Grok Imagine 1.5 Lite vs Grok Imagine : comment choisir ?

TL;DR

• Pour un clip court de 1–5 secondes ou des formats comme 4:3 et 3:4, envisagez Grok Imagine 1.5 Lite ; pour un prix unitaire 720p plus bas ou des durées de 6–30 secondes, envisagez Grok Imagine. Lite 720p coûte 0,043 $/seconde, contre 0,0214 $ pour Grok Imagine, voir la page tarifaire de Lite.
• Pour une requête de 6 secondes en 720p, Lite coûte 0,258 $ et Grok Imagine 0,1284 $, soit 0,1296 $ d'écart par vidéo. Cet écart relève de la facturation et ne constitue pas un classement de qualité d'image.
• Les deux sont disponibles sur HiAPI : page du modèle Lite · page du modèle Grok Imagine. Ils utilisent la même interface /v1/tasks : après soumission, lisez data.taskId et interrogez le résultat.

En un coup d'œil

Élément	Grok Imagine 1.5 Lite	Grok Imagine
480p par seconde	0,029 $	0,0114 $
720p par seconde	0,043 $	0,0214 $
Requête 6 secondes, 720p	0,258 $	0,1284 $
Plage de durée	1–15 secondes entières, 6 secondes par défaut	6–30 secondes entières, 6 secondes par défaut
Formats d'image	7 : 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 9:16	5 : 2:3, 3:2, 1:1, 16:9, 9:16
Champ mode	Champ absent	mode pris en charge, la requête de la boulangère utilise normal
Réglages des vidéos de cette page	720p, 6 secondes, 16:9	720p, 6 secondes, 16:9

Cette page compare uniquement les tarifs 480p et 720p communs aux deux modèles. Définissez explicitement la résolution et le format d'image dans la requête pour éviter de mélanger des valeurs par défaut différentes.

Deux scènes en paysage : rizières en terrasses et boulangère

Groupe A : montgolfière au-dessus de rizières en terrasses au lever du soleil

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.

Lite · 720p · 0,258 $	Grok Imagine · 720p · 0,1284 $
Voir la montgolfière Lite	Voir la montgolfière Grok Imagine

Les deux enregistrements sont en 720p, requête de 6 secondes, 16:9 ; en pratique 1280×720, MP4, 24 fps, flux vidéo principal d'environ 6,04 secondes. Les deux comportent une piste audio non silencieuse ; nous ne prétendons pas pour autant avoir identifié précisément le vent ou le chant des oiseaux. La montgolfière reprend une vidéo et un prompt existants ; la requête d'origine ne transmettait pas explicitement mode, et le matériel Lite n'est pas accompagné de la requête complète. Ce groupe sert à observer la scène et la composition, pas de comparaison à paramètres d'entrée strictement identiques.

Générer avec Lite → · Générer avec Grok Imagine →

Différences visibles : les deux montrent des rizières en terrasses avec des reflets sur l'eau, la lumière du lever du soleil, la brume dans la vallée, la montgolfière et une nuée d'oiseaux blancs ; dans Lite, la montgolfière et les oiseaux occupent une plus grande part de l'image, tandis que le cadrage d'origine est plus éloigné. Il s'agit ici de décrire la composition, sans juger laquelle des deux restitue mieux le mouvement ou la brume dans l'ensemble.

Groupe B : la boulangère ouvre son four et vous salue

Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: "Fresh out of the oven, come try one!" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.

Lite · 720p · 0,258 $	Grok Imagine · 720p · 0,1284 $
Voir la vidéo de la boulangère avec Lite	Voir la vidéo de la boulangère avec Grok Imagine

Les deux utilisent exactement le même prompt complet ci-dessus, avec une requête en 720p, 6 secondes, 16:9 ; Grok Imagine transmet explicitement mode=normal. Les vidéos originales sont toutes deux en MP4 1280×720, 24 fps, avec une durée de conteneur de 6,042 secondes et 6,0417 secondes respectivement. Les deux comportent une piste audio non silencieuse ; nous n'avons pas encore écouté pour vérifier la réplique demandée ni la synchronisation labiale.

Générer avec Lite → · Générer avec Grok Imagine →

Différences visibles : les deux montrent une boulangère avec un plateau de croissants, un four ouvert et de la vapeur ; dans Lite, la fenêtre est derrière le personnage, tandis que dans la version d'origine, elle se trouve à gauche du cadre. Sur les images échantillonnées couvrant toute la vidéo, aucun sous-titre ni logo visible n'a été repéré ; cette observation ne permet pas de confirmer le contenu de la réplique ni la synchronisation labiale.

Comment choisir selon le scénario

• Pour des tâches 720p en lot à budget serré, comparez d'abord les 0,0214 $/seconde de Grok Imagine avec les 0,043 $/seconde de Lite ; pour 1 000 requêtes de 6 secondes, l'écart atteint 129,60 $.
• Pour des clips de 1, 2, 3, 4 ou 5 secondes, la plage de durée de Lite les couvre ; Grok Imagine commence à 6 secondes.
• Pour une tâche unique de 16–30 secondes, la plage de durée de Grok Imagine la couvre ; Lite va jusqu'à 15 secondes.
• Pour un format 4:3 ou 3:4, utilisez Lite ; les deux prennent en charge 16:9, 1:1, 2:3, 3:2 et 9:16.
• En cas d'exigence sur les dialogues ou les sons d'ambiance, écoutez la vidéo finale pour vérifier le contenu, sans considérer « présence d'une piste audio » comme « réplique correcte ou synchronisation labiale ».

Coût du changement : champs communs explicites

{
  "model": "grok-imagine-1.5-lite/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

{
  "model": "grok-imagine/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9",
    "mode": "normal"
  }
}

Voici les corps de requête complets pour la scène de la boulangère, identiques aux prompts et paramètres utilisés pour les vidéos correspondantes de cette page. Les deux définissent explicitement resolution, duration et aspect_ratio ; mode n'est transmis qu'à Grok Imagine. Après avoir soumis la tâche, lisez data.taskId, interrogez ensuite la tâche et récupérez dans data.output le résultat avec type=video en le sauvegardant rapidement.

Règles de modération à connaître avant la facturation

La page du modèle Grok Imagine indique clairement qu'une modération est effectuée après la génération et que des crédits peuvent être normalement débités même si le résultat est refusé. Ne confondez pas « paramètres invalides, aucune tâche créée » et « génération effectuée mais refusée à la modération », et ne promettez pas que tous les échecs sont gratuits.

Questions fréquentes

Lite est-il toujours moins cher en 720p ?

Non. Lite coûte 0,043 $/seconde et Grok Imagine 0,0214 $/seconde ; pour une requête de 6 secondes, cela donne respectivement 0,258 $ et 0,1284 $.

Les deux peuvent-ils générer une vidéo de 1 seconde ou de 30 secondes ?

Non. Lite prend en charge 1–15 secondes entières et Grok Imagine 6–30 secondes entières ; la plage commune est de 6–15 secondes.

Le même 720p garantit-il des pixels réels identiques ?

Non. Il faut aussi vérifier le format d'image et les dimensions réelles de sortie. Les deux vidéos de cette page ont été vérifiées en 16:9 et 1280×720.

La présence d'une piste audio prouve-t-elle que la réplique demandée est correcte ?

Non. La détection de volume confirme seulement la présence d'un signal non silencieux ; la réplique demandée, la prononciation et la synchronisation labiale nécessitent une écoute et une comparaison avec l'image.

Une génération refusée à la modération est-elle forcément non facturée ?

On ne peut pas le garantir. La page du modèle Grok Imagine indique qu'un refus après génération entraîne normalement un débit de crédits ; vérifiez les règles concernées avant de soumettre.

Étape suivante : consultez le guide d'intégration de la génération de vidéo à partir de texte avec Lite, les exemples de prompts et la page tarifaire, puis choisissez l'offre selon vos durées et formats d'image.