SpaceXAI: Grok Imagine Video 1.5 Lite API

Grok Imagine Video 1.5 Lite — это видеомодель от SpaceXAI (xAI), представленная 6 октября 2026 года. Она позволяет создавать видео из текстового описания или из одного изображения, которое используется как первый кадр. Модель генерирует не только картинку, но и полноценную звуковую дорожку: звуки окружения, фоновый шум и синхронизированную речь с правильной артикуляцией губ. Видеофрагменты длятся от 1 до 15 секунд при частоте 24 кадра в секунду, доступны разрешения 480p, 720p и 1080p (последнее получается апскейлом из 720p) и семь соотношений сторон: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 и 2:3. Модель ориентирована на задачи, где важны скорость и экономия: создание коротких роликов для соцсетей (Reels, Shorts, TikTok), быстрый предпросмотр идей, сравнение нескольких вариантов одного и того же промпта и массовая генерация видео. Благодаря встроенному аудио не нужно отдельно синтезировать звук или озвучивать персонажей — готовый ролик сразу получается со звуковой дорожкой. При подготовке промпта рекомендуется детально описывать сцену, действия объектов, движение камеры и освещение; для диалогов стоит указывать говорящего и брать реплики в кавычки, а также можно описывать фоновые звуки, например шум дождя по стеклу или гул людной кофейни. Это дистиллированная версия Grok Imagine Video 1.5: она быстрее и дешевле флагманской модели, но уступает ей в детализации и точности передачи картинки. Кроме того, Lite не поддерживает функцию множественных референсных изображений, доступную во флагманской версии. Модель подходит для высокочастотного и крупносерийного производства видео, когда идеальный визуальный результат не является главным приоритетом.

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности. Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.

Модель работает в двух режимах: генерация видео по текстовому описанию и генерация по одному стартовому изображению, которое становится первым кадром.

Длительность роликов составляет от 1 до 15 секунд, частота кадров — 24 fps. Доступны разрешения 480p, 720p и 1080p.

Да, модель создаёт видео с native синхронным аудио: фоновые звуки, шум окружения и речь с синхронизацией губ. Отдельная озвучка или сведение звука не требуются.

Lite — дистиллированная версия флагманской модели. Она быстрее и дешевле, но жертвует частью детализации и точности картинки, а также не поддерживает функцию множественных референсных изображений.

Доступно семь вариантов: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 и 2:3, что позволяет создавать как горизонтальные, так и вертикальные ролики.

Рекомендуется подробно описывать сцену, действия субъекта, движение камеры и освещение. Для диалогов стоит явно указывать говорящего и брать реплики в кавычки; также можно описывать фоновые шумы, например дождь по стеклу или гул кофейни.