Введение
Обозначьте каждого загруженного персонажа, предмет или обстановку номером @image и опишите их взаимодействие.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Видео |
| Издатель видео | xAI |
| Начальные материалы | Описание сцены; обязательный начальный кадр; либо 1–7 референсов |
| Предел описания | До 4 096 символов |
| Длина клипа | 1–15 секунд; исходно 6 секунд |
| Размер генерации и анимации | 480p (исходно), 720p, 1080p |
| Размер видео по референсам | 480p или 720p |
| Пропорции текстового видео | 16:9 (исходно), 9:16, 1:1, 4:3, 3:4, 3:2, 2:3; анимация также предлагает auto |
| Направление анимации | Обязательное начало; необязательный финал; до 4 keyframes по времени; 1 необязательный референс |
| Ограничение цикла | Первый и последний кадры совпадают; loop несовместим с |
| Создаваемый звук | Включён исходно; отключение не меняет тариф |
| Оплата видео | За секунду по разрешению; reference-to-video добавляет плату за каждый источник; ошибки бесплатны |
| Срок хранения видео | Созданные видеофайлы удаляются через 14 дней |
Ключевые возможности и особенности
Шёпот и видимый ответ
В баре на крыше в сумерках женщина в красном платье с открытой спиной наклоняется к мужчине и шепчет «Let's get out of here». Наш образец шесть секунд, 480p содержит реплику, затем его улыбку и взятие за руку. Назовите говорящего, текст и ответ второго; оценивайте речь и движение вместе.
Переправа с репликой
В тестах рыбацкая лодка пересекла фьорд на рассвете под кружащими чайками. Шестисекундный результат содержал звук и заданную реплику капитана.
Оранжерея на третьей секунде
В тесте дождливый переулок с фонарями сменился светлой викторианской оранжереей в заданные три секунды. Весь план длился шесть секунд со звуком.
Журавлик возвращается к началу
В тестах белый бумажный журавлик мягко качался на синем столе в четырёхсекундном цикле. Начальный и последний кадры совпали.
Танцовщица и бумажная птица в студии
В тесте танцовщица в чёрной репетиционной одежде медленно двигалась по белой студии, рядом парил журавлик. Два референса направляли шестисекундный результат 848x480.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | В пределах 4 096 символов опишите действие, место и при необходимости реплики в кавычках; объём промпта не задаёт ценовой уровень. Не менее 1 символов · Не более 4096 символов |
reference_image_urls | Да | Передайте 1–7 референсов и назовите их @image1, @image2 и далее по порядку загрузки; каждый референс оплачивается дополнительно. Не менее 1 элементов · Не более 7 элементов |
aspect_ratio | Нет | Доступны 16:9, 9:16, 1:1, 3:2 и 2:3; исходная настройка — 16:9. Соотношение сторон не влияет на посекундную цену. |
resolution | Нет | Для клипов по референсам доступны 480p и 720p, общее значение по умолчанию — 480p; выбор 720p повышает стоимость секунды. |
duration_seconds | Нет | Можно запросить 1–15 секунд, по умолчанию — 6 секунд; увеличение длительности увеличивает число оплачиваемых секунд. |
Стоимость
Цена видео по референсам зависит от секунд, разрешения и числа переданных изображений; наличие аудио не меняет тариф, неудачные запросы не оплачиваются.
| Спецификация | Стоимость |
|---|---|
| $0.096 / секунду |
| $0.168 / секунду |
Сценарии использования
Моменты истории с диалогом
Стройте короткое общение вокруг реплики и видимого ответа. Крыша сочетает шёпот-приглашение, улыбку и взятие за руку в шестисекундном звуковом клипе.
Переход с заданным прибытием
Направьте смену места промежуточной картинкой в выбранную секунду. Переулок достиг солнечной оранжереи на третьей секунде шестисекундного плана.
Повторяемое движение из кадра
Оживите начальное изображение с loop для возвращения к началу. Тест следовал совпадению кадров; до повторного размещения проверьте стык.
Сцены из визуальных референсов
Дайте отдельные картинки людей, реквизита и места, назначив каждой @image. Принимается один–семь источников с доплатой за каждый.
Немые вставки в готовый монтаж
Отключите аудио для последовательности с готовой дорожкой. Наш тест вернул отсутствие звука, а длительность и разрешение по-прежнему задают тариф.
Руководство по промптам и практические советы
Выберите источник сцены
Текст для письменного плана, image-to-video для обязательного начального кадра или reference-to-video для композиции нескольких источников.
Опишите действие и звук
Назовите героя, одежду, место, свет и посильное действие. Реплику заключите в кавычки, указав говорящего.
Настройте время и выход
Выберите 1–15 секунд, поддерживаемую форму и разрешение. Для анимации кадра при необходимости добавьте keyframes, финал либо цикл.
Проверьте и сохраните клип
Оцените движения, прослушайте речь, проверьте стык цикла или переход по времени. Успейте скачать выбранные клипы до удаления через 14 дней.
Композиция плана из визуальных источников
Reference-to-video использует один–семь изображений для новой сцены Grok Imagine Video 1.5. Источник может дать человека, предмет или место. В prompt называйте загрузки @image1, @image2 и далее по порядку, объясняя вклад в композицию.
Подходит, когда разные картинки задают героев и окружение. Выход — 480p или 720p, 1–15 секунд со звуком. Если конкретная картинка должна установить начало, используйте image-to-video.
Входы и настройки
| Параметр | Назначение | Диапазон или исходное значение |
|---|---|---|
reference_image_urls | Визуальные источники | 1–7 изображений |
| prompt | Роли и действие | До 4 096 символов |
aspect_ratio | Форма сцены | Поддерживаемая форма; исходно 16:9 |
| resolution | Выходной уровень | 480p или 720p; исходно 480p |
duration_seconds | Длина запроса | 1–15 секунд; исходно 6 |
Число источников и разрешение выбираются отдельно. Сначала картинки для композиции, затем размер под использование. Предел здесь 720p; 1080p есть у text-to-video и image-to-video.
Работа каждого источника
Начните с карты: @image1 даёт исполнительницу, @image2 — бумажный реквизит, ещё один может дать место. Сверьте обозначения с reference_image_urls. Неименованный набор оставляет роли неясными.
После карты опишите размещение и взаимодействие. Одежда, свет, кадр и настроение дают цельность. Например, танцовщица тридцати с лишним лет в чёрном медленно поворачивается в белой студии, рядом парит журавлик в мягком утреннем свете. Это предлагаемый шаблон, не дополнительный замер.
Задание составной сцены
- Перечислите источники по порядку и решите, где человек, предмет или место.
- При назывании источника используйте соответствующий @image.
- Опишите общую обстановку и главное действие под длину.
- При необходимости речи добавьте краткую реплику в кавычках и говорящего.
- До принятия сверяйте выход с каждым источником и заданием.
Не ожидайте, что список сам сообщит всю сцену. Картинка показывает вид предмета, prompt — его место и события вокруг. Движение должно быть посильным для оценки передачи источников и действия.
В предлагаемых сценах людей задавайте от тридцати лет с ясными одеждой и местом. Используйте разрешённые фото и голоса совершеннолетних без имитации личности. Референсы — творческий вход: проверяйте узнаваемость, детали и размещение, не ожидая сохранения каждой черты.
Что показала проверка источников
Референсный тест дал шесть секунд 848x480 при уровне 480p. Это размер конкретного запроса. Текстовый тест шесть секунд, 16:9 дал 752x416 при 480p: метка уровня не обещает единого холста всех сценариев.
Существующий пример показывает исполнительницу и бумажный предмет. Оцените разделение ролей, затем собственный план по движению, кадру и передаче субъектов. Измерения не устанавливают общую гарантию личности и качества движения.
Планирование звука и цены
Grok Imagine Video 1.5 создаёт дорожку, включая запрошенный диалог в кавычках. Звук можно отключить по прежнему тарифу; наш тест дал отсутствие аудиодорожки. Реплика должна помещаться в длину; оценивайте её с действием.
Reference-to-video оплачивается за выходную секунду по разрешению плюс каждый референс. Больше картинок влияет и на счёт, и на карту источников. Длиннее — больше оплачиваемых секунд; 720p дороже 480p. Неудачные запросы бесплатны. Применимые тарифы смотрите в текущих ценах модели.
Границы и альтернативы
Действует фильтр издателя; отказ по нему не оплачивается. Источников — один–семь, prompt — до 4 096 символов. Сохраните видеофайлы в пределах 14 дней, после которых они удаляются.
Text-to-video подходит, когда достаточно описания. Image-to-video — для обязательного начала, необязательного финала, до четырёх промежуточных кадров или loop. Там также один референс и до 1080p. Reference-to-video подходит, когда главная задача — несколько источников и достаточно 480p либо 720p.
Быстрый старт 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-imagine-video-1.5/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 6,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.











