Первый кадр — это ваше фото
Заказы со стартовым кадром мы отправляем в нативный эндпоинт image-to-video у xAI и проверили результат покадрово: открывающий кадр — это входное изображение, а не его пересказ.
Модель · xAI Grok Imagine Video 1.5
Grok Imagine Video 1.5 — фото, которое начинает говорить
Видео-модель xAI и то, что она делает лучше всех здесь: открывает ролик вашим фото и произносит вашу реплику. Дайте ей портрет и фразу в кавычках — первым кадром клипа будет этот портрет, а фраза прозвучит вслух, с липсинком. Клипы длятся от 4 до 15 секунд с шагом в секунду, в 720p или 1080p, в пяти соотношениях сторон. Оплата посекундная — $0.14 в 720p, $0.25 в 1080p, — те же ставки, что xAI указывает для своего API. Крипта или карта, без подписки.
01Что это
Что такое Grok Imagine Video 1.5?
Grok Imagine Video 1.5 — модель генерации видео от xAI, та самая, что стоит за видео в Grok Imagine. Она превращает промпт или изображение с промптом в клип до 15 секунд со звуком, отрендеренным в том же проходе. В API xAI она с июня 2026 года, на BananaBanana — с 16 сентября 2026-го, и оплачивается с того же баланса, что и остальные модели. Мы берём посекундные ставки самой xAI — $0.14 в 720p и $0.25 в 1080p — и не перекладываем на вас плату, которую xAI добавляет за каждое входное изображение.
В чём она действительно хороша?
В диалогах и первых кадрах. Реплика в кавычках произносится вслух, с липсинком и на разговорной громкости — ровно то, что нужно рекламе в стиле креатора. А когда вы даёте фото первым кадром, клип открывается этим самым фото — тот же человек, та же комната, тот же узор на свитере, — а не переснятым двойником. Текстовые промпты тоже работают, и вертикаль честная: заказ 9:16 в 1080p вернулся файлом 1088×1920, а не обрезанным горизонтальным рендером.
02Что она умеет
Шесть вещей, которые стоит знать до первой траты
Реплики вслух, с липсинком
Поставьте фразу в кавычки — и модель её произнесёт. Звук включён всегда и всегда входит в цену: немого тарифа нет, доплаты за звук тоже.
Любая длина от 4 до 15 секунд
Не меню из трёх длительностей, а каждая целая секунда диапазона. Семь секунд на одну реплику, одиннадцать на две — и платите вы ровно за них.
Пять соотношений сторон
16:9, 9:16, 1:1, 3:2 и 2:3. Квадрат и 3:2 — форматы, которых остальные видео-модели здесь не рендерят вовсе.
До 7 референсов
Референсы задают героя и обстановку, а сцену модель ставит сама. Это альтернатива первому кадру, а не дополнение к нему: либо одно, либо другое.
Два ценовых уровня
$0.14 за секунду в 720p, $0.25 в 1080p. Отработайте промпт в 720p, а удачный text-to-video отрендерите в 1080p один раз.
03Честные ограничения
Чего Grok не сделает
Клипы, которые начинаются с изображения, идут здесь в 720p. xAI ограничивает видео по референсам разрешением 720p, а доступный нам маршрут для первого кадра 1080p пока не принимает, так что 1080p — для text-to-video. Вместо того чтобы списать по ставке 1080p и отдать файл меньше, мы отклоняем такое сочетание до любого списания; в студии слоты изображений при выборе 1080p просто выключаются с подсказкой. Первый кадр и референсы не сочетаются. Последнего кадра, seed, негативного промпта и видео на входе нет.
15 секунд — самый длинный одиночный рендер, и после него нет ни продолжения, ни правки: сорокасекундный ролик — это три клипа и монтаж. Звук силён на речи и названных звуковых событиях и слаб на расплывчатой атмосфере: «soft ambient kitchen sounds» вернулось на уровне около −50 дБ, то есть тишиной. Назовите конкретный звук («a kettle starting to whistle off-screen») или добавьте фон на монтаже. Промпт ограничен 2048 знаками. Если нужны полминуты одним дублем, видео-референсы или seed — это закрывает Wan 3.0; если хочется менять готовый клип, описывая изменение, — это Gemini Omni Flash.
04Как запустить
От фото до клипа за три шага
Сделайте кадр, которым хотите открыть ролик
Портрет, товар в руке, комната на фоне. Сгенерируйте его здесь или загрузите свой. Что на этой картинке, с того клип и начнётся, так что доведите кадр до ума прежде, чем платить за движение.
Одно предложение, одна реплика в кавычках, одна заметка про камеру
Опишите, кто в кадре, поставьте реплику в кавычки, затем скажите, как ведёт себя камера. «Natural handheld motion, quiet room tone» — этого достаточно. Уложитесь в 2048 знаков.
Платите за заказанные секунды
Четыре секунды в 720p — $0.56. Баланс списывается при старте задачи и возвращается автоматически, если она упала или фильтр её отклонил. Пополняйте криптой или картой; ежемесячной платы нет.
05Цены
Сколько клип стоит на самом деле
| Модель | 4 с | 8 с | 15 с | Звук |
|---|---|---|---|---|
| Grok Imagine Video 1.5 · 720p$0.14/с — первый кадр, референсы, черновики | $0.56 | $1.12 | $2.10 | Всегда включён, в цене |
| Grok Imagine Video 1.5 · 1080p$0.25/с — только text-to-video | $1.00 | $2.00 | $3.75 | Всегда включён, в цене |
| Wan 3.0 · 720pмодель Alibaba, до 30 с | $0.40 | $0.80 | $1.50 | Входит, бесплатно |
| Veo 3.1 Fast · 720pМодель Google, только 4–8 с | $0.35 | $0.70 | — | За доплату |
| Gemini Omni Flash · 720pмодель Google, посекундно, 3–10 с | $0.40 | $0.80 | — | Всегда включён |
Цены указаны за готовый клип и включают звуковую дорожку. Входные изображения бесплатны. Прочерк означает, что модель не рендерит такую длину за один запуск. Депозит от $50 добавляет к балансу 5%, от $100 — 10%; активный промокод добавляет ещё 10% к тому же депозиту. Бонус за объём +5% / +10% действует только при пополнении криптовалютой.
Полная таблица по всем моделям живёт на странице цен.
06Читать дальше
Гайды поглубже
Как превратить фото в видео
Как на самом деле ведут себя стартовые кадры, финальные кадры и лупы — вместе с промптами, которыми это сделано.
Читать гайдКак писать промпты для видеомоделей
Язык камеры, свет, движение. Написано для Veo, но структура переносится на Wan почти без изменений.
Читать гайдОбзор Gemini Omni Flash
Модель, за которой стоит идти, когда клип нужно править разговором, а не новым промптом.
Читать гайд07FAQ
Вопросы, которые задают на самом деле
Grok Imagine Video 1.5 делает звук?
Да, всегда. Диалог в кавычках произносится с липсинком, названные звуковые эффекты рендерятся. Расплывчатые просьбы об атмосфере часто возвращаются почти тишиной, так что, если звук нужен, назовите конкретный. Звук входит в цену.
Сколько стоит клип Grok?
Оплата посекундная: $0.14 в 720p и $0.25 в 1080p — те же ставки, что xAI берёт в своём API. Четыре секунды в 720p — это $0.56, восемь секунд — $1.12 или $2.00 в зависимости от разрешения, а максимум — 15 секунд в 1080p — $3.75. Входные изображения здесь ничего не стоят.
Читать полный ответМожно ли оживить своё фото в 1080p?
Сегодня нет. Клипы от первого кадра и с референсами идут в 720p: xAI ограничивает видео по референсам разрешением 720p, а нативный маршрут первого кадра, к которому у нас есть доступ, 1080p пока не принимает. Заказ 1080p с изображением мы отклоняем до списания, а не отдаём файл меньше по более высокой цене. Для text-to-video 1080p работает.
Можно ли продлить клип дольше 15 секунд?
На этой модели нет. Рендерите до 15 секунд на клип и склеивайте более длинные куски, либо возьмите Wan 3.0 — один дубль до 30 секунд — или Gemini Omni Flash, который продлевает собственные клипы до 40.
Принимает ли она последний кадр или seed?
Нет. Она принимает первый кадр либо до 7 референсов — и всё. Для управления первым и последним кадром берите Veo 3.1, Omni или Wan 3.0; для seed — Veo или Wan.
Что будет, если генерация не удалась?
Вся сумма автоматически возвращается на баланс, включая отказы контент-фильтра. Это правило одинаково для всех моделей платформы.
Читать полный ответМожно ли использовать видео Grok в коммерческих целях?
Да. Всё, что вы сгенерировали, ваше — в том числе для клиентских и коммерческих работ, с учётом правил по контенту в наших условиях. На результате нет водяного знака, и отдельную лицензию покупать не нужно.
Одно фото, одна реплика
На балансе нового аккаунта $0.20 — этого хватит, чтобы сделать первый кадр. Клипы от $0.56, без подписки и обязательств.