Grok Imagine Video API: 1.0 und 1.5 Bild-zu-Video, Text-zu-Video

TL;DR

• Die Grok Imagine Video API auf HiAPI hat drei Endpunkte: 1.0 Text-zu-Video, 1.0 Bild-zu-Video und 1.5 Bild-zu-Video. Alle drei kosten gleich viel: 480p $0.015 pro Sekunde, 720p $0.0282 pro Sekunde, und jeder Clip enthält generierte Soundeffekte ohne Aufpreis.
• 1.0 läuft 6–30 Sekunden und akzeptiert bis zu 7 Referenzbilder. 1.5 läuft 1–15 Sekunden, akzeptiert nur ein Bild und kann mit aspect_ratio: "auto" die Ausgabe an die Form dieses Bildes anpassen.
• Ein 6-Sekunden-Entwurfsclip in 480p kostet $0.09.Öffnen Sie die Modellseite für Bild-zu-Video, um es auszuprobieren; neue Konten erhalten 200 kostenlose Credits.

Welchen Endpunkt Sie verwenden sollten

Modell-ID	Eingabe	Dauer	Seitenverhältnis	Zusätzliche Optionen
grok-imagine/text-to-video	prompt	6–30 Sekunden (Standard 6)	2:3 (Standard), 3:2, 1:1, 16:9, 9:16	mode: normal oder fun
grok-imagine/image-to-video	1–7 Bilder + optionaler prompt	6–30 Sekunden (Standard 6)	wie oben	mode; Bilder mit @image1, @image2 referenzieren
grok-imagine-1.5/image-to-video	genau 1 Bild + optionaler prompt	1–15 Sekunden (Standard 8)	auto (Standard), 1:1, 16:9, 9:16, 3:2, 2:3	kein mode

Alle drei Endpunkte werden sekundengenau abgerechnet: $0.015 (480p, Standard) oder $0.0282 (720p).HiAPI-Live-Preise, abgefragt am 19. Oktober 2026. Fehlgeschlagene Aufgaben werden nicht berechnet.

So wählen Sie aus:

• Länger als 15 Sekunden oder mehrere Produktbilder als Referenz: 1.0 Bild-zu-Video.
• Nur ein Standbild, kurzer Clip und die Ausgabe soll die Form des Standbilds behalten: 1.5 Bild-zu-Video. Es ist auch der einzige Endpunkt unter 6 Sekunden, sodass ein 4-Sekunden-Loop-Clip günstiger ist.
• Überhaupt kein Bild: 1.0 Text-zu-Video.

Clip	480p	720p
4 Sekunden (nur 1.5)	$0.06	$0.11
6 Sekunden	$0.09	$0.17
15 Sekunden	$0.23	$0.42
30 Sekunden (nur 1.0)	$0.45	$0.85

Echte Ausgaben

1.0 Bild-zu-Video, ein Referenzbild. Ein Katalog-Standbild einer Wochenendtasche:

Slow cinematic orbit around the burnt-orange canvas weekender bag, camera circling smoothly from front to three-quarter view, studio lighting glinting off the brass zippers, seamless white background stays clean and shadowless, product perfectly sharp and unchanged, subtle premium e-commerce energy.

grok-imagine/image-to-video, 6 Sekunden, 720p, ein Referenzbild, $0.17. Wir hatten 9:16 angefordert, aber das quadratische Quellbild lieferte weiterhin ein Quadrat (960×960).

1.0 Bild-zu-Video, zwei Referenzbilder. Wenn Sie gleichzeitig ein Lifestyle-Bild und ein Produktbild übergeben, behält die Tasche in der neuen Szene ihr Aussehen bei:

grok-imagine/image-to-video, 6 Sekunden, 720p, 9:16, zwei Referenzbilder, $0.17.

1.5 Bild-zu-Video, dasselbe Standbild, zwei Kamerabewegungen. Die Kamerabewegung steckt im Prompt. Ein anderes Verb ergibt eine andere Kamerafahrt:

Slow steady dolly push-in down the rain-soaked market street toward the glowing noodle stall, steam rising and curling from the pots, rain falling in thin streaks, neon sign reflections shimmering on the wet pavement, pedestrians walking slowly away under umbrellas, smooth constant camera speed, one continuous shot, no cuts, cinematic pacing

Modellseite mit diesem Prompt öffnen (laden Sie zuerst Ihr Standbild hoch) →

grok-imagine-1.5/image-to-video, 6 Sekunden, 720p, 16:9, $0.17.

Camera glides slowly to the left in a smooth lateral tracking move, strong parallax between the near market stalls and the far end of the street, rain keeps falling, neon reflections slide across the wet ground, the cook keeps stirring behind the counter, steam drifts sideways, one continuous move, no cuts, no zoom

grok-imagine-1.5/image-to-video, 6 Sekunden, 720p, 16:9, $0.17.

1.5, ein 4-sekündiger Ambient-Loop. Wenn die Kamera stillsteht, kommt die gesamte Bewegung aus der Szene selbst:

grok-imagine-1.5/image-to-video, 4 Sekunden, 720p, 16:9, $0.11.

curl

Bild-zu-Video mit 1.0:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine/image-to-video",
    "input": {
      "image_urls": ["https://your-cdn.example.com/product.jpg"],
      "prompt": "Slow orbit around the product, studio light, background stays clean",
      "duration": 6,
      "resolution": "480p",
      "aspect_ratio": "9:16"
    }
  }'

Sie erhalten eine taskId. Fragen Sie GET https://api.hiapi.ai/v1/tasks/{taskId} ab, bis data.status gleich success ist, und laden Sie dann data.output[0].url herunter. Links laufen ab, speichern Sie die Datei daher sofort.

Für Text-zu-Video ändern Sie das Modell in grok-imagine/text-to-video und entfernen image_urls. Bei Verwendung von 1.5 ändern Sie das Modell in grok-imagine-1.5/image-to-video, behalten ein Bild und entfernen mode.

Python: Senden, Abfragen, Herunterladen

# pip install requests; export HIAPI_KEY=your-key first
import os, time, uuid, requests

API = "https://api.hiapi.ai/v1/tasks"
H = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}

def generate(model, timeout_s=900, **inp):
    body = {"model": model, "input": inp}
    # Reuse the same Idempotency-Key if you retry a submit, so a retry never bills twice
    r = requests.post(API, json=body, headers={**H, "Idempotency-Key": str(uuid.uuid4())}, timeout=30)
    res = r.json()
    if res.get("code") != 200:
        raise RuntimeError(res)  # 400s list every invalid field
    task_id = res["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"{API}/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d)
        time.sleep(10)
    raise TimeoutError(task_id)

still = "https://your-cdn.example.com/still.jpg"

# Draft cheaply on 1.5 at 480p, then re-render the keeper at 720p
draft = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=4, resolution="480p")
final = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=6, resolution="720p")

# A 20-second clip needs 1.0
long_clip = generate("grok-imagine/image-to-video", image_urls=[still],
                     prompt="slow push-in, steam rising, camera steady", duration=20, resolution="480p")

with open("clip.mp4", "wb") as f:
    f.write(requests.get(final).content)

Parameter

Feld	1.0 Text-zu-Video	1.0 Bild-zu-Video	1.5 Bild-zu-Video
prompt	erforderlich, max. 5.000 Zeichen	optional	optional, max. 4.096 Zeichen
image_urls	nicht akzeptiert	1–7, jpeg/png/webp, max. 10 MB pro Bild	genau 1, jpeg/png/webp, max. 20 MB
duration	6–30	6–30	1–15
resolution	480p (Standard) / 720p	wie oben	wie oben
aspect_ratio	2:3 Standard	2:3 Standard	auto Standard (folgt dem Bild)
mode	normal (Standard) / fun	wie oben	nicht akzeptiert

Fehler, auf die Sie stoßen werden

Alle folgenden Fehler werden beim Senden als HTTP 400 zurückgegeben, sodass keine Aufgabe erstellt und nichts berechnet wird:

• duration: minimum: got 4, want 6: 1.0 beginnt bei 6 Sekunden. Verwenden Sie für kürzere Clips 1.5.
• duration: maximum: got 20, want 15: 1.5 dauert höchstens 15 Sekunden. Verwenden Sie für längere Clips 1.0.
• image_urls: maxItems: got 2, want 1: 1.5 akzeptiert nur ein Bild.
• additional properties 'mode' not allowed: 1.5 hat kein mode.
• resolution: value must be one of '480p', '720p': es gibt kein 1080p, und die Angabe muss kleingeschrieben sein.

FAQ

1.0 oder 1.5 wählen?

Der Preis pro Sekunde ist gleich. Wählen Sie nach Eingabe und Dauer: 1.0 bei mehreren Referenzbildern oder mehr als 15 Sekunden; 1.5 bei einem Standbild und kurzen Clips. Wenn Sie unsicher sind, generieren Sie dasselbe Standbild auf beiden Endpunkten jeweils 6 Sekunden in 480p – das kostet insgesamt $0.18.

Gibt es Ton?

Ja. Jeder oben gezeigte Clip lieferte eine generierte Tonspur; beim Leuchtturm-Loop ist deutlich Meeresrauschen zu hören. Es gibt keinen Ausschalter (generate_audio und audio werden als unbekannte Felder abgelehnt), und der Ton beeinflusst den Preis nicht. Wenn Sie ihn nicht möchten, können Sie die Tonspur beim Schnitt entfernen.

Geht 1080p?

Nein. Die höchste Auflösung aller drei Endpunkte ist 720p.

Was bewirkt mode: "fun"?

Das ist eine Option von 1.0, die die Bewegung lebhafter und übertriebener macht. normal ist der Standardwert und die sicherere Wahl für Produktclips.

Weitere Beispiele:Grok Imagine 1.5 für Kurzvideos. Die Preise der gesamten Serie finden Sie unter Grok Imagine API-Preise. Zum Generieren statischer Bilder siehe Grok Imagine Bild-API-Leitfaden.