SpaceXAI: Grok Imagine Video 1.5 Lite API

Grok Imagine Video 1.5 Lite es un modelo de generación de video de SpaceXAI (xAI) destilado del modelo matriz Grok Imagine Video 1.5. Acepta texto e imágenes como entrada y produce video con audio nativo, con resoluciones de 480p, 720p y 1080p; la salida en 1080p se renderiza a 720p y luego se escala. Genera clips de 1 a 15 segundos y admite relaciones de aspecto 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 y 2:3. El audio sincronizado con el video incluye efectos de sonido, sonido ambiente y diálogo con sincronización labial. Está pensado para tareas de borrador y prototipado con prueba y error repetido a bajo costo, metraje de fondo, B-roll y exploración de conceptos de producto o escenas. También es útil para producción de video corto en grandes volúmenes donde se aceptan nuevas tomas. Es más rápido y económico que el modelo matriz, y supera a Veo 3.1 en la tabla de clasificación de texto a video de Artificial Analysis (con audio). Resulta lo suficientemente económico como para descartar tomas fallidas y regenerarlas. Entre sus limitaciones, sacrifica algo de calidad de imagen frente al modelo completo, y la salida en 1080p se escala desde 720p, por lo que el detalle puede diferir del 1080p nativo. La identidad del sujeto puede cambiar en clips largos y las instrucciones de movimiento excesivas en los prompts pueden reducir la calidad. El audio suena plausible pero no es totalmente controlable, y el modelo es débil en sincronización labial conversacional y precisión anatómica humana. No aparece en la tabla de clasificación de imagen a video, por lo que el rendimiento de animación carece de evaluación independiente. Las URL de video devueltas por la API son temporales y los archivos deben descargarse con prontitud; además, deben verificarse los requisitos de seguridad y licencias para uso comercial.

Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos. Se factura según el costo real de generación. Consulta tu factura para el importe final.

Admite entrada de texto y entrada de imagen. Con texto genera video de texto a video; con imágenes fijas genera video de imagen a video.

Produce video en 480p, 720p y 1080p. Los clips van de 1 a 15 segundos. La salida en 1080p se renderiza a 720p y luego se escala.

Admite relaciones de aspecto 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 y 2:3.

Sí, genera audio sincronizado con el video, incluidos efectos de sonido, sonido ambiente y diálogo con sincronización labial. El audio suena plausible pero no es totalmente controlable.

Lite está destilado del modelo completo. Es más rápido y económico, aunque sacrifica algo de calidad de imagen. El modelo completo prioriza la máxima calidad, mientras que Lite prioriza precio y velocidad para producción masiva y prototipado.

Está disponible como API a través de socios como OpenRouter, fal y Vercel AI Gateway.