从文字构想开始试拍
没有现成图片时，可以直接描述主体、环境、动作和镜头运动来生成视频。文生视频必须提供 prompt，适合先探索画面方向，再逐轮调整动作与构图；将一个镜头的主要意图写清楚，比把整段复杂故事塞进同一提示词更便于比较结果。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文生视频、图生视频、参考图引导
- 输入素材
- prompt 文本、image_url 图片链接、reference_image_urls 参考图列表
- 调用时长
- 6–30秒，默认6秒；建议从6秒或10秒开始
- 分辨率设置
- 480p、720p、1080p；默认480p
- 画幅设置
- 1:1、16:9、9:16、4:3、3:4、3:2、2:3
- 结果交付
- 异步任务ID、任务状态与video_url视频链接
- 调用接口
- POST /grok/videos，model使用grok-imagine-video-1.5-fast:reverse
以上时长与设置项描述本平台的调用方式，不等同于原生模型在所有使用环境中的规格。
核心能力
了解 grok-imagine-video-1.5-fast:reverse 能为你的工作带来什么。
让静态素材进入动态表达
图生视频通过 image_url 接收图片，并可配合提示词描述希望发生的运动。已有产品照、角色画面或分镜草图时，无需从纯文字重新建立视觉起点；参考图列表还可以引导风格与内容，但不应把参考引导理解为严格锁定每个细节。
用任务流程管理视频交付
生成任务可通过 async 或 callback_url 异步提交，让业务页面不必持续等待连接。保存 task_id 后，可以查询进度或接收回调，待状态为 succeeded 时取得 video_url；这种方式适合把生成、审核和素材保存拆成清晰的处理步骤。
适用场景
从具体任务出发，找到模型发挥作用的位置。
产品照片动态化
输入产品图片，并说明展示动作、拍摄角度与背景氛围，生成用于创意评审的动态片段。可以围绕同一素材分别尝试不同镜头描述，交付多个视频候选，再由团队检查产品外观、运动效果和画面是否符合宣传需求。
社交短片构思
将活动主题或场景创意写成提示词，选择适合发布位置的竖屏、方形或横屏画幅，制作短视频候选。建议先明确主体动作与镜头节奏，再调整背景和视觉风格；交付的视频素材可继续进入剪辑、字幕和品牌包装流程。
分镜与镜头预演
把分镜画面作为输入图片，配合人物动作和运镜描述，观察静态构图进入运动后的表现。适合在正式拍摄前讨论镜头方向，或比较同一画面的不同动态方案；结果用于辅助创意判断，而不是替代逐帧可控的专业制作。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
需要文字起步或较长短片时
如果尚未准备源图片，或希望一次生成超过15秒的短片，可优先考虑本型号：它支持纯文字起步，使用指南给出的时长范围为6–30秒。相比之下，grok-imagine-video:reverse 的范围为1–15秒。选择应围绕输入素材与片段长度，而不是仅凭名称判断速度。
与1.5图生版本如何取舍
grok-imagine-video-1.5:official 必须提供 image_url，适合已经明确以图片作为创作起点的任务；本型号同时保留文生与图生方式，便于在不同素材准备阶段使用。两者是不同调用ID，切换时应重新选择时长和输入组合，不要把一个版本的工作方式直接套给另一个。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 本型号按6–30秒规划任务更稳妥，不要把它作为任意长度的视频制作工具。指南建议从6秒或10秒开始；复杂故事可以先拆成独立镜头，再在剪辑阶段组织，而不是依赖一次请求完成全部叙事。
- 参考图片用于引导风格或内容，不代表首尾帧控制，也不代表逐帧复现。人物外观、产品细节和动作衔接应在成片中逐项检查；需要严格视觉一致性的项目，宜保留人工审核和后续修整环节。
- 本介绍不把音频、口型同步、视频编辑或延长已有视频列为该型号的功能。任务提交成功也不等于视频已完成，应依据 pending、succeeded、failed 状态处理结果，并在成功后获取视频链接。
常见问题
解答使用 grok-imagine-video-1.5-fast:reverse 时的常见疑问。
不上传图片也能生成吗？
可以。本型号支持文生视频，只需提供描述画面的 prompt，不必同时提交 image_url。提示词可写明主体、动作、环境和镜头运动；如果已有明确的产品或角色画面，则可以改用图生视频方式建立视觉起点。
输入图片后还需要提示词吗？
图生视频提交 image_url 后，提示词是可选的，但建议用它说明希望出现的动作和镜头变化。图片提供视觉素材，文字补充动态意图；例如说明主体如何移动、镜头如何靠近，而不是只重复图片里已经存在的内容。
参考图与输入图片有什么区别？
image_url 用于图生视频的输入图片，reference_image_urls 则用于引导风格或内容。参考图可以帮助表达创作方向，但不应理解为强制复制或首尾帧指定；如果目标是保留某张画面的视觉起点，优先使用图生视频方式。
时长和清晰度应该怎样选？
本型号使用6–30秒的时长范围，默认6秒，指南建议先尝试6秒或10秒。分辨率设置提供480p、720p和1080p，默认480p；可先验证动作与构图，再根据用途选择其他设置，并检查最终视频的实际效果。
如何知道视频已经生成完成？
异步提交后保存 task_id，通过 POST /grok/tasks 查询任务，或使用 callback_url 接收完成通知。pending 表示仍在处理，succeeded 表示成功，failed 表示失败；成功后读取 data 中的 video_url 获取视频，不要仅凭提交响应判断成片已就绪。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。