Grok Imagine Video 1.5：定价、1080p 和限制

Grok Imagine Video 1.5 是一个图像到视频的 API，不是文本到视频模型。 你提供一张源图片加上运动提示词，模型将动画化该第一帧，并可选择添加原生音频。xAI 的当前 API 提供 480p、720p 和 1080p 定价；目前的 reAPI 路由暴露 480p 和 720p。^[1]

这个区别防止了最常见的失败请求：只向 1.5 模型发送文本。如果你需要文本到视频、参考到视频、编辑或视频扩展，xAI 在更广泛的 grok-imagine-video 系列下记录这些能力，而不是 1.5 图像到视频端点。^[2]

TL;DR

输入： 一张图片和一个运动提示词。
输出： 1–15 秒的视频，通过 xAI；reAPI 的推荐频道为 6–15 秒以满足后备兼容性。
xAI 列价： 480p $0.08/秒、720p $0.14/秒、1080p $0.25/秒，加上 $0.01 的输入图片费用。^[1]
reAPI 当前推荐频道： 480p $0.03/秒、720p $0.06/秒；在预算前检查实时模型页面。
原生音频： 支持，reAPI 官方频道上有 audio 开关。
最大时长： 15 秒。
主要限制： Grok Imagine Video 1.5 不接受纯文本输入，reAPI 表面目前不暴露 1080p。

Grok Imagine Video 1.5 规格

属性	xAI API	reAPI 推荐频道
模型 ID	`grok-imagine-video-1.5`	`grok-imagine-video-1.5-official`
输入	图片 + 提示词	一个公开图片 URL + 必需提示词
分辨率	480p、720p、1080p	480p、720p
时长	最多 15 秒	6–15 秒
长宽比	厂商支持集合	`1:1`、`16:9`、`9:16`
音频	原生	原生，可切换
计费	按秒 + 图片输入	按秒
执行	异步	异步任务

xAI 将源图片描述为第一帧。这使得模型对产品照片、插画、肖像和关键帧很有用，其中起始构图必须保留。^[3]

Grok Imagine Video 1.5 API 定价

Grok Imagine Video 1.5 按 480p、720p 和 1080p 分辨率的定价，显示 xAI 列价和当前 reAPI 支持

xAI 直接定价

分辨率	视频费率	输入图片费用	8 秒示例
480p	$0.08/秒	$0.01	$0.65
720p	$0.14/秒	$0.01	$1.13
1080p	$0.25/秒	$0.01	$2.01

示例是 费率 × 8 + $0.01。因此 15 秒的 1080p 片段在重试前达到 $3.76。分辨率是最大的价格杠杆。^[1]

reAPI 定价和频道差异

reAPI 目前暴露两个频道。推荐的 official 路由列出 480p $0.03/秒和 720p $0.06/秒。beta 路由有更广泛的长宽比集和 nsfw_checker 字段，但当前费率更高。官方路由需要提示词，支持 6–15 秒，并提供音频切换。

对于 8 秒的片段，当前推荐路由约为：

分辨率	按秒费率	8 秒片段
480p	$0.03	$0.24
720p	$0.06	$0.48

费率是运营数据，不是永久事实。发布计算器或提交客户价格前，使用实时的 Grok Imagine Video 1.5 模型页面。

如何在 reAPI 上调用 Grok Imagine Video 1.5

端点是异步的。提交一个任务，存储任务 id，然后轮询任务端点直到完成。

import requests

payload = {
    "model": "grok-imagine-video-1.5-official",
    "prompt": "Slow cinematic push-in, natural hair movement, warm sunset light",
    "image_urls": ["https://your-cdn.com/keyframe.jpg"],
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "duration": 8,
    "audio": True,
}

response = requests.post(
    "https://reapi.ai/api/v1/videos/generations",
    headers={
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json",
    },
    json=payload,
    timeout=30,
)
response.raise_for_status()
task = response.json()
print(task["id"])

轮询 GET /api/v1/tasks/{id}。完成的结果会暴露生成的视频 URL，如果应用需要持久资产，应该复制到你自己的存储。

编写保留源图片的提示词

最强的提示词描述运动和摄像机行为，而不是重新设计整个画面。源图片已经提供了构图、主体、服装、调色板和背景。

使用这个顺序：

主体运动： 眨眼、转身、行走、织物运动、产品旋转。
摄像机运动： 推进、横移、固定摄像机、手持漂移。
环境运动： 风、雨、交通、水、粒子。
音频： 环境音、对话、效果或音乐方向。
不变量： 保持身份、产品形状、标志位置或构图。

示例：

The camera makes a slow 10% push-in. The subject blinks once and turns slightly
toward the window. Curtains move in a light breeze. Preserve the exact face,
clothing, room layout, and morning color palette. Quiet room tone and distant
city ambience; no dialogue.

避免在八秒内要求十个镜头，除非快速蒙太奇是目标。短片段几乎没有时间建立多个摄像机移动和动作。