Wie nutze ich die Grok Imagine 1.5 Lite Text-zu-Video API? Mit integriertem Sound

TL;DR

• Grok Imagine 1.5 Lite Text to Video (grok-imagine-1.5-lite/text-to-video) erzeugt aus einem Textabschnitt ein 1–15 Sekunden langes Video mit integriertem Sound, nativ in sieben Formaten – Querformat, Hochformat und quadratisch. Modellseite öffnen und direkt ausprobieren – neue Nutzer erhalten bei der Registrierung 200 Credits geschenkt.
• Der Preis wird pro Sekunde berechnet: 480P $0.029, 720P (Standard) $0.043, 1080P $0.2; ein 6-Sekunden-Video in 720p kostet $0.258.
• Der Aufruf erfolgt über die HiAPI-/v1/tasks-Schnittstelle: Aufgabe einreichen und taskId erhalten, dann das Ergebnis abfragen und nach Erfolg die Video-Adresse aus output entnehmen (temporäre Adresse, rechtzeitig speichern).

Was es kann

• Bild, Bewegung und Ton in einem Absatz: Wie die Kamera fährt und welche Geräusche zu hören sind, alles in den Prompt schreiben – das fertige Video bringt eine Tonspur mit (lässt sich nicht deaktivieren und kostet keinen Aufpreis).
• Beliebige ganzzahlige Sekunden von 1–15: Bei duration kann jede Sekundenzahl eingetragen werden, Standard ist 6.
• Sieben Seitenverhältnisse nativ erzeugt: 16:9, 9:16, 1:1, 4:3, 3:2, 2:3, 3:4 – Hochformat und quadratisch werden nicht aus dem Querformat zugeschnitten.
• Zur gleichen Serie gibt es auch Bild-zu-Video: Bei grok-imagine-1.5-lite/image-to-video ein Bild hochladen und in Bewegung bringen, siehe Integrationsleitfaden für Bild-zu-Video.

So wählen Sie zwischen den beiden Schnittstellen:

	grok-imagine-1.5-lite/text-to-video (diese Seite)	grok-imagine-1.5-lite/image-to-video
Eingabe	Ein Textabschnitt	1 Bild + Bewegungsbeschreibung
Seitenverhältnis	7 zur Auswahl	Folgt dem Eingabebild
Zusatzkosten	Keine	$0.015 Eingabebild-Gebühr pro Video
Geeignet für	Einstellungen von Grund auf, Werbeideen	Vorhandene Fotos oder Produktbilder

Kurz gesagt: Wenn das Bild von Grund auf konzipiert wird, Text-zu-Video verwenden; wenn das Bild bereits vorhanden ist, Bild-zu-Video; wenn Textidee und Materialbilder beide bereitstehen, ist Bild-zu-Video kontrollierbarer.

Hier ein echtes Ergebnis (720p · 6 Sekunden · 16:9, mit Windgeräuschen und Vogelgezwitscher):

A glass hot-air balloon drifts slowly over a misty valley of terraced rice fields at sunrise. Golden light spills across the water-filled terraces, mist rolls between the hills, a flock of white egrets glides beneath the balloon. Smooth aerial tracking shot, gentle wind sounds and distant birdsong, cinematic, natural colors. No text, no logos.

(Deutsche Bedeutung: Ein gläserner Heißluftballon treibt bei Sonnenaufgang langsam über ein nebliges Tal mit Reisterrassen. Goldenes Licht ergießt sich über die wassergefüllten Terrassen, Nebel rollt zwischen den Hügeln, ein Schwarm weißer Silberreiher gleitet unter dem Ballon hindurch. Sanfte Luftaufnahme als Tracking-Shot, leise Windgeräusche und fernes Vogelgezwitscher, filmisch, natürliche Farben. Kein Text, keine Logos.)

grok-imagine-1.5-lite/text-to-video, 720P, 6 Sekunden, 16:9, 1280×720, mit integriertem Sound, $0.258.Komplettes Video ansehen →

Mit diesem Prompt generieren →

Preis: drei Stufen pro Sekunde

Stufe	Pro Sekunde	5 Sekunden	6 Sekunden	15 Sekunden
480P	$0.029	$0.145	$0.174	$0.435
720P (Standard)	$0.043	$0.215	$0.258	$0.645
1080P	$0.20	$1.00	$1.20	$3.00

Aktueller HiAPI-Preis, geprüft am 23. Oktober 2026. Beachten Sie: 1080P kostet $0.2 pro Sekunde, etwa das 4,65-Fache von 720P – bei Batch-Aufträgen empfiehlt es sich, in 720p zu produzieren und nur finale Fassungen auf 1080P hochzustufen. Bei Fehlschlag werden keine Kosten berechnet.

Zwei Einstiegswege

Browser in 3 Schritten: Modellseite öffnen → Prompt einfügen, Dauer, Auflösung und Seitenverhältnis wählen → Generieren klicken; ein 6-Sekunden-Video in 720p kostet $0.258, nach der Fertigstellung direkt online ansehen und erst dann entscheiden, ob weitere Materialien in größerem Umfang produziert werden sollen.

API in 3 Schritten: POST /v1/tasks einreichen → taskId erhalten → mit GET /v1/tasks/<taskId> abfragen und nach success herunterladen.

curl: das erste Video

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: your-unique-key-001" \
  -d '{
  "model": "grok-imagine-1.5-lite/text-to-video",
  "input": {
    "prompt": "A glass hot-air balloon drifts slowly over a misty valley of terraced rice fields at sunrise. Golden light spills across the water-filled terraces, mist rolls between the hills, a flock of white egrets glides beneath the balloon. Smooth aerial tracking shot, gentle wind sounds and distant birdsong, cinematic, natural colors. No text, no logos.",
    "duration": 6,
    "resolution": "720p",
    "aspect_ratio": "16:9"
  }
}'

Python: einreichen, abfragen, herunterladen

import time, uuid, requests

BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json",
}

payload = {
    "model": "grok-imagine-1.5-lite/text-to-video",
    "input": {
        "prompt": "A glass hot-air balloon drifts slowly over a misty valley of terraced rice fields at sunrise. Golden light spills across the water-filled terraces, mist rolls between the hills, a flock of white egrets glides beneath the balloon. Smooth aerial tracking shot, gentle wind sounds and distant birdsong, cinematic, natural colors. No text, no logos.",
        "duration": 6,
        "resolution": "720p",
        "aspect_ratio": "16:9",
    },
}

resp = requests.post(
    BASE,
    headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
    json=payload,
    timeout=30,
)
resp.raise_for_status()
task_id = resp.json()["taskId"]

while True:
    task = requests.get(f"{BASE}/{task_id}", headers=HEADERS, timeout=30).json()
    print(task["status"])
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

if task["status"] == "success":
    video = next(o for o in task["output"] if o.get("type") == "video")
    mp4 = requests.get(video["url"], timeout=120)   # 临时地址，尽快保存
    with open("output.mp4", "wb") as f:
        f.write(mp4.content)
    print("saved output.mp4")

Parametertabelle

Feld	Erforderlich	Werte	Beschreibung
prompt	Ja	1–4096 Zeichen	Bild, Bewegung, Kamera und Sound in einem Absatz beschreiben
duration	Nein	Beliebige ganze Zahl 1–15, Standard 6	Anders als die festen Dauer-Optionen anderer Video-Modelle
resolution	Nein	480p / 720p / 1080p, Standard 720p	1080P kostet $0.2 pro Sekunde, auf die Abrechnung achten
aspect_ratio	Nein	7 Optionen, Standard 16:9	Hochformat und quadratisch nativ erzeugt

Felder außerhalb der Tabelle im Request-Body führen direkt zu 400.

Fehler, die Ihnen begegnen werden

Statuscode	Bedeutung	Vorgehen
400 INVALID_REQUEST	Ungültiger Request-Body (fehlende prompt, duration mit 0 oder 16, Feld außerhalb der Tabelle)	Request-Body anhand der Parametertabelle anpassen
402 INSUFFICIENT_QUOTA	Guthaben nicht ausreichend (keine Kosten)	Nach Aufladen erneut versuchen
429 RATE_LIMITED	Rate-Limit ausgelöst	Einreichungsfrequenz verringern
409 / 422 IDEMPOTENCY_KEY_*	Doppelte Einreichung mit demselben Idempotenz-Schlüssel	Neuen Idempotency-Key verwenden

Ein Endzustand „fail“ kann auch CONTENT_POLICY_VIOLATION, TASK_FAILED, TASK_TIMEOUT usw. bedeuten; bei Fehlschlag werden keine Kosten berechnet.

Vor dem Produktivstart beachten

• Callback: Video-Aufgaben dauern lange; übertragen Sie oben im Request-Body "callback": {"url": "https://..."}, um Polling zu sparen.
• Rechtzeitig umspeichern: Die Video-Adresse in output ist temporär – sofort herunterladen, sobald sie vorliegt.
• Sound lässt sich nicht deaktivieren: Wenn stummes Material benötigt wird, die Tonspur in der Nachbearbeitung entfernen; der Preis bleibt unverändert.
• 1080P sparsam im Batch: $0.2 pro Sekunde, ein 6-Sekunden-Video kostet $1.20; für Erkundung im Batch 480P verwenden ($0.174 pro Video).

Häufige Fragen

• Ja, jedes Video hat integrierten Sound: Im Prompt angegebene Geräusche (Wind, Vogelgezwitscher, Dialog) werden mitgeneriert; es gibt keinen Ausschalter.
• Ja, die Dauer ist eine beliebige ganze Sekundenzahl (1–15), nicht auf feste Stufen beschränkt.
• Ja, Hochformat und quadratisch werden nativ erzeugt, nicht zugeschnitten; die Komposition ist genauso vollständig wie im Querformat.
• Ja, $10 reichen für etwa 38 Videos: 720P 6 Sekunden kosten $0.258 pro Video; 480P kostet $0.174 pro Video, für $10 lassen sich 57 Videos erzeugen – genug für die Ideenfindungsphase.
• Ja, alle drei Stufen unterstützen alle sieben Seitenverhältnisse; die Auflösung beeinflusst nur die Schärfe, nicht die wählbaren Formate.
• Ja, Figuren können Dialoge sprechen: Dialog im Prompt in Anführungszeichen setzen (wie im Bäcker-Beispiel), Dialog und Umgebungsgeräusche werden gemeinsam erzeugt.

Nächster Schritt: Mit dem Heißluftballon-Prompt zur Modellseite und das erste Video erzeugen; fünf Szenen finden Sie in der Prompt-Sammlung für Text-zu-Video.