xAI 的 Grok Imagine Video 用提示詞或照片做出單一鏡頭的短片，尺寸適合社群動態，重來一次也很快。
Grok Imagine Video 是 xAI Grok Imagine 系列最早的影片模型，做成影音一體，動作寫實、物件互動自然。
它聽得懂拉近、推軌後退、鏡頭上搖、橫搖這類運鏡指令。xAI 以速度和成本為設計重點，同一個點子跑第二、第三次也不會太花錢。
它最拿手的是單一鏡頭：一個主角、一個動作、一個運鏡。單獨就能當一則貼文的畫面，例如：
xAI 提供直式、橫式和各平台常用的長寬比，直式限時動態或橫式動態牆短片，事後都不必再裁切。
作品需要好幾個相連的鏡頭，或更清楚的說話聲時，就用Grok Imagine Video 1.5。
在 Zero Kit 上，Grok Imagine Video 就在本頁上方的編輯器裡，Free 以上方案可用。寫下想要的瞬間或加入一張照片，把片長設在 1 到 15 秒之間，就能生成。
每秒 13 點起，費率依你選的解析度而定。短片讓試做的成本維持在低點，很適合社群內容「不滿意就再來一次」的節奏。
Grok Imagine 系列總覽把每個圖片與影片版本並排列出。
一段影片從頭到尾只拍一個瞬間時，Grok Imagine Video 最穩定。
生日範例是很好的寫法：鏡頭慢慢推近一個粉嫩的粉紅蛋糕，一口氣吹熄蠟燭，細細的煙往上飄，後方模糊的朋友們在拍手。
只有一個動作、一個運鏡、一個溫暖的光源，沒有東西搶走注意力。用一句話寫瞬間、一句話寫運鏡，讓影片停在動作的結果上。
電影感 16:9 影片關鍵影格，鏡頭緩緩推近一個插著點燃蠟燭的粉彩粉紅色生日蛋糕，正是一口氣把蠟燭吹熄的那一刻，細細的煙向上裊裊升起，背景裡失焦的朋友們在鼓掌，還有串燈。一鏡到底，溫暖又充滿慶祝氣氛。
第一人稱的手持鏡頭只需要一段連續的動作，很適合 Grok Imagine Video。
xAI 表示這個模型懂得寫實的動作和物件互動，所以第一人稱走路看起來很真實。範例裡，一隻手拿著包好的陸蓮花束，兩旁一桶桶鬱金香和牡丹向後掠過。
在提示詞開頭寫「第一人稱視角」或「從副駕駛座手持拍攝」，再寫手上拿著什麼。走路的速度放慢一點，畫面才不會晃得太厲害。
電影感 16:9 影片關鍵影格，第一人稱視角走過一條狹窄的花市，前景裡一隻手捧著一束用牛皮紙包好的陸蓮花，兩側是一桶桶鬱金香與芍藥，晨光柔和。手持 vlog 風格，粉彩色調。
切、倒、捏這類有觸感的短片，和 Grok Imagine Video 很合拍。範例是一把薄刀切開一塊分層的粉彩動力沙，切片在乾淨的白桌上碎落。
鏡頭固定、背景單純，並把質感寫得很細，例如「淡紫、薄荷綠、蜜桃色分層，輕輕崩落」。
模型不保證能無縫循環。想做循環，就讓開頭和結尾的場景一樣，再到剪輯軟體裡，把動作重複的那一段剪出來。
電影感 16:9 影片關鍵影格，特寫：一把薄刀切開一塊淡紫、薄荷綠與蜜桃色層層疊疊的粉彩色動力沙，切下的那片柔柔地碎落下來，乾淨的白色桌面。質感清晰，莫名療癒的單鏡頭社群影片。
好的提示詞只描述一個瞬間：主角、動作、怎麼收尾。「牛奶倒進濃縮咖啡，直到拉出一朵鬱金香」比列一串事件好用。
只寫一種運鏡，例如拉近、推軌後退、橫搖或上搖；想要 Vlog 感就寫「手持」。
動筆前先選好長寬比，直式放限時動態和 Reels，橫式放動態牆，提示詞也照這個畫框來構圖。
畫面要和現有的圖一致時，就從照片開始。照片會成為第一格畫面，提示詞只要描述怎麼動。
加上質感和光線的字眼，例如「熱氣中油亮的麵條」或「粉彩色的晨光」，因為社群短片的好壞，常常在第一秒就決定了。
電影感 16:9 影片關鍵影格，慢動作鏡頭：黃金時刻的海灘上，一位年輕女子把濕頭髮往後一甩，水珠劃出弧線飛過空中，在逆光裡閃閃發亮，粉彩色天空，身後是輕柔的浪花。夢幻的社群影片美感。
電影感 16:9 影片關鍵影格，特寫：筷子從一碗熱氣騰騰的拉麵裡夾起一束油亮的麵條，碗裡有溏心蛋、蔥花與海苔，蒸氣在暖光裡升騰。淺木色檯面上放著粉彩色陶瓷碗，讓人食指大動的單鏡頭美食影片。
電影感 16:9 影片關鍵影格，一隻毛茸茸的奶油色小狗在陽光明媚的花園裡跳起來，去咬泛著彩虹光的肥皂泡，耳朵甩來甩去，周圍是青草與雛菊，手持鏡頭與小狗同高。粉彩色調，歡樂，一鏡到底。
電影感 16:9 影片關鍵影格，黃金時刻的海濱公路上，從副駕駛座手持拍攝，一隻手伸出敞開的車窗在風中起伏，陽光耀光迸射進來，遠處的大海一片模糊。溫暖的粉彩色調，無拘無束的 vlog 感。
範例圖僅供示意，實際效果因模型而異。
以下價格都取自即時價目表，價格一調整，這裡就會跟著更新。圖片按張計費，影片按秒計費。
| 解析度 | 方案 | 點數 |
|---|---|---|
| 480p | Free | 13 約 US$0.13 |
| 720p | Free | 18 約 US$0.18 |
它是為單一鏡頭設計的。在一段影片裡要求好幾個場景，或帶剪接的故事，結果往往會很混亂，所以每個鏡頭分開生成，再到剪輯軟體裡接起來。
解析度最高 720p，在手機上看剛好，放到大螢幕或寬幅剪輯裡可能會偏軟。
快速又複雜的動作可能變形，例如四肢彎折、物件在動作中途變形，人與人近距離接觸更難處理。
畫面裡的文字也不穩定，字幕請在剪輯軟體裡加。
在 xAI 自家的 App 裡不行。Grok 免費方案包含聊天、搜尋和語音，Grok Imagine 的影片生成則列在付費的 SuperGrok 方案裡，X Premium+ 也包含 SuperGrok。
在 Zero Kit 上，免費方案就能使用。新帳號註冊即送 10 點免費點數。
Grok Imagine Video 每秒影片的價格是 480p 解析度 13 點（約 US$0.13） 和 720p 解析度 18 點（約 US$0.18）。
影片依片長計費，長度加倍、費用也加倍；本頁的價格表列出每種解析度目前的單價。
美元金額依月繳訂閱價格換算，僅供參考。
步驟如下：
在 Zero Kit 上，每段影片 1 到 15 秒。大部分社群短片用短的就夠，也比較省。
想做更長的影片，就生成好幾個鏡頭，再到剪輯軟體裡接起來。
單一、簡單的鏡頭，用 Grok Imagine Video：它是初代模型，設計重點在速度和成本。
動作、物理或音訊很重要時，用 Video 1.5。xAI 讓它說話更清楚、更同步，適合跨好幾個鏡頭的故事。
按 xAI 的設計，Grok Imagine Video 是影音一體的模型，能和畫面一起生成聲音與對白。
本頁的範例是靜態圖片，所以發布前請自己聽一遍，確認音軌有出來。
Zero Kit 上有 7 種長寬比，直式、橫式和方形都有。
生成前在編輯器裡選好。如果從照片開始，長寬比要和照片一致，畫面才不會被拉伸。
可以。你加入的照片會成為第一格畫面，再用一兩句提示詞描述動作和運鏡。
還沒有照片？先用Grok Imagine Image做一張。只想讓照片動起來，用AI 讓照片動起來更快。
付費方案可以。付費方案生成的圖片與影片可用於商業用途，包含商品頁、廣告與社群貼文，但須遵守我們的服務條款。免費方案的產出僅限個人、非商業用途。
不會。我們不會用你的提示詞、上傳內容或生成結果訓練 AI 模型。為了執行生成，提示詞與參考檔案會傳送給你所選模型的供應商，由對方依其自身條款處理這次請求。
寫一句描述，或挑一個範例提示詞，然後按下生成。
最後更新：