Grok Imagine

Présentation

grok-imagine/image-to-video est un modèle image-vers-vidéo de la famille grok-imagine de xAI, accessible via l'API unifiée de HiAPI.ai. Il accepte une ou plusieurs images de référence accompagnées d'un prompt textuel pour transformer une image fixe en séquence animée, avec une durée de 6 à 30 secondes, une résolution de 480p à 1080p et plusieurs formats d'image. Il s'adresse aux développeurs et aux équipes de création qui souhaitent animer rapidement des illustrations, des storyboards ou des visuels produits, pour des contenus sociaux, des prototypes publicitaires et des aperçus de plans animés.

Points forts

• Mouvement guidé par plusieurs images de référence — jusqu'à 7 images de référence peuvent être fournies, et vous pouvez les citer dans le prompt via @image1, etc., pour un contrôle fin du sujet et de la composition.
• Styles de mouvement commutables — trois modes de génération sont proposés : fun, normal et spicy, correspondant respectivement à un mouvement plus créatif, équilibré et plus dynamique.
• Durée et résolution ajustables selon les besoins — la durée se règle entre 6 et 30 secondes, et la résolution va de 480p à 1080p, ce qui permet d'arbitrer entre vitesse de génération et qualité finale.
• Tarification transparente — la facturation se fait à la seconde de sortie ; le paramètre de durée détermine directement le coût de l'appel, ce qui facilite l'estimation budgétaire avant une génération en lot.

Capacités

Génération vidéo guidée par images de référence : en entrant 1 à 7 images JPEG, PNG ou WEBP, le modèle génère une séquence animée tout en préservant le sujet et la composition, idéal pour transformer des contenus statiques en plans.

Contrôle du mouvement par prompt textuel : vous pouvez fournir un prompt de 5000 caractères maximum décrivant le mouvement souhaité ; une description en anglais donne de meilleurs résultats, en aidant le modèle à se concentrer sur les actions et la direction de caméra spécifiées.

Sortie multi-formats : prise en charge de cinq ratios — 2:3, 3:2, 1:1, 16:9 et 9:16 — actifs en mode multi-images de référence, pour couvrir en une seule fois les besoins de diffusion en paysage et en portrait.

Résolution et durée ajustables : la résolution de sortie est de 480p par défaut, et peut être portée à 720p ou 1080p ; la durée est de 6 secondes par défaut, jusqu'à 30 secondes, avec une facturation à la seconde réellement générée.

Cas d'usage

• Animer des illustrations statiques en plans animés — utiliser une illustration ou un storyboard comme entrée avec un court prompt de mouvement pour produire des plans vidéo courts, destinés à des affiches animées, des génériques et des prévisualisations de storyboard.
• Générer des présentations animées de produits pour les équipes e-commerce — téléverser un visuel produit et décrire le mouvement de caméra pour obtenir une vidéo courte en portrait ou carrée, directement utilisable sur les pages de détail produit et dans les fils sociaux.
• Produire des contenus sociaux en lot — générer en lot des contenus animés au format 9:16 et de courte durée, pour l'alimentation quotidienne de plateformes de vidéos courtes et les tests créatifs.

Limites et conseils de sélection

Le modèle fait uniquement de l'image-vers-vidéo et n'accepte pas la génération vidéo à partir d'un simple texte : au moins une image de référence est nécessaire. Avec une seule image en entrée, le paramètre de ratio n'a pas d'effet et la sortie reprend le ratio de l'image source ; la résolution 1080p n'est prise en charge qu'avec une seule image d'entrée. Lors de l'utilisation d'images externes, le mode de génération peut être automatiquement rétrogradé en normal. Si vous avez besoin de générer une vidéo directement à partir de texte, ou d'un plan-séquence continu de plus de 30 secondes, choisissez un autre modèle ou procédez par segments. Le coût augmente avec la durée ; avant des appels en lot de longue durée, il est conseillé de valider d'abord avec un échantillon.