SpaceXAI: Grok Imagine Video 1.5 Lite

SpaceXAI: Grok Imagine Video 1.5 Lite to model generowania wideo od xAI. Jest to destylowana wersja Grok Imagine Video 1.5, zbudowana tak, aby była szybsza i lżejsza niż model, z którego pochodzi. Kompromis jest zamierzony: rezygnuje z części jakości wyjściowej w zamian za szybkość, co czyni go wariantem, który warto rozważyć, gdy czas realizacji liczy się bardziej niż maksymalna wierność.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a jako jedyne wyjście produkuje wideo. Obsługuje zarówno generowanie wideo z tekstu, jak i z obrazu, a w przypadku pracy opartej na obrazie przyjmuje obraz pierwszej klatki jako punkt zakotwiczenia klipu. Wyjście można renderować w rozdzielczości 480p, 720p lub 1080p, w siedmiu formatach obrazu: 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 krokach co jedną sekundę. Dla tego modelu nie opublikowano długości kontekstu, a pole maksymalnego wyjścia jest podane jako zero, więc planuj w oparciu o kontrolki rozdzielczości, formatu obrazu i czasu trwania, a nie o budżet tokenów.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Pionowe proporcje 9:16 i kwadratowe 1:1 pasują do krótkich klipów społecznościowych, natomiast 16:9 pasuje do standardowego odtwarzania szerokoekranowego. Generowanie wideo z obrazu z pierwszą klatką jest przydatne, gdy masz już nieruchomy obraz, na przykład zdjęcie produktu lub klatkę kluczową, i chcesz go animować, zamiast generować od zera. Zakres od 1 do 15 sekund obejmuje krótkie pętle, zapowiedzi, przejścia i wstawki w stylu b-roll. Ponieważ model jest szybszym, lżejszym odpowiednikiem, pasuje do procesów opartych na wielu iteracjach, w których generujesz wiele klipów kandydujących i promujesz tylko najlepsze.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "x-ai/grok-imagine-video-1.5-lite". Obsługiwane parametry żądania to logprobs, max_tokens, response_format, seed, temperature, top_logprobs i top_p. Parametr seed warto zauważyć w pracy z wideo, ponieważ pozwala świadomie odtworzyć lub urozmaicić generowanie. Temperature i top_p dają kontrolę nad próbkowaniem, a response_format pozwala kształtować sposób zwracania wyniku.

Ponieważ jest to wariant Lite, jest właściwym wyborem, gdy liczą się szybkość i ilość, a pełny Grok Imagine Video 1.5 jest naturalną alternatywą, gdy potrzebujesz wyższej jakości i możesz zaakceptować wolniejszy, cięższy model. Opublikowane fakty nie zawierają szczegółów generowania dźwięku, więc nie zakładaj wyjścia audio. Jeśli twój projekt zależy od dźwięku, zweryfikuj to osobno przed podjęciem decyzji.