SpaceXAI: Grok Imagine Video 1.5 Lite API

O Grok Imagine Video 1.5 Lite é um modelo da SpaceXAI (xAI) para geração de vídeo, derivado do modelo principal Grok Imagine Video 1.5. Ele aceita texto e imagens como entrada e produz vídeos com áudio gerado de forma sincronizada, incluindo efeitos sonoros, som ambiente e diálogos com sincronia labial. Os clipes podem ter de 1 a 15 segundos e ser gerados nas resoluções 480p, 720p e 1080p; a saída em 1080p é renderizada em 720p e depois ampliada. O modelo suporta as proporções de tela 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 e 2:3, e está disponível como API por meio de parceiros como OpenRouter, fal e Vercel AI Gateway. Por ser uma versão destilada do modelo principal, o Lite troca parte da qualidade de imagem por mais velocidade e menor custo. Ele é indicado para rascunhos e prototipagem com tentativa e erro repetidos, para cenas de fundo, B-roll e ideação de produtos ou cenas, e para produção de vídeos curtos em grande volume, na qual refazer tomadas seja aceitável. A geração inicial pode ser tratada como um rascunho: explorar brevemente, confirmar o prompt e a imagem de origem e só então fazer a renderização final. Entre as limitações estão a perda de parte da qualidade de imagem em relação ao modelo completo, a ampliação da saída em 1080p a partir de 720p (o que pode alterar detalhes em relação ao 1080p nativo), a possibilidade de mudança na identidade do sujeito em clipes longos e a redução de qualidade quando o prompt contém instruções de movimento excessivas. O áudio gerado soa plausível, mas não é totalmente controlável; o modelo também apresenta desempenho fraco em sincronia labial conversacional e precisão anatômica humana. As URLs de vídeo retornadas pela API são temporárias, e os arquivos devem ser baixados prontamente. Para uso comercial, é necessário verificar os requisitos de segurança e licenciamento.

Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.

Ele aceita entrada de texto e de imagem. Com texto, gera vídeo a partir de um prompt; com imagem, gera vídeo a partir de uma foto estática.

Os clipes podem ter de 1 a 15 segundos e ser gerados em 480p, 720p e 1080p. A saída em 1080p é renderizada em 720p e depois ampliada.

O modelo suporta as proporções 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 e 2:3.

Sim. O modelo gera áudio sincronizado com o vídeo, incluindo efeitos sonoros, som ambiente e diálogos com sincronia labial. O áudio soa plausível, mas não é totalmente controlável.

O Lite é uma versão destilada do modelo principal, com mais velocidade e menor custo, mas com alguma perda de qualidade de imagem. O modelo completo prioriza a qualidade máxima.

No leaderboard de texto para vídeo (com áudio) da Artificial Analysis, o Grok Imagine Video 1.5 Lite tem Elo 998 e supera o Veo 3.1, que tem Elo 968. Já o Grok Imagine Video 1.5 completo tem Elo 1059.