Grok Imagine Video 1.5

Grok Imagine Video 1.5 (x-ai/grok-imagine-video-1.5) — модель генерации видео от xAI: создаёт ролики по текстовому описанию, а необязательное стартовое изображение задаёт сцену. Управляет движением объекта и камеры, темпом, атмосферой и физикой поведения, сохраняя визуальную целостность, и генерирует синхронные звуковые эффекты, эмбиенс и диалоги. Генерация асинхронная: POST /v1/videos возвращает задачу, дальше опрос статуса и скачивание mp4.

Параметры

Поле	Описание
model	x-ai/grok-imagine-video-1.5 (или короткое grok-imagine-video-1.5)
prompt	Описание сцены, обязательное
seconds	Любое целое от 1 до 15; по умолчанию 1
size	Размер WxH из таблицы ниже; по умолчанию 1280x720
input_reference	Image-to-video: одна картинка как стартовый кадр, {"image_url": "data:image/...;base64,..."}
input_references	Reference-to-video: от 2 до 7 картинок в массиве, тоже только data:-URL — потолок апстрима xAI
seed	Не поддерживается: seed у модели false, запрос с этим полем вернёт 400

Двадцать один допустимый размер — семь соотношений сторон в трёх разрешениях:

Соотношение	480p	720p	1080p
16:9	852x480	1280x720	1920x1080
9:16	480x852	720x1280	1080x1920
1:1	480x480	720x720	1080x1080
4:3	640x480	960x720	1440x1080
3:4	480x640	720x960	1080x1440
3:2	720x480	1080x720	1620x1080
2:3	480x720	720x1080	1080x1620

Значение вне списка вернёт 400 с перечнем допустимых вариантов — сверяйтесь с полем sizes в каталоге, если сомневаетесь.

Примеры

Генерация по тексту

Python

import requests

job = requests.post(
    "https://api.mixen.ai/v1/videos",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "x-ai/grok-imagine-video-1.5",
        "prompt": "Спорткар разгоняется по ночному шоссе, неон отражается в мокром асфальте, камера обгоняет машину и уходит вбок",
        "seconds": "6",
        "size": "1280x720",
    },
).json()
print(job["id"], job["status"])

cURL

curl https://api.mixen.ai/v1/videos \
  -H "Authorization: Bearer $MIXEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "x-ai/grok-imagine-video-1.5",
    "prompt": "Спорткар разгоняется по ночному шоссе, неон отражается в мокром асфальте, камера обгоняет машину и уходит вбок",
    "seconds": "6",
    "size": "1280x720"
  }'

Image-to-video по стартовому кадру

Картинка передаётся одной строкой data:-URL — внешние ссылки не принимаются:

import base64
import requests

with open("scene.jpg", "rb") as f:
    img = "data:image/jpeg;base64," + base64.b64encode(f.read()).decode()

job = requests.post(
    "https://api.mixen.ai/v1/videos",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "x-ai/grok-imagine-video-1.5",
        "prompt": "Камера медленно наезжает на героя, ветер теребит одежду, слышен дождь",
        "seconds": "8",
        "size": "1280x720",
        "input_reference": {"image_url": img},
    },
).json()
print(job["id"], job["status"])

Reference-to-video по нескольким картинкам

От двух до семи образцов — модель собирает сцену из референсов:

{
  "model": "x-ai/grok-imagine-video-1.5",
  "prompt": "Персонаж из первого кадра осматривает локацию из второго, настороженное движение",
  "seconds": "6",
  "size": "1280x720",
  "input_references": [
    "data:image/png;base64,iVBORw0...",
    "data:image/png;base64,iVBORw0..."
  ]
}

Дальше как обычно: GET /v1/videos/{id} раз в 5–10 секунд до completed, затем GET /v1/videos/{id}/content за mp4. Полный цикл — гайд по видео.

Цена

Тарификация посекундная и зависит от разрешения: 480p — 10.6954 ₽ ($0.12) за секунду, 720p — 18.717 ₽ ($0.21), 1080p — 33.4232 ₽ ($0.375). Сверх посекундной ставки каждая входная картинка — стартовый кадр или референс — добавляет $0.01 к стоимости ролика. Списывается фактическая длительность × ставка размера. Актуальные цены — каталог.

Сильные стороны и ограничения

• Длительности от 1 до 15 секунд — непрерывный ряд и самый короткий старт среди видео-моделей каталога.
• Семь форматов кадра, включая редкие 3:2 и 2:3, в разрешениях 480p, 720p и 1080p.
• Синхронный звук: эффекты, эмбиенс и диалоги генерируются вместе с роликом.
• Режиссура в промпте: движение объекта и камеры, темп, атмосфера и физика поведения.
• Картинки — только data:-URL: один стартовый кадр или до 7 референсов (у других видео-моделей до 9).
• Каждая входная картинка добавляет $0.01 к цене — на роликах с полным набором референсов это заметно.

Все модели — в каталоге. Общий порядок работы с видео — гайд по видео.