¿Cómo usar la API de texto a video de Grok Imagine 1.5 Lite? Con audio incluido

TL;DR

• Grok Imagine 1.5 Lite Text to Video (grok-imagine-1.5-lite/text-to-video) genera a partir de un texto un video de 1 a 15 segundos con audio incluido, con generación nativa en siete relaciones de aspecto: horizontal, vertical y cuadrada. Abre la página del modelo para probarlo; los nuevos usuarios reciben 200 créditos al registrarse.
• El precio se calcula por segundo: 480P $0.029, 720P (predeterminado) $0.043, 1080P $0.2; un video de 720p de 6 segundos cuesta $0.258.
• La llamada se hace a través de la interfaz /v1/tasks de HiAPI: envía la tarea y obtén el taskId, luego consulta el resultado y, cuando termine con éxito, toma la URL del video desde output (es una URL temporal, guárdala a tiempo).

Qué puede hacer

• Un párrafo describe toda la imagen, la acción y el sonido: cómo se mueve la cámara y qué efectos de sonido hay se escriben en el prompt; el video final incluye pista de audio propia (no se puede desactivar y no tiene costo adicional).
• Cualquier segundo entero de 1 a 15: en duration pones los segundos que quieras, por defecto 6.
• Generación nativa en siete relaciones de aspecto: 16:9, 9:16, 1:1, 4:3, 3:2, 2:3, 3:4; el vertical y el cuadrado no se recortan desde el horizontal.
• En la misma serie también hay imagen a video: grok-imagine-1.5-lite/image-to-video sube una imagen y hazla moverse; consulta la guía de integración de imagen a video.

Cómo elegir entre las dos interfaces:

	grok-imagine-1.5-lite/text-to-video (esta página)	grok-imagine-1.5-lite/image-to-video
Entrada	Un texto	1 imagen + descripción del movimiento
Relación de aspecto	Elige entre 7	Sigue a la imagen de entrada
Cargo adicional	Ninguno	$0.015 por imagen de entrada
Ideal para	Crear tomas desde cero, creatividad publicitaria	Tener ya una foto o imagen de producto

En resumen: si la imagen se concibe desde cero, usa texto a video; si ya tienes la imagen, usa imagen a video; cuando tanto el texto creativo como la imagen de material están listos, imagen a video es más controlable.

Aquí está el video real (720p · 6 segundos · 16:9, con sonido de viento y canto de pájaros incluidos):

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.

(Significado en chino: un globo aerostático de cristal flota lentamente sobre un valle de terrazas de arroz cubierto de niebla al amanecer. La luz dorada se derrama sobre las terrazas llenas de agua, la niebla se desplaza entre las colinas y una bandada de garcetas blancas planea bajo el globo. Plano aéreo de seguimiento suave, sonidos suaves del viento y canto de pájaros a lo lejos, estilo cinematográfico, colores naturales. Sin texto, sin logotipos.)

grok-imagine-1.5-lite/text-to-video, 720P, 6 segundos, 16:9, 1280×720, con audio incluido, $0.258.Ver el video completo →

Generar con este prompt →

Precio: tres niveles por segundo

Nivel	Por segundo	5 segundos	6 segundos	15 segundos
480P	$0.029	$0.145	$0.174	$0.435
720P (predeterminado)	$0.043	$0.215	$0.258	$0.645
1080P	$0.20	$1.00	$1.20	$3.00

Precio actual de HiAPI, verificado el 23 de octubre de 2026. Ten en cuenta que 1080P cuesta $0.2 por segundo, aproximadamente 4.65 veces más que 720P; para tareas por lotes se recomienda generar borradores en 720p y subir a 1080P solo las versiones finales. Los fallos no se cobran.

Dos rutas para empezar

3 pasos en el navegador: abre la página del modelo → pega el prompt, elige duración, resolución y relación de aspecto → haz clic en generar; un video de 720p de 6 segundos cuesta $0.258, y tras generarlo puedes previsualizarlo en línea y, si te convence, decidir si seguir produciendo más material.

3 pasos con la API: POST /v1/tasks para enviar → obtén el taskId → GET /v1/tasks/<taskId> hasta ver success y luego descarga.

curl: el primero

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: enviar, consultar, descargar

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")

Tabla de parámetros

Campo	Obligatorio	Valor	Descripción
prompt	Sí	1–4096 caracteres	Imagen, acción, cámara y efectos de sonido en un solo párrafo
duration	No	Cualquier entero de 1–15, por defecto 6	A diferencia de las duraciones enumeradas de otros modelos de video
resolution	No	480p / 720p / 1080p, por defecto 720p	1080P cuesta $0.2 por segundo, cuidado con la factura
aspect_ratio	No	7 opciones, por defecto 16:9	Generación nativa en vertical y cuadrado

Si el cuerpo de la solicitud incluye campos fuera de la tabla, devuelve directamente 400.

Errores que encontrarás

Código de estado	Significado	Cómo resolverlo
400 INVALID_REQUEST	Cuerpo de solicitud no válido (falta prompt, duration con 0 o 16, campos fuera de la tabla)	Corrige el cuerpo según la tabla de parámetros
402 INSUFFICIENT_QUOTA	Saldo insuficiente (no se cobra)	Recarga y vuelve a intentarlo
429 RATE_LIMITED	Se activó el límite de frecuencia	Reduce la frecuencia de envío
409 / 422 IDEMPOTENCY_KEY_*	Envío repetido con la misma clave de idempotencia	Usa un nuevo Idempotency-Key

Si la tarea falla en estado final, también hay CONTENT_POLICY_VIOLATION, TASK_FAILED, TASK_TIMEOUT, etc.; los fallos no se cobran.

Antes de publicar

• Callback: las tareas de video tardan mucho; en el nivel superior del cuerpo de la solicitud pasa "callback": {"url": "https://..."} para ahorrarte el sondeo.
• Guarda a tiempo: la URL del video en output es temporal; descárgalo en cuanto lo obtengas.
• El sonido no se puede desactivar: si necesitas material sin sonido, recorta la pista de audio en posproducción; el precio no se ve afectado.
• Precaución con 1080P en lote: $0.2 por segundo, un video de 6 segundos cuesta $1.20; para exploración por lotes usa 480P ($0.174 por video).

Preguntas frecuentes

• Sí, cada video incluye audio: si escribes efectos de sonido en el prompt (viento, pájaros, diálogos), se generan con el video; no hay opción para desactivarlo.
• Sí, la duración es cualquier número entero de segundos (1–15), no se limita a niveles fijos.
• Sí, el vertical y el cuadrado se generan de forma nativa, no son recortes; la composición es tan completa como la horizontal.
• Sí, con $10 salen unos 38 videos: 720P de 6 segundos cuesta $0.258 cada uno; 480P cuesta $0.174 por video, con $10 puedes hacer 57, suficiente para la fase de exploración creativa.
• Sí, los tres niveles pueden generar las siete relaciones de aspecto; la resolución solo afecta la nitidez, no las proporciones disponibles.
• Sí, los personajes pueden decir diálogos: escribe el diálogo entre comillas en el prompt (como en el caso del panadero) y saldrán junto con el sonido ambiente.

Siguiente paso: toma el prompt del globo aerostático y ve a la página del modelo para generar el primero; para ver cinco escenarios, consulta la guía completa de prompts de texto a video.