh jumlahnya kembali ke saldo Anda secara otomatis, termasuk penolakan filter konten. Aturan yang sama berlaku untuk setiap model di platform.
Baca jawaban lengkapBolehkah video Grok dipakai secara komersial?
Boleh. Apa yang Anda hasilkan menjadi milik Anda, termasuk untuk pekerjaan klien dan komersial, dengan tunduk pada aturan konten dalam ketentuan kami. Tidak ada watermark pada hasilnya dan tidak ada lisensi terpisah yang harus dibeli.
Satu foto, satu kalimat
Akun baru mulai dengan saldo $0.20 — cukup untuk membuat frame pertama. Klip mulai $0.56, tanpa langganan, tanpa komitmen.