SpaceXAI: Grok Imagine Video 1.5 Lite API

Grok Imagine Video 1.5 Lite là mô hình tạo video thuộc dòng Grok Imagine của SpaceXAI (xAI), được tinh giản từ mô hình mẹ Grok Imagine Video 1.5. Mô hình nhận đầu vào văn bản hoặc hình ảnh tĩnh, tạo video ở các độ phân giải 480p, 720p và 1080p; lưu ý rằng đầu ra 1080p được kết xuất ở 720p rồi nâng cấp. Độ dài clip từ 1 giây đến 15 giây, hỗ trợ tỷ lệ khung hình 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 và 2:3. Mô hình cũng tạo âm thanh đồng bộ với video, bao gồm hiệu ứng âm thanh, âm thanh môi trường và hội thoại khớp khẩu hình. Sản phẩm có sẵn dưới dạng API thông qua các đối tác như OpenRouter, fal và Vercel AI Gateway. So với mô hình mẹ, Grok Imagine Video 1.5 Lite nhanh hơn và có chi phí thấp hơn, đánh đổi một phần chất lượng hình ảnh. Đây là lựa chọn cân bằng giữa hiệu năng và chi phí ở cấp đầu vào trong dòng mô hình tạo video của xAI: mô hình đầy đủ ưu tiên chất lượng tối đa, còn Lite ưu tiên giá và tốc độ cho sản xuất hàng loạt và tạo mẫu thử. Mô hình phù hợp để tạo bản nháp và thử nghiệm lặp đi lặp lại với chi phí thấp, tạo cảnh nền, B-roll, ý tưởng khái niệm sản phẩm hoặc bối cảnh, và sản xuất video ngắn với khối lượng lớn khi có thể chấp nhận quay lại. Mô hình đạt 998 Elo trên bảng xếp hạng text-to-video (có âm thanh) của Artificial Analysis, vượt qua Veo 3.1 với 968 Elo. Người dùng cần lưu ý một số hạn chế: chất lượng hình ảnh thấp hơn mô hình đầy đủ, đầu ra 1080p được nâng cấp từ 720p nên chi tiết có thể khác 1080p gốc, danh tính chủ thể có thể thay đổi trong clip dài, chỉ dẫn chuyển động quá nhiều trong prompt có thể làm giảm chất lượng, và âm thanh nghe hợp lý nhưng không hoàn toàn kiểm soát được. Mô hình còn yếu ở khẩu hình hội thoại và độ chính xác giải phẫu người, không có trên bảng xếp hạng image-to-video nên hiệu năng hoạt ảnh chưa được đánh giá độc lập. URL video do API trả về là tạm thời và cần tải xuống kịp thời; các yêu cầu an toàn và cấp phép cần được kiểm tra cho mục đích thương mại. Quy trình an toàn nhất là coi lần tạo đầu tiên như bản nháp, thử nghiệm nhanh, xác nhận prompt và ảnh nguồn hoạt động, sau đó mới kết xuất bản cuối.

Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác. Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.

Mô hình nhận đầu vào văn bản và hình ảnh. Với đầu vào văn bản, mô hình tạo video từ prompt (text-to-video); với hình ảnh tĩnh, mô hình tạo video từ ảnh (image-to-video).

Clip có độ dài từ 1 giây đến 15 giây. Đầu ra ở 480p, 720p và 1080p; lưu ý đầu ra 1080p được kết xuất ở 720p rồi nâng cấp lên.

Có. Mô hình tạo âm thanh đồng bộ với video, bao gồm hiệu ứng âm thanh, âm thanh môi trường và hội thoại khớp khẩu hình. Tuy nhiên, âm thanh nghe hợp lý nhưng không hoàn toàn kiểm soát được.

Mô hình hỗ trợ các tỷ lệ 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 và 2:3.

Lite được tinh giản từ mô hình mẹ Grok Imagine Video 1.5, nhanh hơn và có chi phí thấp hơn nhưng đánh đổi một phần chất lượng hình ảnh. Mô hình đầy đủ ưu tiên chất lượng tối đa, còn Lite ưu tiên giá và tốc độ cho sản xuất hàng loạt và tạo mẫu thử.

Mô hình phù hợp để tạo bản nháp và thử nghiệm lặp lại với chi phí thấp, tạo cảnh nền, B-roll, ý tưởng khái niệm sản phẩm hoặc bối cảnh, và sản xuất video ngắn khối lượng lớn khi có thể chấp nhận quay lại.