音画同步生成
音效、环境音和对白随画面一同生成,并与动作同步。有声和无声视频价格相同。
Grok Imagine Video 1.5 API: xAI 的模型可将文本、首帧或最多 3 张参考图转为 480p 或 720p 有声视频,每秒 $0.071 起。
grok-imagine-video-1.5已更新 import os, time, requestsAPI = "https://api.zurelay.com/v1"KEY = os.environ["ZURELAY_API_KEY"]headers = {"Authorization": f"Bearer {KEY}"}res = requests.post(f"{API}/videos", headers=headers, json={ "model": "grok-imagine-video-1.5", "prompt": "A red fox trotting through snow at dawn, cinematic", "seconds": 5, "resolution": "720p", "aspect_ratio": "16:9",})res.raise_for_status()job = res.json()url = f"{API}/videos/{job['id']}"# Takes a few minutes: poll until it's donewhile job["status"] in ("queued", "in_progress"): time.sleep(5) job = requests.get(url, headers=headers).json()if job["status"] == "failed": raise SystemExit(job["error"]["message"])video = requests.get(f"{url}/content", headers=headers)with open("video.mp4", "wb") as f: f.write(video.content)print(f"Saved video.mp4 for ${job['cost']}")Base URL https://api.zurelay.com/v1. 通过 HTTPS 发送标准 JSON: 创建任务,轮询状态,下载 MP4. Grok Imagine 指南
价格
从预付余额中按量扣费,无需订阅。$10 起充。视频交付后才收费;生成失败不收费。
A clip costs its length in seconds times the price at its resolution. It's held from your balance when the job is accepted and charged when the video is delivered. Sound, a first frame, reference 张图片s and the aspect ratio don't change the price.
全部 Grok 模型及价格选择分辨率、时长和视频数量。
100 段 × $0.62
费用
典型用量在 Zurelay 实时价格下的花费,与标价并列对比。
720p 下 5 秒。
15 秒,720p,这是它能生成的最长、最清晰的版本。
720p 下 100 个 5 秒的片段。
概览
Grok Imagine Video 1.5 是 xAI 称其迄今最佳的视频模型,可在生成画面的同时生成音效、环境音和对白。在 Zurelay 上,它可根据文本、首帧或最多 3 张参考图,生成时长为 1 至 15 秒的 480p 和 720p 视频。Zurelay Grok Imagine Video 1.5 API 每秒视频 $0.071 起,仅在视频交付后收费。
Grok Imagine Video 1.5 是 xAI 在其 API 中推荐的视频模型。xAI 表示,相比上一代视频模型,它在音频、语音、运动和物理表现上都有提升。经过预览后,xAI 于 2026 年 6 月 16 日在其 API 中正式开放该模型,并于 7 月 31 日新增文生视频、参考图和 1080p 支持。在 Zurelay 上,其模型 ID 为 grok-imagine-video-1.5,也接受 xai/grok-imagine-video-1.5、grok-imagine-video-1.5-preview 和 grok-imagine-video,这些 ID 均运行 Video 1.5。
在 Zurelay 上,Grok Imagine Video 1.5 可根据文本提示词、首帧,或最多 3 张人物、产品或地点的参考图生成视频;使用参考图时,可在提示词中描述这些内容。它会随画面同步生成声音:xAI 表示,音效、环境音和对白会与动作对应,语音也比以往更清晰、同步更准确。可通过 generate_audio 关闭声音。视频支持 480p 或 720p,时长为 1 至 15 秒的整数秒,宽高比可选 16:9、9:16、1:1、4:3 或 3:4;使用首帧时,视频会沿用图片的宽高比。xAI 自有 API 还支持生成 1080p 视频、指定尾帧或关键帧,以及使用预设音色;Zurelay 暂不支持这些选项。
视频生成需要时间,因此 API 采用异步方式。POST https://api.zurelay.com/v1/videos 会立即返回一个任务;轮询 GET /v1/videos/{id},直到其 status 为 completed,再通过 /v1/videos/{id}/content 或任务中的签名 url 下载 MP4。生成一段 5 秒的 720p 视频通常需要 about 50 seconds。视频保留 30 天。
Zurelay 按秒收取 Grok Imagine Video 1.5 的费用:480p 每秒 $0.071,720p 每秒 $0.124,因此一段 5 秒的 720p 视频费用为 $0.62。声音不额外收费,首帧、参考图和宽高比也不影响价格。任务受理时会从余额中冻结相应金额,仅在视频交付后扣费。生成失败的视频均不收费,包括被内容过滤器拒绝的视频。
优势
音效、环境音和对白随画面一同生成,并与动作同步。有声和无声视频价格相同。
提供人物、产品或地点的参考图,再描述场景。xAI 的参考图功能可将这些内容融入视频,无需固定首帧。
xAI 表示,相比上一代模型,视频全程的运动更连贯,扭曲更少,重量感和动量表现也更真实。
xAI 表示,480p 处理更快,每秒费用也更低。先用 480p 尝试创意,再用 720p 生成满意的版本。
使用场景
将产品照片作为参考图传入,并描述要将产品放入的场景。
提供人物和服装的参考图,并描述镜头画面。
在多个片段中复用同一组参考图,让角色在整个故事中保持一致。
以照片或插画作为首帧,描述运动效果,并配上相应声音。
开始使用
无需排队,也无需安装:只需三个 HTTPS 端点和你的 API key。
Sign up, add credit 和 create an API key. Set a monthly budget or a rate limit per key if you like.
Every video endpoint lives under this base URL. Send your key as a Bearer token.
https://api.zurelay.com/v1POST a prompt 至 /v1/videos, poll the job every few seconds until it's completed, then download the MP4. Videos are kept for 30 days.
grok-imagine-video-1.5Zurelay 按视频秒数收费:480p 每秒 $0.071,720p 每秒 $0.124。单段视频的费用为时长乘以对应单价,因此一段 5 秒的 720p 视频费用为 $0.62。声音、首帧、参考图和宽高比均不影响价格。
Zurelay 受理任务时,会从余额中冻结相应金额,确保生成中的视频总费用不会超过余额。仅在视频交付后才会实际扣费。如果生成失败,包括提示词或图片被内容过滤器拒绝的情况,均不收费。
向 POST https://api.zurelay.com/v1/videos 发送请求,将 Zurelay 密钥用作 Bearer token,并提供 JSON 请求体:将 model 设为 grok-imagine-video-1.5,填写 prompt,还可选填 seconds(默认 5)、resolution(默认 720p,也可选 480p)、aspect_ratio(默认 16:9)和 generate_audio(默认 true)。API 会立即返回一个任务。每隔几秒轮询 GET /v1/videos/{id},直到 status 为 completed,再从 /v1/videos/{id}/content 下载 MP4。任何 HTTP 客户端都能使用,无需安装 SDK。
生成一段 5 秒的 720p 视频通常需要 about 50 seconds。xAI 表示,耗时取决于提示词、视频时长和分辨率。轮询时,任务的 progress 字段会返回 0 到 100 的预估进度。
可以,默认开启。它会在生成画面的同时生成音效、环境音和对白。xAI 表示,与上一代模型相比,语音更清晰,音画同步也更好。在提示词中写明台词和声音即可。将 generate_audio 设为 false 可生成无声视频;无论是否生成声音,价格都相同。
可以。传入 first_frame 后,视频会以该图片为首帧,并沿用图片的宽高比。图片支持 PNG、JPEG 或 WebP 格式,可通过 https URL 或 base64 data URL 传入,大小不超过 10 MB。Zurelay 不支持 last_frame,且首帧不能与参考图同时使用。
在 reference_images 中传入最多 3 张图片,例如人物、产品或地点,并在提示词中说明图中是谁或是什么,以及要发生什么。xAI 的参考图功能可将指定的人物、物品或服装融入视频,而不限定首帧,因此任何一张参考图都不必作为开场画面。参考图不能与首帧同时使用。
支持 480p 和 720p,时长为 1 到 15 秒,仅支持整数秒。宽高比支持 16:9、9:16、1:1、4:3 和 3:4;使用首帧时,视频会沿用图片的宽高比。xAI 自有 API 还支持生成 1080p 以及 3:2 或 2:3 的视频,但 Zurelay 暂不提供这些选项。
不支持。请在提示词中描述你想要的内容:Grok Imagine Video 1.5 不接受 negative_prompt,也不支持通过 seed 固定生成结果。
30 天。已完成任务中的 url 是有效期为 24 小时的签名链接;重新获取任务即可获得新链接,也可通过 /v1/videos/{id}/content 下载。GET /v1/videos 可列出你最近的视频。
是的。你的请求由 xAI 的 Grok Imagine Video 1.5 处理,Zurelay 不会替换成其他模型或更小的模型。视频生成结果每次都会变化,因此相同的提示词每次也会生成不同的视频。Zurelay 是独立服务,与 xAI 无隶属或关联关系。