소개
업로드한 피사체나 배경을 @image 번호로 구분하고 서로 어떻게 상호작용하는지 설명합니다.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 영상 |
| 배포사 | xAI |
| 시작 자료 | 장면 설명, 필수 시작 이미지 또는 참조 이미지 1~7장 |
| 프롬프트 한도 | 최대 4,096자 |
| 클립 길이 | 1~15초, 기본 6초 |
| 텍스트·이미지 애니메이션 해상도 | 480p(기본), 720p, 1080p |
| 참조 영상 해상도 | 480p 또는 720p |
| 텍스트 캔버스 비율 | 16:9(기본), 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 이미지 애니메이션은 auto도 제공 |
| 이미지 애니메이션 안내 | 필수 시작 이미지, 선택 마지막 이미지, 시간 지정 keyframes 최대 4장, 선택 참조 1장 |
| 반복 제한 | 시작·마지막 프레임 일치, loop와 |
| 생성 오디오 | 기본 켜짐, 꺼도 같은 요금 |
| 청구 방식 | 영상 초와 해상도별 과금, reference-to-video는 참조당 추가 요금, 실패 요청 무료 |
| 파일 보관 | 생성 영상 파일은 14일 후 삭제 |
핵심 기능 및 하이라이트
속삭임 뒤에 이어지는 반응
황혼의 옥상 바에서 등이 드러나는 빨간 드레스의 여성이 남성에게 기대 ‘Let's get out of here’라고 속삭입니다. 6초 480p 샘플에 이 대사와 남성의 미소·손잡는 행동이 담겼습니다. 짧은 대화는 화자, 인용 대사, 상대의 반응을 정해 계획하고 반환 음성과 움직임을 함께 검토합니다.
대사와 함께 건너는 배
테스트에서 작은 어선이 갈매기가 도는 해뜰 무렵 피오르를 건넜습니다. 6초 결과에는 소리와 선장의 인용 대사가 포함됐습니다.
3초에 온실로 도착
테스트에서 비 오는 등불 골목은 요청한 3초 keyframe에 밝은 빅토리아풍 온실로 바뀌었습니다. 전체는 소리가 있는 6초 장면이었습니다.
처음으로 돌아오는 종이학
흰 종이학이 파란 탁자에서 부드럽게 움직이는 4초 반복 테스트로 시작과 마지막 프레임이 일치했습니다.
무용수와 종이 새를 한 스튜디오에
검은 연습복의 무용수가 흰 스튜디오에서 천천히 움직이며 종이학이 근처에 떠 있었습니다. 두 참조가 6초 848x480 결과를 안내했습니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
prompt | 예 | 동작, 장소와 원하는 대사를 최대 4,096자 안에 묘사합니다. 대사를 따옴표로 표시하며 글자 수는 요금 단계를 바꾸지 않습니다. 1자 이상 · 4096자 이하 |
reference_image_urls | 예 | 참조 이미지 1–7장을 제공하고 업로드 순서에 따라 @image1, @image2 등으로 지정합니다. 참조마다 요금이 더해집니다. 1개 이상 · 7개 이하 |
aspect_ratio | 아니요 | 화면비는 16:9, 9:16, 1:1, 3:2, 2:3을 지원합니다. 기본값은 16:9이고 비율에 따른 초당 단가 차이는 없습니다. |
resolution | 아니요 | 참조 기반 클립은 480p와 720p를 지원하며 공통 기본값은 480p입니다. 720p를 선택하면 초당 요금이 올라갑니다. |
duration_seconds | 아니요 | 1–15초 범위에서 요청합니다. 기본은 6초이고 출력 길이가 늘면 과금 초 수도 늘어납니다. |
요금
참조 기반 영상의 비용은 초 수, 해상도와 제공한 참조 이미지 수로 계산합니다. 오디오 설정과 관계없이 같은 단가를 적용하고 실패한 요청은 청구하지 않습니다.
| 사양 | 요금 |
|---|---|
| $0.096 / 초 |
| $0.168 / 초 |
활용 사례
대사로 이끄는 이야기 순간
짧은 인용 대사 하나와 보이는 반응으로 상호작용을 만듭니다. 옥상 샘플은 6초 유성 클립에서 속삭인 제안, 미소, 손잡는 행동을 연결합니다.
도착 시점을 계획한 전환
정한 초에 중간 이미지를 넣어 장소 변경을 안내합니다. 골목·온실 테스트는 6초 장면의 3초에 햇빛 드는 온실에 도달했습니다.
정지 이미지에서 반복 동작
loop를 켜고 시작 이미지가 원점으로 돌아오는 움직임을 만듭니다. 테스트에서는 시작·끝 일치 설정을 따랐습니다. 반복 배치 전 재생 연결부를 확인합니다.
참조로 조립한 장면
인물·소품·장소용 이미지를 따로 주고 프롬프트의 @image 역할을 지정합니다. 참조 작업은 1~7장을 받으며 제공한 각 참조에 과금합니다.
기존 편집에 넣을 무음 장면
기존 사운드트랙을 쓸 때 생성 오디오를 끕니다. 테스트에서는 오디오 트랙이 없었고 영상 요금은 선택 길이와 해상도로 정해졌습니다.
프롬프트 가이드 및 실전 팁
장면의 출발 자료를 고릅니다
글로 쓴 장면은 텍스트, 필수 시작 정지 이미지는 image-to-video, 여러 이미지로 안내할 구도는 reference-to-video를 선택합니다.
행동과 소리를 설명합니다
대상, 의상, 장소, 빛, 다루기 쉬운 행동을 적습니다. 대사를 따옴표로 감싸고 누가 말할지 지정합니다.
시간과 출력을 고릅니다
1~15초, 지원 화면비, 해상도 단계를 정합니다. 정지 이미지 애니메이션은 필요에 따라 시간 지정 keyframes와 마지막 이미지 또는 loop를 추가합니다.
클립을 검토하고 저장합니다
움직임과 대사를 확인하고 반복 연결부나 시간 지정 전환을 살펴봅니다. 생성 파일은 14일 후 삭제되므로 그 전에 채택 영상을 받습니다.
시각 자료로 장면 구성
reference-to-video는 1~7장의 이미지로 새 Grok Imagine Video 1.5 장면을 안내합니다. 참조는 인물, 사물, 장소를 제공할 수 있습니다. 업로드 순서의 @image1, @image2와 이후 번호를 프롬프트에 쓰고 각 원본의 기여를 설명합니다.
출연자와 환경을 별도 사진으로 설명할 때 유용합니다. 생성 소리가 있는 1~15초 480p·720p 영상을 제공합니다. 특정 사진을 시작 프레임으로 써야 하면 image-to-video를 선택합니다.
입력과 설정
| 파라미터 | 목적 | 지원 범위 또는 기본값 |
|---|---|---|
reference_image_urls | 시각 자료 제공 | 1~7장 |
| prompt | 참조 역할과 행동 설명 | 최대 4,096자 |
aspect_ratio | 장면 출력 형태 | 지원 형태 선택, 기본 16:9 |
| resolution | 출력 단계 | 480p, 720p, 기본 480p |
duration_seconds | 요청 길이 | 1~15초, 기본 6 |
참조 수와 해상도는 별개입니다. 구도를 설명할 사진을 고른 뒤 용도에 맞는 크기를 고릅니다. 이 엔드포인트는 720p까지이며 text-to-video와 image-to-video는 1080p를 제공합니다.
모든 이미지에 역할 부여
프롬프트 시작에 @image1은 공연자, @image2는 종이 소품, 추가 이미지는 장소처럼 입력을 연결합니다. reference_image_urls 순서와 맞는지 확인합니다. 이름 없는 묶음은 역할이 불분명합니다.
역할 뒤에 배치와 상호작용을 설명합니다. 옷·빛·구도·분위기로 방향을 일치시킵니다. 검은 연습복의 30대 무용수가 부드러운 아침빛의 흰 스튜디오에서 천천히 돌고 종이학이 떠 있는 장면처럼 작성할 수 있습니다. 지시 구조 제안이며 추가 실측 결과는 아닙니다.
합성 장면 작성 순서
- 업로드 순서로 참조를 나열하고 인물·사물·장소 역할을 정합니다.
- 원본을 부를 때 해당 @image 표기를 씁니다.
- 공통 장소와 길이에 맞는 주요 행동을 설명합니다.
- 발화가 필요하면 짧은 인용 대사와 화자를 추가합니다.
- 채택 전에 각 원본과 설명을 결과와 대조합니다.
참조 목록만으로 전체 장면이 전달된다고 가정하지 않습니다. 사진은 사물의 외형을, 프롬프트는 배치와 주변 행동을 설명합니다. 입력과 동작의 반영을 판단할 수 있도록 움직임을 다루기 쉽게 유지합니다.
제안 장면의 인물은 30대 이상이며 의상과 장소를 명확히 합니다. 사용 권한이 있는 사진과 음성으로 성인만 묘사하고 사칭하지 않습니다. 참조는 창작 입력이므로 모든 요소가 유지된다고 가정하지 말고 동일 인물, 사물 세부, 배치를 살펴봅니다.
제공 참조 테스트 결과
참조 테스트는 480p에서 6초 848x480을 반환했습니다. 해당 요청의 실측입니다. 6초 16:9 텍스트 테스트는 같은 480p에서 752x416이었으므로 단계가 작업 간 동일 화소 캔버스를 약속하지는 않습니다.
기존 샘플은 공연자와 종이 사물 구도를 보여 줍니다. 참조 역할 분담을 이해한 뒤 직접 반환된 움직임, 구도, 업로드 대상의 표현을 판단합니다. 실측이 일반적인 동일 인물 보존이나 동작 품질을 보장하지 않습니다.
소리와 요금 계획
Grok Imagine Video 1.5는 요청한 인용 대사를 포함한 사운드트랙을 생성합니다. 같은 요금으로 끌 수 있으며 오디오 끄기 테스트는 트랙 없이 반환됐습니다. 대사를 길이에 맞게 짧게 하고 행동과 함께 전달을 검토합니다.
reference-to-video는 해상도별 출력 초당 요금과 참조 이미지별 추가 요금을 합산합니다. 사진 수는 비용과 원본 역할 지정에 모두 영향을 줍니다. 긴 길이는 과금 초를 늘리고 720p는 480p보다 초당 비쌉니다. 실패는 무료입니다. 현재 모델 요금을 확인합니다.
한계와 대안
참조 장면도 배포사 콘텐츠 필터를 적용하며 필터 거부는 무료입니다. 원본은 1~7장, 프롬프트는 4,096자 이내입니다. 파일은 14일 후 삭제되므로 그 전에 받습니다.
글만으로 장면을 정할 수 있으면 text-to-video를 선택합니다. 필수 시작 이미지, 선택 마지막 이미지, 시간 지정 중간 이미지 최대 4장, loop가 필요하면 image-to-video를 사용합니다. 해당 계열은 선택 참조 1장과 최대 1080p도 지원합니다. 여러 시각 자료의 결합이 핵심이고 480p·720p가 용도에 맞으면 reference-to-video를 선택합니다.
API 빠른 시작
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-imagine-video-1.5/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 6,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.











