Skip to main content
Две модели семейства Grok Imagine создают видео. Обе работают через асинхронный API задач с той же оболочкой, что и всё остальное — синхронного эндпоинта для видео нет, поэтому это единственный способ обратиться к ним. Это не просто пара «старой» и «новой» моделей. grok-imagine-video-1.5 генерирует видео в более высоком разрешении и может использовать предустановленные голоса; grok-imagine-video — единственная модель, которая принимает видео в качестве входных данных, что необходимо для редактирования и расширения видео. Выбор зависит от того, создаёте ли вы клип или изменяете его.

​
Серия: краткий обзор

Запрос функции, которую модель не поддерживает, завершается ошибкой при отправке — до постановки в очередь. В сообщении указывается, какую модель следует использовать вместо неё:

​
Режимы

input.mode выбирает действие модели. Он принимает generate, edit или extend, а по умолчанию используется generate. edit переписывает существующий клип по prompt и сохраняет его длительность, поэтому не принимает resolution — результат соответствует исходнику. extend добавляет новые кадры в конец.
Измерено: исходник длительностью 3,04 секунды с duration: 3 создал 6,04-секундный клип — исходник плюс трёхсекундное расширение, а не повторный рендеринг.
Диапазон duration сужается в режиме extend. Контракт допускает 1–15 секунд, но расширение фактически ограничено 2–10 секундами, а сам исходный клип должен иметь длительность не менее 2 секунд. Ни одно из ограничений не проверяется при отправке, поэтому оба возвращаются как ошибка на уровне задачи после постановки задачи в очередь:Duration must be between 2 and 10 seconds · Input video must be at least 2 seconds long, got 1.0s

​
Параметры

Все перечисленное ниже помещается внутрь input. Конверт описан в API асинхронных задач. Параметра n не существует — видеомодели создают один клип на задачу.
В отличие от моделей для изображений, для видео нет соотношения сторон auto и сверхшироких соотношений сторон. Семь приведенных выше значений составляют полный список.

​
Разрешение и длительность

Измеряемые выходные пиксели, по одному примеру для каждого уровня: 1080p отклоняется на grok-imagine-video с сообщением 1080p is only available on grok-imagine-video-1.5. Длительность клипов примерно на 0,04 секунды больше запрошенной — запросите 3 секунды, и файл будет длительностью 3,04 секунды. Это неизменно для каждого примера и не влияет на тарификацию: она рассчитывается исходя из запрошенной длительности.

​
Эталонные изображения, первые кадры и голоса

Можно передать три разных типа данных, причём два из них взаимоисключающие:
  • images — это первый кадр. Ровно одно изображение, и клип анимируется, начиная с него.
  • reference_images задаёт стиль и объект, допускается до трёх изображений. Обе модели принимают этот параметр, но его использование ограничивает результат значением 720p — сочетание reference_images с 1080p отклоняется с ошибкой reference images are capped at 720p.
  • Передача обоих параметров отклоняется: cannot be combined with images; a first frame and reference images are different modes.
voice_ids выбирает предустановленные голоса в grok-imagine-video-1.5 — до трёх на клип. Допустимые значения: Пользовательские голоса недоступны в WideRouter. Обратите внимание: сам идентификатор голоса не проверяется во время отправки — неизвестное имя принимается, после чего задача завершается с ошибкой. Ни голоса, ни generate_audio: false не изменяют стоимость.

​
Тарификация

Эти модели обслуживаются через группу Grok-Official. Прайсовая цена WideRouter в точности соответствует официальной цене xAI — скидка действует через коэффициент тарифа группы, который составляет 0.8 для Grok-Official. Таким образом, вы платите:
Стоимость видео рассчитывается за секунду результата в зависимости от разрешения. Вот прайсовые цены: Три правила, которые не отражает одна лишь посекундная ставка:
  • Отправленные вами медиафайлы также тарифицируются. Эталонное изображение добавляет примерно $0.01; исходный клип для edit или extend тарифицируется за секунду собственной длительности — около $0.01 за секунду.
  • extend не тарифицирует исходный материал повторно. По посекундной ставке оплачивается только новый сегмент, плюс исходный клип как входные данные. Измерено: продление 3.04-секундного клипа на 3 секунды стоило $0.18 — три секунды результата по $0.05 плюс 3.04 секунды входных данных по $0.01 — при итоговой длительности 6.04 секунды. Повторная генерация шести секунд с нуля обошлась бы в $0.30.
  • edit стоит примерно вдвое больше длительности исходника, один раз как результат и один раз как входные данные. Измерено: редактирование 1.04-секундного клипа стоило $0.06.
Полный пример от начала до конца. Три секунды 480p на grok-imagine-video:
У выполненной задачи указано usage.cost_in_usd_ticks, где 10000000000 единиц соответствует $1. Это значение является прайсовой ценой — до применения коэффициента вашей группы. Умножьте его на ставку вашей группы, чтобы узнать сумму, которая фактически списывается с вашего баланса.

​
Задержка

Измерено от начала до конца в асинхронном API, от отправки до completed: Генерация происходит значительно быстрее, чем «обычно несколько минут», которые часто указывают для моделей генерации видео, но всё же занимает достаточно много времени, чтобы удерживать соединение открытым было нельзя — поэтому синхронного эндпоинта нет. Выполняйте опрос каждые две–три секунды и задавайте тайм-аут клиента исходя из самой медленной строки в этой таблице, а не из самой быстрой.

​
Если задача завершается с ошибкой

Ошибки видео возвращаются как задача failed с объектом error, а не как ошибка HTTP — эндпоинт чтения по-прежнему возвращает 200. Распространённый код — upstream_error, а сообщение передаётся напрямую от xAI:
Ошибки, возникающие до начала генерации, обрабатываются быстро — менее чем за секунду для недоступного входного ресурса и примерно за шесть секунд для ограничения, которое применяется вышестоящей моделью.

​
Следующие шаги

Среда тестирования

Отправьте реальную задачу на генерацию видео из браузера и отслеживайте её выполнение до завершения.

Изображение Grok Imagine

Графическая часть семейства — три варианта и сетка качества.