SpaceXAI: Grok Imagine Video 1.5

SpaceXAI: Grok Imagine Video 1.5 to model generowania wideo od xAI. Należy do kategorii wideo i jest identyfikowany w api14 jako x-ai/grok-imagine-video-1.5. Data wydania przez dostawcę to 2026-07-20. Jeśli budujesz potok, który musi zamieniać pomysły tekstowe lub nieruchome obrazy na krótkie klipy wideo, to jest typ modelu, który warto ocenić.

Po stronie wejścia model przyjmuje tekst i obrazy. Podpowiedzi tekstowe opisują scenę, a opcjonalny obraz początkowy może ją ukierunkować, przy czym first_frame jest obsługiwany jako rola obrazu ramki. Wyjściem jest wideo. Może renderować w 480p, 720p lub 1080p, w proporcjach 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 i 2:3. Czas trwania klipów wynosi od 1 do 15 sekund w całych krokach sekundowych, więc sam wybierasz długość, zamiast otrzymywać stałą. Dla tego modelu nie opublikowano długości kontekstu.

Te możliwości wskazują na kilka praktycznych zastosowań. Przepływ tekst na wideo pasuje, gdy potrzebujesz szybkiego klipu wyłącznie na podstawie podpowiedzi, natomiast podanie pierwszej ramki jest przydatne, gdy masz już kluczowy obraz i chcesz ruchu, który się od niego zaczyna. Zakres proporcji obejmuje umiejscowienia poziome, pionowe i kwadratowe, co pomaga, gdy ten sam klip musi pasować do różnych ekranów. Krótkie czasy trwania rzędu kilku sekund nadają się do zapętlających się teł, ujęć zapowiadających i formatów społecznościowych, a dłuższy koniec, do 15 sekund, daje miejsce na pełniejszą scenę. Wybór rozdzielczości pozwala wymieniać szczegółowość na szybkość w zależności od tego, gdzie klip będzie wyświetlany.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu x-ai/grok-imagine-video-1.5. Obsługiwane parametry żądania to logprobs, max_tokens, response_format, seed, temperature, top_logprobs i top_p. Ponieważ interfejs jest zgodny z formatem OpenAI, możesz skierować istniejącego klienta OpenAI na api14 i zmienić identyfikator modelu, zamiast przepisywać integrację. Parametr seed warto stosować, gdy chcesz odtworzyć lub urozmaicić generowanie między uruchomieniami.

Przed rozpoczęciem pracy zwróć uwagę na kilka ograniczeń. Maksymalne wyjście jest podane jako 0, więc sprawdź bieżącą stronę modelu pod kątem aktualnego zachowania wyjścia, zamiast zakładać budżet tokenów. Generowanie dźwięku nie jest określone, więc nie planuj zsynchronizowanego dźwięku z tego modelu. Nie ma również opublikowanej długości kontekstu, co ma znaczenie, jeśli twoje podpowiedzi są długie lub odwołują się do dużych ładunków obrazów. Jeśli twoim zadaniem jest rozumienie tekstu lub obrazu, a nie tworzenie wideo, lepiej pasować będzie model z tych kategorii.