Vídeo ● En mantenimiento Estado del servicio →

Grok Imagine Video 1.5

⧉

grok-imagine-video-1.5

xAI Grok Imagine Video 1.5: de 4 a 15 segundos en pasos de un segundo, 480P / 720P y cinco relaciones de aspecto. Texto a vídeo sin imagen de referencia, imagen a vídeo con imágenes de referencia (hasta 7; con 2 o más el máximo son 10 segundos). Asíncrono, facturado por clip —1 segundo cuesta lo mismo que 15— y los trabajos fallidos se reembolsan íntegramente. 480P $0,30 / 720P $0,40; el precio solo cambia con la resolución.

Texto a vídeoImagen a vídeoPrecio por clipTrabajos asíncronos

Obtener clave API → Documentación de la API

Puntos fuertes del servicio

Facturado por clip: de 1 a 15 segundos al mismo precio
Desde $0,30, el vídeo más barato del sitio
Audio nativo siempre incluido
Trabajos fallidos reembolsados íntegramente

Medido en llamadas reales

Peticiones de clientes de los últimos 7 días

Tasa de éxito63.2%

Tiempo mediano de render por clip81 s

El 90% de los trabajos termina en este tiempo o menos101 s

Precios

Por clip · 480P$0.300

Por clip · 720P$0.400

Duración 4–15smismo precio

Facturado por clip: 4–15s cuestan todos lo mismo: la duración no cambia el precio; solo la resolución lo hace. La retención al enviar coincide exactamente con el cargo final; los fallos se reembolsan por completo.

Ver los precios detallados

Prueba en directo

Prueba Grok Imagine Video 1.5 aquí mismo (disponible tras iniciar sesión).

Entrada

Prompt

"Bajo las murallas de Troya": un corto épico de acción. @Image1 es un héroe griego con armadura dorada y capa carmesí, lanza larga y escudo con un león; @Image2 es un campeón troyano con armadura negra y capa azul, espada curva y escudo con un caballo; el escenario sigue las murallas de Troya y el campo de batalla al atardecer de @Image3. Mantén la armadura, el casco, el color de la capa y el emblema del escudo de cada guerrero exactamente como en su referencia; nunca los intercambies.
Inicio: el viento arrastra la arena mientras los dos se enfrentan a veinte pasos, con miradas afiladas tras los cascos.
Desarrollo: cargan a la vez; la lanza choca contra el escudo del caballo en una lluvia de chispas; tajos y paradas cuerpo a cuerpo mientras la cámara gira 360 grados.
Clímax: el sol poniente queda justo entre ellos y chocan en el aire a cámara superlenta, con chispas, arena y la capa carmesí suspendidas.
Final: ambos bajan las armas y se saludan.
Estética de anuncio de acción cinematográfico, 24 fps con grano de película, pelea fluida y contundente; tambores de guerra, choques de metal y música épica con los golpes clave sobre el compás. Sin sangre ni heridas, sin personajes extra, sin texto ni marcas de agua en pantalla, sin armas ni extremidades deformes.

0 / 5000 bytes

Duración

Resolución

Relación de aspecto

Función de la imagen de referencia

Imágenes de referencia0 / 7

Haz clic para subir o arrastra los archivos aquí jpg / png / webp / gif, hasta 16 MB cada una o pega enlaces

Con varias referencias, menciónalas en el prompt como @Image1 / @Image2; por ejemplo: «el personaje de @Image1 aparece en la escena de @Image2». Sin esas marcas, el modelo decide por su cuenta.

Las referencias subidas se guardan 7 días.

El render tarda entre 1 y 3 minutos; se factura por clip (misma tarifa para cualquier duración) y se reembolsa íntegramente si falla. Límite del prompt: 5000 bytes (unos 1666 caracteres chinos).

Salida

video

Los resultados aparecerán aquí al ejecutar.

🕑 Las imágenes y vídeos generados se conservan 15 días hasta 2026-10-29 09:49:40 UTC; desde ese momento se conservan 7 días y se eliminan los archivos existentes de más de 7 días.

Acerca de Grok Imagine Video 1.5

Grok Imagine Video 1.5 es el modelo de vídeo de xAI y el más barato de KovAPI. Lo que lo distingue de todo lo demás de aquí es la forma de facturarlo: tiene precio POR CLIP, así que un render de 1 segundo y otro de 15 cuestan exactamente lo mismo; solo la resolución cambia el precio (480P $0,30, 720P $0,40). La duración es cualquier entero de 1 a 15 segundos, con resolución 480P / 720P y relación de aspecto 16:9 / 9:16 / 1:1 / 4:3 / 3:4; omite la imagen de referencia para texto a vídeo o incluye hasta 7 para imagen a vídeo; cada clip sale con pista de audio nativa. Trabajo asíncrono: POST /v1/videos/generations devuelve al instante HTTP 202 y un id de trabajo; consulta GET /v1/videos/jobs/{id} hasta status=succeeded y lee data[0].url. Ese enlace es un mp4 rehospedado por nosotros que se conserva 15 días (mucho más que el enlace de la CDN del proveedor); descárgalo o cópialo a tu propio almacenamiento antes de que caduque.

Casos de uso

Validación de ideas en lote

El coste fijo por clip más bajo de la plataforma, así que puedes lanzar decenas de prompts y quedarte con el mejor.

Los clips largos son la ganga

El precio por clip hace que la opción de 15 segundos sea la de mejor valor; no hay ninguna razón para acortar un clip por ahorrar dinero.

Material vertical para redes

9:16 directamente desde el modelo para plataformas de vídeo corto; 4:3 y 3:4 encajan con composiciones mixtas de imagen y texto.

Referencias con varias imágenes

Hasta 7 imágenes de referencia, útil para llevar un mismo personaje o producto a escenas distintas.

Cómo elegir

Elígelo cuando mande el presupuesto o cuando estés probando ideas en lote: empieza en $0,30, el vídeo más barato de aquí, y el precio por clip significa que 15 segundos no cuestan más que uno. Para una banda sonora controlable, audio de referencia o vídeo de referencia usa la familia Seedance; para más de 15 segundos, seedance-2.5; y para 1080P, minimax-h3.

Preguntas frecuentes

¿Por qué por clip y no por segundo?

Porque el proveedor nos cobra por llamada: el coste es idéntico sea cual sea la duración que pidas. Hacemos que la forma de nuestro precio de venta siga la forma de nuestro coste, en lugar de copiar un precio por segundo que cobraría de más los clips cortos y perdería dinero con los largos. En la práctica: dentro de la resolución que elijas, pide simplemente la mayor duración que puedas aprovechar. Las dos resoluciones nos cuestan lo mismo en el proveedor; la distinción existe para que quien quiera la opción más barata la tenga.

¿Por qué solo 10 segundos con varias imágenes?

Es un límite del proveedor: 15 segundos con una sola imagen de referencia y 10 segundos con 2 a 7. Lo rechazamos al enviar con un mensaje claro en lugar de dejar que esperes varios minutos a que falle.

¿Genera audio?

Sí: todos los renders medidos llevan una pista AAC estéreo nativa. Pero el endpoint del proveedor no tiene ningún interruptor ni acepta audio de referencia, así que no puedes ni apagarlo ni aportar el tuyo. Para una banda sonora controlable usa la familia Seedance (parámetro audio).

¿Cómo se factura y se me cobra si falla?

Por clip: la retención que se hace al enviar es el precio de un clip y el cargo final es exactamente ese mismo número. Un render fallido o caducado devuelve la retención completa, así que nunca pagas por un clip que no recibiste.