SpaceXAI: Grok Imagine Video 1.5 Lite API

Grok Imagine Video 1.5 Lite ist ein von SpaceXAI (xAI) entwickelndes Videogenerierungsmodell, das als destillierte, kostengünstigere und schnellere Variante des Elternmodells Grok Imagine Video 1.5 positioniert ist. Es erzeugt Videos aus Text- oder Bildeingaben und generiert dabei synchronisierte Audiospuren inklusive Soundeffekten, Umgebungsgeräuschen und lippensynchronem Dialog. Die Ausgabe ist in den Auflösungen 480p, 720p und 1080p möglich, wobei 1080p aus 720p hochskaliert wird. Clips können zwischen 1 und 15 Sekunden lang sein und unterstützen die Seitenverhältnisse 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 und 2:3. Das Modell ist über Partner-APIs wie OpenRouter, fal und Vercel AI Gateway verfügbar. Das Modell eignet sich besonders für das Entwerfen und Prototyping mit wiederholtem Ausprobieren zu geringen Kosten, für Hintergrundmaterial, B-Roll sowie Produktkonzept- und Szenenideen. Auch für die hochvolumige Produktion kurzer Videos, bei denen Wiederholungen akzeptabel sind, ist es gedacht. Die größten Stärken liegen in der Geschwindigkeit und den niedrigeren Kosten gegenüber dem Elternmodell sowie in der Fähigkeit, fehlgeschlagene Takes zu verwerfen und neu zu generieren. In der Praxis empfiehlt es sich, die erste Generierung als Entwurf zu betrachten, den Prompt und das Quellbild kurz zu prüfen und erst dann das finale Rendering durchzuführen. Zu den Einschränkungen zählen ein gewisser Qualitätsverlust bei der Bildqualität im Vergleich zum Vollmodell, die Hochskalierung von 1080p aus 720p, mögliche Identitätsänderungen bei langen Clips, eine potenzielle Qualitätsminderung durch übermäßige Bewegungsanweisungen im Prompt sowie eine nur bedingt steuerbare Audiogenerierung. Das Modell zeigt Schwächen bei konversationeller Lippensynchronisation und menschlicher Anatomie. Da es nicht auf dem Image-to-Video-Leaderboard gelistet ist, fehlt eine unabhängige Bewertung der Animationsleistung. Von der API zurückgegebene Video-URLs sind temporär, und Dateien müssen zeitnah heruntergeladen werden; für die kommerzielle Nutzung sind Sicherheits- und Lizenzanforderungen zu prüfen.

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben. Abrechnung nach den tatsächlichen Generierungskosten. Den endgültigen Betrag finden Sie in Ihrer Rechnung.

Das Modell akzeptiert Texteingaben und Bildeingaben. Es gibt Videos mit nativer Audiogenerierung aus, einschließlich Soundeffekten, Umgebungsgeräuschen und lippensynchronem Dialog.

Clips können zwischen 1 und 15 Sekunden lang sein. Die Ausgabe ist in 480p, 720p und 1080p möglich, wobei 1080p aus 720p hochskaliert wird.

Es eignet sich für das Entwerfen und Prototyping mit wiederholtem Ausprobieren, für Hintergrundmaterial und B-Roll, für Produktkonzepte und Szenenideen sowie für die hochvolumige Produktion kurzer Videos, bei denen Wiederholungen akzeptabel sind.

Lite ist schneller und kostengünstiger als das Vollmodell, opfert dafür aber etwas Bildqualität. Das Vollmodell priorisiert maximale Qualität, während Lite Preis und Geschwindigkeit für Massenproduktion und Prototyping priorisiert.

Die Bildqualität ist etwas geringer als beim Vollmodell, 1080p wird aus 720p hochskaliert, und bei langen Clips kann sich die Identität des Motivs ändern. Übermäßige Bewegungsanweisungen im Prompt können die Qualität mindern, und die Audiogenerierung klingt plausibel, ist aber nicht vollständig steuerbar. Zudem ist das Modell nicht auf dem Image-to-Video-Leaderboard gelistet.

Nein, die von der API zurückgegebenen Video-URLs sind temporär. Dateien müssen zeitnah heruntergeladen werden.