Grok image-to-video: come scegliere tra Lite e Grok 1.5?

TL;DR

• Per controllare il budget dell'image-to-video, guarda prima Grok Imagine 1.5: una richiesta 720p da 6 secondi costa $0.1284; Grok Imagine 1.5 Lite nello stesso livello costa $0.273, inclusa la tariffa di input immagine di $0.015, circa 2,13 volte il primo. Per i livelli completi vedi la pagina prezzi Lite e la pagina prezzi Grok 1.5.
• Entrambi supportano 1080p e durate intere da 1 a 15 secondi. In fase di migrazione occorre prestare maggiore attenzione ai campi di input, al numero di immagini e ai valori predefiniti.
• Di seguito vengono confrontati due gruppi di video finali, surf e latte art, con la stessa immagine e lo stesso prompt. Apri la pagina del modello image-to-video Lite o la pagina del modello image-to-video Grok 1.5 per provare con la stessa immagine di input.

Panoramica immediata

Voce	Lite: grok-imagine-1.5-lite/image-to-video	Grok 1.5: grok-imagine-1.5/image-to-video
480p al secondo	$0.029	$0.0114
720p al secondo	$0.043	$0.0214
1080p al secondo	$0.20	$0.057142
Richiesta 720p da 6 secondi	$0.273, inclusa la tariffa di input immagine di $0.015 per richiesta	$0.1284, nessun costo aggiuntivo per l'immagine di input
Immagine di input	stringa image_url, 1 immagine	array image_urls, da 1 a 7 immagini; 1080p limitato a 1 immagine
Durata richiesta	intero da 1 a 15 secondi, predefinito 6 secondi	intero da 1 a 15 secondi, predefinito 8 secondi
Prompt	obbligatorio, da 1 a 4096 caratteri	opzionale, massimo 4096 caratteri
Formato di output	segue l'immagine di input, le dimensioni vengono arrotondate	con immagine singola segue anch'esso l'immagine di input; aspect_ratio ha effetto solo con più immagini

Lite è predefinito a 720p, Grok 1.5 a 480p. Per confrontare lo stesso livello, specifica esplicitamente resolution e duration su entrambi. Data di verifica dei prezzi: 27 ottobre 2026; il calcolo avviene sui secondi richiesti, e in caso di stato finale di errore l'importo prenotato viene rimborsato automaticamente per intero.

Stessa immagine di input, stesso prompt, video reali da entrambi i lati

Per ogni gruppo i due file di input hanno byte e SHA-256 identici, e il prompt inglese è identico parola per parola; per ogni modello viene mostrato un video finale esistente. Di seguito si conservano i prompt originali in inglese, comprese le richieste relative al suono. Le proporzioni di input sono rispettivamente vicine a 16:9 e 9:16, e le didascalie indicano le dimensioni effettive dei video finali.

Gruppo A: surfista (input 1672×941)

Immagine di input condivisa dai due modelli · 1672×941

The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.

Spiegazione in cinese del prompt: l'onda si arriccia e si rompe dietro il surfista, che scende lungo la sua parete, gli spruzzi bianchi esplodono e brillano nella controluce dorata. La camera segue il surfista con un movimento fluido. Forte suono dell'oceano e dell'acqua che scorre. Mantieni il realismo fotografico. Nessun testo, nessun logo.

Lite: $0.273, inclusa la tariffa immagine	Grok 1.5: $0.1284
Riproduci il video finale Lite del surfista (MP4)	Riproduci il video finale Grok 1.5 del surfista (MP4)

Entrambi richiedono 720p e 6 secondi; i video generati sono entrambi 1264×720, 24fps, 145 fotogrammi, durata file 6,042 secondi, formato MP4. Il prezzo è calcolato sui 6 secondi richiesti.

Genera con lo stesso prompt in Lite → · Genera con lo stesso prompt in Grok 1.5 →. Carica l'immagine di input qui sopra, poi scegli 720p e 6 secondi.

Gruppo B: caffè con latte art (input 941×1672)

Immagine di input condivisa dai due modelli · 941×1672

Steamed milk pours in a thin stream into the espresso and a rosetta pattern slowly blooms on the surface, light steam rises, the barista's hand moves steadily. Slow push-in close-up. Soft cafe ambience, gentle pouring sound, quiet chatter in the background. No text, no logos.

Spiegazione in cinese del prompt: il latte montato viene versato in un filo sottile nell'espresso e una rosetta sboccia lentamente in superficie, un leggero vapore si alza, la mano del barista si muove con stabilità. Primo piano con lento avvicinamento. Morbida atmosfera da caffè, suono delicato del versare e chiacchiere soffuse sullo sfondo. Nessun testo, nessun logo.

Lite: $0.273, inclusa la tariffa immagine	Grok 1.5: $0.1284
Riproduci il video finale Lite del caffè con latte art (MP4)	Riproduci il video finale Grok 1.5 del caffè con latte art (MP4)

Entrambi richiedono 720p e 6 secondi; i video generati sono entrambi 720×1264, 24fps, 145 fotogrammi, durata file 6,042 secondi, formato MP4. Il prezzo è calcolato sui 6 secondi richiesti.

Genera con lo stesso prompt in Lite → · Genera con lo stesso prompt in Grok 1.5 →. Carica l'immagine di input qui sopra, poi scegli 720p e 6 secondi.

Differenze visibili:

• Gruppo surf: in entrambi compaiono la scivolata lungo la parete dell'onda e gli spruzzi in controluce. Nel video Lite il surfista solleva la punta della tavola prima e si gira verso la camera nella parte centrale e finale; Grok 1.5 mantiene più a lungo la scivolata laterale lungo la parete dell'onda.
• Gruppo latte art: nell'immagine di input è già presente la rosetta. Entrambi i video proseguono con il versare del latte e l'evoluzione del disegno; in Grok 1.5 a metà c'è una pausa evidente del flusso, poi il versare riprende, mentre in Lite il flusso di latte è più continuo. Non descrivere questo gruppo come se il disegno partisse da una superficie di caffè bianca.
• Tutti e quattro i video contengono una traccia audio non silenziosa; i due video di latte art hanno un volume complessivamente più basso. La presenza della traccia audio non equivale alla conferma che ogni suono del prompt sia stato realizzato; qui non si valutano il suono delle onde, del versare, delle chiacchiere né la qualità della sincronizzazione audio-video.

Come scegliere in base allo scenario

• Batch image-to-video 720p con priorità al budget: Grok 1.5 costa $0.1284 per richiesta da 6 secondi, $0.1446 in meno rispetto a Lite.
• Se serve il 1080p: entrambi lo offrono. Per una richiesta da 6 secondi, Lite costa $1.215 inclusa la tariffa immagine, Grok 1.5 $0.342852; questa pagina mostra video a 720p.
• Se hai già un flusso di lavoro Lite a immagine singola: puoi continuare a usare image_url; se migri per ridurre i costi, verifica prima il tipo di campo e i valori predefiniti, poi confronta gli output con le tue immagini.
• Se servono più immagini di riferimento: Grok 1.5 accetta da 1 a 7 immagini a 480p e 720p; a 1080p resta limitato a una singola immagine. Entrambi i gruppi di questa pagina usano una sola immagine di input.

Costo di commutazione: tipo di input, valori predefiniti e regole di formato

Di seguito si conservano il prompt inglese del caso surf e le impostazioni 720p e 6 secondi. L'esempio di richiesta Lite è organizzato secondo i parametri del caso; la richiesta Grok 1.5 conserva l'indirizzo di input e aspect_ratio: "16:9" registrati in quell'occasione. I due indirizzi di input corrispondono allo stesso file immagine.

{
  "model": "grok-imagine-1.5-lite/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_url": "https://static.hiapi.ai/gallery/2026/10/3f75ff28db9e0070.png",
    "resolution": "720p",
    "duration": 6
  }
}

{
  "model": "grok-imagine-1.5/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_urls": [
      "https://static.hiapi.ai/model-covers/2026/10/19/1792426689343-54aa29a700fa9530-1792144202117-54aa29a700fa9530-surf-in.png"
    ],
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

In fase di migrazione, trasforma la stringa image_url nell'array image_urls e mantieni esplicitamente resolution e duration. Con Grok 1.5 a immagine singola, aspect_ratio non modifica le proporzioni dell'output; auto è un valore predefinito disponibile, ma qui si conserva 16:9 della richiesta che ha prodotto quel video. Lite non offre il campo aspect_ratio.

Per l'invio del task e la consultazione dei risultati, vedi la guida all'integrazione dell'API image-to-video Lite; per altre descrizioni di movimento riutilizzabili, vedi la guida ai prompt per video da immagine.

Domande frequenti

Per Lite la tariffa di input immagine va aggiunta a ogni richiesta?

Sì, $0.015 per richiesta. A 720p per 6 secondi il totale è $0.273; Grok 1.5 nello stesso livello costa $0.1284, quindi Lite è circa 2,13 volte quello.

1080p o durate intere da 1 a 15 secondi sono supportati solo da Lite?

No, entrambi li supportano. A 1080p Lite costa $0.20 al secondo, Grok 1.5 $0.057142; Lite addebita inoltre la tariffa dell'immagine di input.

Per cambiare modello basta modificare solo model?

No. Lite usa la stringa image_url per una singola immagine, Grok 1.5 usa l'array image_urls; inoltre differiscono la risoluzione predefinita, la durata predefinita e l'obbligatorietà del prompt. Per confrontare output dello stesso livello, specifica esplicitamente 720p e 6 secondi.

I quattro video di questa pagina hanno l'audio?

Tutti e quattro contengono una traccia audio non silenziosa; i due di latte art hanno un volume più basso. Questo indica solo che questi file contengono un segnale sonoro, non garantisce che ogni effetto sonoro del prompt sia stato realizzato, né costituisce una garanzia audio per tutti gli output futuri.

La generazione fallita comporta addebiti?

Quando il task raggiunge lo stato finale di errore, l'importo prenotato al momento della creazione viene rimborsato automaticamente per intero.

Passo successivo: copia i prompt inglesi qui sopra, carica le immagini di input corrispondenti, seleziona 720p e 6 secondi in entrambe le pagine dei modelli, poi confronta il movimento e la composizione che ti interessano.