Come si usa l'API text-to-video di Grok Imagine 1.5 Lite? Con audio integrato

TL;DR

• Grok Imagine 1.5 Lite Text to Video (grok-imagine-1.5-lite/text-to-video) genera da un testo video da 1–15 secondi con audio integrato, con generazione nativa in sette formati tra orizzontale, verticale e quadrato. Apri la pagina del modello per provarlo: i nuovi utenti ricevono 200 crediti alla registrazione.
• Il prezzo è al secondo: 480P $0.029, 720P (predefinito) $0.043, 1080P $0.2; un video 720p da 6 secondi costa $0.258.
• La chiamata passa per l'interfaccia HiAPI /v1/tasks: invia il task e ottieni il taskId, poi interroga il risultato e, in caso di successo, preleva l'URL del video da output (indirizzo temporaneo, salvalo subito).

Cosa può fare

• Un solo testo per scena, azione e suono: movimento di camera ed effetti sonori si scrivono tutti nel prompt, e il video finale include la traccia audio (non disattivabile, senza costi aggiuntivi).
• Qualsiasi secondo intero da 1 a 15: in duration puoi inserire il numero di secondi che vuoi, il valore predefinito è 6.
• Sette formati generati nativamente: 16:9, 9:16, 1:1, 4:3, 3:2, 2:3, 3:4 — il verticale e il quadrato non sono ritagli del formato orizzontale.
• Nella stessa serie c'è anche image-to-video: grok-imagine-1.5-lite/image-to-video carica un'immagine e la anima, vedi la guida all'integrazione di image-to-video.

Come scegliere tra le due interfacce:

	grok-imagine-1.5-lite/text-to-video (questa pagina)	grok-imagine-1.5-lite/image-to-video
Input	Un testo	1 immagine + descrizione del movimento
Formato	7 tra cui scegliere	Segue l'immagine di input
Costi aggiuntivi	Nessuno	$0.015 per immagine di input a video
Adatto a	Creare scene da zero, creatività pubblicitaria	Foto o immagini di prodotto già disponibili

In sintesi: se la scena va ideata da zero usa il text-to-video, se l'immagine c'è già usa l'image-to-video; quando copy creativo e materiale visivo sono entrambi pronti, l'image-to-video è più controllabile.

Qui sotto un video reale (720p · 6 secondi · 16:9, con suono del vento e canto degli uccelli):

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.

(In italiano: una mongolfiera di vetro fluttua lentamente sopra una valle nebbiosa di risaie a terrazze all'alba. La luce dorata si riversa sulle terrazze piene d'acqua, la nebbia scorre tra le colline, uno stormo di garzette bianche plana sotto la mongolfiera. Ripresa aerea fluida in inseguimento, suoni leggeri del vento e canto degli uccelli in lontananza, cinematografico, colori naturali. Niente testo, niente loghi.)

grok-imagine-1.5-lite/text-to-video, 720P, 6 secondi, 16:9, 1280×720, con audio integrato, $0.258.Guarda il video completo →

Genera con questo prompt →

Prezzi: tre fasce al secondo

Fascia	Al secondo	5 secondi	6 secondi	15 secondi
480P	$0.029	$0.145	$0.174	$0.435
720P (predefinito)	$0.043	$0.215	$0.258	$0.645
1080P	$0.20	$1.00	$1.20	$3.00

Prezzo attuale di HiAPI, verificato il 23 ottobre 2026. Nota: il 1080P costa $0.2 al secondo, circa 4,65 volte il 720P — per i task in batch conviene produrre a 720p e passare al 1080P solo per le versioni definitive. In caso di fallimento non viene addebitato nulla.

Due percorsi per iniziare

Browser in 3 passi: apri la pagina del modello → incolla il prompt, scegli durata, risoluzione e formato → clicca su genera: un 720p da 6 secondi costa $0.258, e dopo la generazione puoi visualizzarlo subito online e decidere se continuare a produrre altro materiale.

API in 3 passi: POST /v1/tasks per inviare → ottieni il taskId → GET /v1/tasks/<taskId> per verificare lo stato success e poi scaricare.

curl: il primo task

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: inviare, interrogare, scaricare

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)   # indirizzo temporaneo, salva il prima possibile
    with open("output.mp4", "wb") as f:
        f.write(mp4.content)
    print("saved output.mp4")

Tabella dei parametri

Campo	Obbligatorio	Valori	Descrizione
prompt	Sì	1–4096 caratteri	Scena, azione, camera e audio in un unico testo
duration	No	Qualsiasi numero intero da 1 a 15, predefinito 6	A differenza dei valori discreti di altri modelli video
resolution	No	480p / 720p / 1080p, predefinito 720p	Il 1080P costa $0.2 al secondo, attenzione ai costi
aspect_ratio	No	7 valori, predefinito 16:9	Verticale e quadrato generati nativamente

Se nel corpo della richiesta compaiono campi non previsti dalla tabella, la risposta è direttamente 400.

Gli errori che incontrerai

Codice di stato	Significato	Come gestirlo
400 INVALID_REQUEST	Corpo della richiesta non valido (prompt mancante, duration a 0 o 16, campi non previsti)	Correggi il corpo della richiesta secondo la tabella dei parametri
402 INSUFFICIENT_QUOTA	Saldo insufficiente (nessun addebito)	Ricarica e riprova
429 RATE_LIMITED	Limite di richieste raggiunto	Riduci la frequenza di invio
409 / 422 IDEMPOTENCY_KEY_*	Invio duplicato con la stessa chiave di idempotenza	Usa un nuovo Idempotency-Key

In caso di fallimento in stato terminale ci sono anche CONTENT_POLICY_VIOLATION, TASK_FAILED, TASK_TIMEOUT, ecc.; in caso di fallimento non viene addebitato nulla.

Da sapere prima della messa in produzione

• Callback: i task video richiedono tempo, passa al livello superiore della richiesta "callback": {"url": "https://..."} per evitare il polling.
• Salva subito: l'indirizzo del video in output è temporaneo, scaricalo appena lo ricevi.
• L'audio non si può disattivare: se ti serve materiale senza suono, rimuovi la traccia audio in post-produzione; il prezzo non cambia.
• 1080P con cautela in batch: $0.2 al secondo, un video da 6 secondi costa $1.20; per la fase esplorativa usa il 480P ($0.174 a video).

Domande frequenti

• Sì, ogni video ha l'audio integrato: scrivendo gli effetti sonori nel prompt (vento, canto degli uccelli, battute) vengono generati insieme; non c'è un interruttore per disattivarli.
• Sì, la durata è qualsiasi secondo intero (1–15), non limitata a valori fissi.
• Sì, verticale e quadrato sono generati nativamente, non ritagliati, con composizione completa come l'orizzontale.
• Sì, con $10 circa 38 video: un 720P da 6 secondi costa $0.258; un 480P costa $0.174, quindi con $10 puoi farne 57, sufficienti per la fase esplorativa creativa.
• Sì, tutte e tre le fasce supportano tutti e sette i formati: la risoluzione influisce solo sulla nitidezza, non sui rapporti selezionabili.
• Sì, i personaggi possono pronunciare battute: scrivi le battute tra virgolette nel prompt (come nel caso del panettiere), e il dialogo viene generato insieme ai suoni ambientali.

Prossimo passo: prendi il prompt della mongolfiera e vai alla pagina del modello per generare il tuo primo video; per i cinque scenari vedi la raccolta completa di prompt per il text-to-video.