在 ToVideo 使用 Grok Imagine 1.5
生成对白更清晰、动作更有重量感的短片。支持文生视频、单张首帧图生视频，以及多图参考生视频 — 音频与画面同程生成。
文生视频 · 图生视频 · 参考生视频 · 原生音频
什么是 Grok Imagine 1.5？
Grok Imagine Video 1.5 是 xAI 在 2026 年中对 Imagine 视频线的升级 — 官方宣布在 Imagine API 正式可用（模型 id：grok-imagine-video-1.5），并在 Grok 应用侧推出更快的 1.5 Fast 变体。官方强调更佳运动与物理感，以及更清晰的同程音频：音效、环境声与对白随画面生成，并对齐动作。后续生态更新扩展了文生视频、文生/首帧原生 1080p，以及多视觉锚点的参考生视频。在 ToVideo 中，Grok Imagine 1.5 对应 grok-imagine-video-1.5-preview，覆盖文生视频、图生视频（1 张首帧）与参考生视频（2–7 张图）。时长约 1–15 秒；画质含 480p、720p，以及模式允许时的 1080p；画面比例在暴露该控件的模式下含 auto、16:9、9:16、1:1、3:2、2:3。原生音频自动生成。积分在点击生成前可见，便于可控迭代。
同程音频，贴合动作
xAI 将 1.5 定位为音频与对白与视频同程生成 — 对白更清晰、音效更对齐动作，而不是后期硬贴。这对预告片、产品广告与社交媒体短片很关键。在 ToVideo 上，Grok Imagine 1.5 会自动生成原生音频；若声音是交付的一部分，请在提示词中写明环境声、拟音或对白内容。
运动与物理感贯穿整段镜头
发布说明强调更少形变、更可信的重量与动量，适合人物行走、物体下落或镜头推进等场景。每个镜头只保留一个主要运动动词，物理关系更易读。时长要审慎：更长片段需要更清晰的动作计划，否则焦点容易被稀释。
三种输入：文本、首帧、多图参考
文生视频适合探索空白场景与比例。图生视频以一张静帧作为开场 — 比例跟随图片。参考生视频（本模型在 ToVideo 的视频转视频标签）用 2–7 张静帧锚定主体，并描述连续镜头。官方文档也指出参考生视频分辨率上限低于完整 1080p；ToVideo 对应地仅在文生与首帧模式提供 1080p。
灵活时长与分辨率阶梯
约 1 到 15 秒的整秒时长可覆盖微钩子或短叙事。画质含 480p（省积分草稿）、720p（多数社媒）与 1080p（文生/首帧成片）。ToVideo 默认时长常见为 6 秒 — 外观锁定后再拉长，更省积分。
为什么选择 Grok Imagine 1.5
当你需要画面同步的声音、更强物理运动感，以及从纯提示到多图身份控制的清晰阶梯时，选 Grok Imagine 1.5 — 全程留在 ToVideo。
实践中真正有用的 Grok Imagine 1.5 能力
把 xAI 发布亮点映射到 ToVideo 具体控件：模式、时长、画质、比例与图片数量。
文生视频与灵活比例
支持 auto、16:9、9:16、1:1、3:2、2:3。描述场景、镜头与声音线索；先用 480p/720p 探索，锁定后导出 1080p。
首帧图生视频
上传一张静帧（JPEG/PNG/WebP，单张最大 10MB）。比例跟随图片；原生音频随运动自动生成。
2–7 张图参考生视频
把多个主体融合成一个连续镜头。此模式不支持 1080p；参考图需一致，提示词侧重融合。
原生同步音频
音效、环境声与对白与视频同程生成。需要语音或拟音时，在提示词中写明声场。
约 1–15 秒时长
以整秒交付微钩子或短叙事。默认常约 6 秒 — 外观成立后再延长。
480p / 720p / 1080p 画质阶梯
480p 省积分打样，720p 覆盖多数社媒，1080p 用于文生与首帧成片。参考模式上限低于 1080p。
Grok Imagine 1.5 常见问题
面向在 ToVideo 评估 Grok Imagine Video 1.5 的营销与创作者的直接回答。
在 ToVideo 试用 Grok Imagine 1.5
打开视频生成器，选择 Grok Imagine 1.5，挑选文生、首帧或多图参考模式，设置时长与画质，在积分可见的前提下生成。