Introducción
Envía el primer fotograma obligatorio y describe su movimiento; los fotogramas clave intermedios permiten situar un cambio de escenario en un momento concreto.
| Campo | Valor |
|---|---|
| Entrada | Imagen |
| Salida | Video |
| Responsable del modelo | xAI |
| Material inicial | Escena escrita; imagen inicial obligatoria; o 1–7 referencias |
| Límite de texto | Hasta 4.096 caracteres |
| Duración del clip | 1–15 segundos; 6 por defecto |
| Tamaño en texto y animación de imagen | 480p (predeterminado), 720p, 1080p |
| Tamaño con referencias | 480p o 720p |
| Relaciones de texto | 16:9 (predeterminada), 9:16, 1:1, 4:3, 3:4, 3:2, 2:3; animación añade auto |
| Guía de animación | Imagen inicial obligatoria; final opcional; hasta 4 keyframes con tiempo; 1 referencia opcional |
| Restricción del bucle | Apertura y cierre coincidentes; loop no se combina con |
| Audio generado | Activado por defecto; desactivarlo no cambia tarifa |
| Facturación | Por segundo de video y resolución; referencias a video suma cargo por imagen; los fallos no se cobran |
| Conservación de videos | Se eliminan los archivos generados después de 14 días |
Funciones y aspectos destacados
Un susurro con respuesta visible
En el bar de azotea al anochecer, una mujer con vestido rojo de espalda descubierta se acerca a un hombre y susurra «Let's get out of here.» La muestra de seis segundos en 480p incluye la frase, su sonrisa y la acción de tomar la mano. Planea un intercambio breve identificando hablante, palabras y respuesta. Revisa voz y movimiento juntos.
Un cruce con frase hablada
En las pruebas, un pequeño pesquero cruzó el fiordo al amanecer bajo gaviotas. El resultado de seis segundos incluyó sonido y al capitán diciendo el diálogo citado.
Llega al invernadero en el segundo tres
El callejón lluvioso con faroles cedió a un invernadero victoriano luminoso en el keyframe de tres segundos solicitado. La toma completa duró seis con sonido.
Una grulla que vuelve al inicio
La grulla blanca de origami se movió suavemente sobre mesa azul en un bucle de cuatro segundos. Apertura y cierre coincidieron.
Bailarina y ave de papel en un estudio
La bailarina de ensayo negro avanzó lentamente por un estudio blanco con una grulla flotando cerca. Dos referencias guiaron seis segundos en 848x480.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Describe la acción, el escenario y los diálogos opcionales entre comillas en hasta 4.096 caracteres; la extensión del prompt no determina un nivel de cobro. mínimo 1 caracteres · máximo 4096 caracteres |
image_url | Sí | Imagen obligatoria del fotograma inicial de la animación; establece el comienzo y no un nivel de precio aparte. mínimo 1 caracteres |
last_image_url | No | Puedes aportar el fotograma final; omítelo al activar loop, ya que estos controles no se pueden usar juntos. Este campo no añade un nivel de cobro independiente. mínimo 1 caracteres |
reference_image_urls | No | Puedes agregar una imagen de referencia y llamarla @image1 en el prompt; imagen a video se cobra según los segundos y la resolución. máximo 1 elementos |
aspect_ratio | No | Usa auto para seguir la imagen inicial, o 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 o 2:3; el valor predeterminado compartido es 16:9. Esta elección no modifica la tarifa por resolución. |
keyframes | No | Aporta hasta cuatro imágenes intermedias, cada una con |
loop | No | Activa la coincidencia del primer y último fotograma para crear un bucle; no envíes también |
resolution | No | Elige 480p, 720p o 1080p; 480p es el valor predeterminado y los niveles superiores tienen un costo mayor por segundo. |
duration_seconds | No | Solicita de 1 a 15 segundos; se usan 6 segundos por defecto. Una salida más larga aumenta los segundos facturados. |
generate_audio | No | Genera audio por defecto o desactívalo para obtener un resultado sin pista de audio; la tarifa permanece igual. Valor predeterminado: |
Precios
La animación de imágenes se cobra por segundos de salida según el nivel de resolución elegido; la selección de audio no modifica esa tarifa y los fallos no se cobran.
| Especificación | Precio |
|---|---|
| $0.028 / segundo |
| $0.0505 / segundo |
| $0.09 / segundo |
Casos de uso
Momentos narrativos con diálogo
Construye una interacción breve alrededor de una frase entre comillas y respuesta visible. La azotea combina invitación susurrada, sonrisa y acción de tomar la mano en seis segundos con sonido.
Transiciones con llegada planeada
Guía un cambio de lugar con una imagen intermedia en un segundo elegido. La prueba del callejón al invernadero llegó al destino soleado en el segundo tres de seis.
Movimiento repetido desde una imagen
Anima una apertura con loop para regresar al inicio. La prueba respetó fotogramas coincidentes; revisa la unión al reproducir antes de usar en una ubicación repetitiva.
Escenas reunidas desde referencias
Aporta imágenes separadas de personas, objetos o lugares y asigna papeles @image en prompt. El flujo acepta una a siete, con cargo por cada referencia.
Insertos silenciosos para una edición
Desactiva audio generado si usarás una banda sonora existente. La prueba sin audio no devolvió pista sonora; duración y resolución siguen determinando tarifa.
Guía de prompts y consejos prácticos
Elige el origen de la escena
Usa texto para una toma escrita, imagen a video para una apertura obligatoria o referencias a video para componer desde varias imágenes.
Explica acción y sonido
Nombra sujeto, ropa, lugar, luz y una acción manejable. Pon la frase hablada entre comillas e identifica a quien la dice.
Escoge tiempos y salida
Configura 1–15 segundos, relación admitida y resolución. Al animar una imagen, añade keyframes con tiempo y elige imagen final o loop cuando haga falta.
Revisa y descarga el clip
Mira movimiento, escucha diálogo y revisa unión de bucle o transición temporizada. Descarga los aceptados dentro de 14 días, antes de que se eliminen los archivos.
Dirige movimiento desde una imagen inicial
Imagen a video requiere image_url e instrucción de movimiento. Grok Imagine Video 1.5 anima esa apertura durante 1–15 segundos con sonido generado. Úsalo si importa la composición inicial y añade guía visual de final o intermedios cuando haga falta.
Cada control tiene función: last_image_url guía cierre, keyframes sitúa intermedios y loop iguala apertura y final. Una referencia opcional añade guía visual. Elige según la toma sin tratar todas las cargas como la misma entrada.
Mapa de parámetros
| Parámetro | Papel | Opciones o límite |
|---|---|---|
image_url | Establece apertura | Obligatorio |
| prompt | Movimiento, lugar y diálogo opcional | Hasta 4.096 caracteres |
aspect_ratio | Forma de salida | auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3; 16:9 por defecto |
| resolution | Nivel de salida | 480p, 720p, 1080p; 480p predeterminado |
duration_seconds | Duración | 1–15 segundos; 6 por defecto |
generate_audio | Banda sonora generada | Activada por defecto |
last_image_url | Imagen final | Opcional; incompatible con loop |
reference_image_urls | Guía visual adicional | Una imagen opcional; nómbrala @image1 |
| keyframes | Intermedios en momentos elegidos | Hasta 4; cada uno con time_seconds |
| loop | Apertura y cierre coincidentes | No combinar con last_image_url |
Selecciona auto para seguir relación de apertura; si no, elige una admitida según destino. Describir vista ancha explica composición; aspect_ratio fija forma.
Planea inicio, medio y final
Llega a un lugar en el segundo elegido
Usa keyframes para pasar por una imagen en un momento. Da time_seconds a cada intermedio dentro del clip. La transición probada empieza en callejón lluvioso de faroles y llega a invernadero soleado en segundo tres de seis.
Describe conexión visual en prompt: recorrido de cámara, cambio de luz y apertura del entorno hacia destino. La imagen temporizada aporta objetivo visual programado sin sustituir movimiento entre imágenes.
Elige destino o regreso
Una imagen final sirve para terminar en composición proporcionada. loop sirve para volver al inicio. No se combinan: decide qué cierre necesita la toma antes de enviar.
Para bucle, describe movimiento acotado, como papel meciéndose y regresando a pose inicial. Mira la unión en reproducción repetida. La prueba siguió el ajuste de cuadros coincidentes, pero tu acción aún requiere revisión como secuencia.
Instrucciones desde la composición existente
Empieza por qué se mueve, dirección y ritmo. Añade cámara por separado para aclarar acción del sujeto. Para personas de escenas propuestas, identifica adultos de treinta años o más y concreta ropa, ambiente y luz.
Un retrato puede pedir giro hacia ventana, sonrisa y vuelta, conservando vestido de noche y luz cálida de apertura. Nombra referencia opcional @image1 y explica aportación. Usa fotos y voces autorizadas, personas adultas y sin suplantación.
El diálogo entre comillas puede sonar en la pista generada. Para silencio, desactiva generate_audio: la prueba no devolvió audio. Revisa sonido junto a movimiento al aceptar.
Comportamiento observado
Las pruebas confirmaron final, loop y keyframes en sus respectivas solicitudes. La transición llegó al invernadero en segundo tres de seis con sonido. Respaldan controles y transición mostrados sin garantizar todo movimiento entre imágenes arbitrarias.
Tras generar, contrasta inicio, intermedio y cierre con las imágenes aportadas. Revisa también el movimiento entre ellos.
Facturación y plazo
Se cobra por duración y resolución; los niveles superiores cuestan más por segundo. Quitar sonido mantiene tarifa y los fallos no tienen cargo. Consulta los precios vigentes del modelo al elegir. Guarda aceptados dentro de 14 días: luego se eliminan.
Alcance y versiones hermanas
El desarrollador filtra y rechaza sin cargo lo marcado. Limita intermedios a cuatro y no envíes imagen final con loop. Se admite una referencia opcional además de apertura obligatoria.
Sin inicio concreto usa texto a video. Para varias fuentes, referencias a video acepta una a siete y ofrece 480p o 720p. Sigue con imagen a video si apertura, llegada temporizada o bucle justifican la solicitud.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-imagine-video-1.5/image-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 6,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.











