
Clips cortos con diálogo más claro y movimiento con más peso. Texto a video, una imagen de primer fotograma y referencia con varias imágenes — el audio nace con la imagen.
Texto a video · Imagen a video · Referencia a video · audio nativo
Grok Imagine Video 1.5 es la actualización de xAI a la línea Imagine de video a mediados de 2026 — oficialmente en Imagine API (id de modelo: grok-imagine-video-1.5) y una variante 1.5 Fast más rápida en la app Grok. Lo oficial enfatiza mejor movimiento y física, y audio más claro en el mismo pase: efectos de sonido, ambiente y diálogo con la imagen, alineados a la acción. Actualizaciones posteriores ampliaron texto a video, 1080p nativo en texto/primer fotograma y referencia a video con varios anclajes visuales. En ToVideo, Grok Imagine 1.5 corresponde a grok-imagine-video-1.5-preview: texto a video, imagen a video (1 primer fotograma) y referencia a video (2–7 imágenes). Duración unos 1–15 s; calidad 480p, 720p y 1080p cuando el modo lo permite; relaciones donde se expone el control: auto, 16:9, 9:16, 1:1, 3:2, 2:3. Audio nativo automático. Créditos visibles antes de Generar.
xAI sitúa 1.5 para que audio y diálogo nazcan con el video — diálogo más claro, efectos de sonido alineados al movimiento, no pegados después. Clave para trailers, anuncios de producto y shorts sociales. En ToVideo, Grok Imagine 1.5 genera audio nativo automáticamente; si el sonido forma parte de la entrega, escribe ambiente, efectos de sala o diálogo en el prompt.
Las notas de lanzamiento enfatizan menos deformación, peso y momento más creíbles — caminar, objetos que caen, travelling. Un verbo de movimiento principal por plano para que la física se lea. Duración con cuidado: clips más largos necesitan un plan de acción más claro o el foco se diluye.
Texto a video explora escenas en blanco y relaciones. Imagen a video abre con un fotograma fijo — la relación sigue a la imagen. Referencia a video (en ToVideo, la etiqueta video a video de este modelo) ancla sujetos con 2–7 fotogramas fijos y describe un plano continuo. La documentación oficial indica un tope de resolución por debajo de 1080p completo en referencia; ToVideo ofrece 1080p solo en texto y primer fotograma.
Segundos enteros de unos 1 a 15 s cubren microganchos o narrativa corta. Calidad: 480p (borradores que ahorran créditos), 720p (la mayoría de social) y 1080p (entrega texto/primer fotograma). El default en ToVideo suele ser 6 s — bloquea el aspecto y luego alarga.
Elige Grok Imagine 1.5 cuando necesites sonido sincronizado a la imagen, más física y una escalera clara de prompt puro a identidad multi-imagen — todo en ToVideo.
Mapea los highlights de xAI a controles de ToVideo: modo, duración, calidad, relación y número de imágenes.
auto, 16:9, 9:16, 1:1, 3:2, 2:3. Describe escena, cámara y pistas de sonido; explora a 480p/720p y exporta 1080p al bloquear.
Sube un fotograma fijo (JPEG/PNG/WebP, máx. 10MB). La relación sigue a la imagen; el audio nativo nace con el movimiento.
Fusiona varios sujetos en un plano continuo. Este modo no admite 1080p; referencias coherentes y prompt de fusión.
Efectos de sonido, ambiente y diálogo nacen con el video. Escribe el campo sonoro si necesitas voz o efectos de sala.
Segundos enteros para microganchos o narrativa corta. El default suele ser ~6 s — alarga cuando el aspecto esté.
480p ahorra créditos, 720p cubre la mayoría de social, 1080p para entrega texto y primer fotograma. Referencia por debajo de 1080p.
Respuestas directas para marketers y creadores que evalúan Grok Imagine Video 1.5 en ToVideo.
Abre el generador de video, elige Grok Imagine 1.5, selecciona texto, primer fotograma o referencia multi-imagen, fija duración y calidad — créditos visibles de antemano.