Grok Imagine Video AI 视频生成，画面声音一起出

xAI 的 Grok Imagine Video 能把一段描述、一张照片或最多七张参考图变成 1–15 秒的短视频，人声、音乐和音效与画面同时生成。 想低成本快速试想法就用 1.0；想要更自然的动作、更真实的物理效果和最高 1080p，就用 1.5。

💡 小技巧：先用 1.0 的 480p 试一遍，这是测试提示词最省积分的方式

画面和声音一次生成

人声、音乐和音效与画面同时生成，每段视频生成出来就带声音，可以直接看。

让照片动起来

上传一张图片，Grok 会把它作为视频的开头画面，再按你的描述让画面动起来。

最多七张参考图

上传两到七张人物、商品或场景的图片，Grok 会让它们在视频里都保持原样。

两个版本，一个工作台

1.0 速度快、积分省，适合试想法；1.5 动作更丰富，并支持 1080p。

三步上手 Grok Imagine Video

第 1 步

添加参考

上传产品图、人像或灵感图，也可以只用文字开始。

第 2 步

描述画面

写清版式、风格、光线和道具。Grok Imagine Video 能很好地理解较长、较详细的提示词。

第 3 步

生成并导出

挑选满意的结果，下载高分辨率文件，直接用于店铺和广告。

模型介绍

Grok Imagine Video 是什么？

Grok Imagine Video 是 xAI（Grok 背后的公司）推出的 AI 视频模型。2026 年 2 月 2 日发布的 Grok Imagine 1.0 把视频时长提升到 10 秒、画质提升到 720p，声音也有了明显进步：角色说话更有感情，背景音乐会跟着画面情绪走。2026 年 6 月推出的 Grok Imagine 1.5 又让动作更自然、物理效果更真实、声音更干净。

和很多视频模型相比，Grok Imagine 最大的不同是画面和声音一起生成。对白、音效和环境声与视频在同一次生成中完成，脚步声能踩在节拍上，嘴型也能对上台词，不用事后再找素材配音。xAI 在设计时也特别看重速度和成本，因为做视频很少一次就能拍到满意的镜头。每次尝试花得少、出得快，你就能同时试几个方向，再留下最好的那一条。

在 PixPal 上，两个版本都在同一个视频工作台里使用。你可以用文字描述一个场景；上传一张照片作为视频的开头画面；或者上传两到七张参考图，让同一张脸、同一件商品或同一个地点在视频里保持一致。时长可在 1 到 15 秒之间任选，画面比例按发布平台来选，分辨率可选 480p、720p，1.5 还支持 1080p。

用 Grok Imagine Video 能做什么

带声音的短视频，适合短视频平台、电商营销、故事创作和快速创意测试。

雨中弹吉他的街头歌手，用 Grok Imagine 生成的带声音短视频

自带声音的短视频

为抖音、小红书、视频号制作声音就是看点的短视频——雨夜街头的弹唱、角色抖出的一句包袱、饮料开罐时的气泡声。在提示词里写清楚谁说什么、想要什么风格的音乐、周围有什么声音，Grok 会把这些和画面一起生成。

用 Grok Imagine 图生视频让瀑布照片动起来

让照片和画作动起来

把一张风景照、全家福、商品图或插画变成动态画面。上传图片后描述想要的变化——瀑布开始流动、镜头慢慢拉远、小猫转头看向镜头。视频从你的图片开始，所以画风和构图都和原图保持一致，很适合做老照片动态化和朋友圈、小红书的配图视频。

人物、保温杯和雪地营地参考图合成的 Grok Imagine 视频

人物和商品保持一致

上传一张人像、一张商品图和一张场景图，Grok 会把它们放进同一个镜头，并且每一样都认得出来。想让同一个模特、同一个 IP 形象或同一款商品出现在不同场景里，做淘宝、京东的商品视频或系列短剧分镜，都不用每次重新描述细节。

文字描述变成城市夜景视频，Grok Imagine 文生视频

一句话出创意样片

手上没有素材？直接从文字开始。写清楚主体、场景、镜头运动和氛围，Grok 就能生成一段短视频。运营可以用它预览活动创意，导演和 B 站 UP 主可以在开拍前先看看镜头效果，任何人都能在几秒钟内把脑子里的想法变成画面。

Grok Imagine Video 功能与参数

PixPal 视频工作台里可以调整的所有选项。

文生视频

描述场景、镜头运动和声音，直接生成带音频的完整短视频。

图生视频

上传一张图片作为开头画面，或上传两到七张作为参考图。

原生音频

每段视频都会同时生成对白、音乐、音效和环境声。

1 到 15 秒

按整秒任选时长，默认 6 秒，积分按秒计算。

480p、720p 和 1080p

两个版本都支持 480p 和 720p；1.5 在文生视频和单图生视频时还支持 1080p。

最多 7 种画面比例

横屏、竖屏、方形和常见照片比例，1.5 还支持自动比例。

Grok Imagine Video 1.0 与 1.5 画面并排对比

先低成本试，再用高画质出片

在 PixPal 上，1.0 的 480p 是尝试想法最省积分的方式，可以多写几版提示词对比效果。选定方向后，再换成 1.5，动作更自然、物理效果更真实、声音更干净。同一分辨率下，1.5 在 480p 时约为 1.0 的 1.6 倍价格，720p 时约为 2 倍。每次生成都是新的一条，换版本后画面会有一些不同。

舞者跳跃画面与 1 到 15 秒时间轴

1 到 15 秒任意时长

很多视频模型只提供几个固定时长，Grok 可以在 1 到 15 秒之间按整秒任选——一秒的表情反应、六秒的循环动画，或者留足铺垫的 15 秒完整场景。积分按秒计算，视频越短越省，需要多长就付多长。

同一个滑板动作分别以竖屏、方形和横屏画面呈现

每个平台都有合适的画面比例

1.0 提供 7 种比例：16:9、9:16、1:1、3:2、2:3、4:3 和 3:4；1.5 提供自动、16:9、9:16、1:1、3:2 和 2:3。抖音、视频号和小红书竖版视频用 9:16，信息流和朋友圈用 1:1，B 站和网站用 16:9。只用一张照片生成视频时，视频会沿用这张照片的比例。

创作者怎么说

我一般先用 Grok Imagine Video 1.0 的 480p 试五六个想法，挑中了再用 1.5 生成，积分省了不少。

陈美雅

商业摄影师

最打动我的是声音。Grok Imagine Video 生成的视频自带音乐和脚步声，我直接就能发抖音。

朴理奥

社交媒体负责人

我上传了模特、我们家的瓶子和一张海边照片，Grok Imagine Video 把三样放进同一个镜头，瓶身标签一点没变。

魏琳娜

创意总监

Grok Imagine Video 的时长能在 1 到 15 秒里随便选，我再也不用为了卡时长去剪视频了。

艾莎·拉赫曼

独立品牌主理人

Grok Imagine Video 常见问题

关于在 PixPal 上用 xAI Grok Imagine Video 生成视频，你想知道的都在这里。

与 Grok Imagine Video 相关的模型与工具

AI 图像AI 视频Seedance 2.5Seedance 2.0Gemini Omni 1.1 Flash

现在就用 Grok Imagine Video 创作

用文字、照片或参考图生成 1 到 15 秒带声音的短视频，打开浏览器就能用。