Como usar a API de texto para vídeo do Grok Imagine 1.5 Lite? Com efeitos sonoros embutidos

TL;DR

• Grok Imagine 1.5 Lite Text to Video (grok-imagine-1.5-lite/text-to-video) gera um vídeo de 1 a 15 segundos a partir de um texto, com efeitos sonoros embutidos, em sete proporções geradas nativamente, incluindo paisagem, retrato e quadrado. Abra a página do modelo para testar; novos usuários recebem 200 créditos ao se cadastrar.
• O preço é por segundo: 480P $0.029, 720P (padrão) $0.043, 1080P $0.2; um vídeo de 6 segundos em 720p custa $0.258.
• A chamada usa a interface /v1/tasks da HiAPI: envie a tarefa e receba o taskId, depois consulte o resultado; após o sucesso, pegue o endereço do vídeo em output (endereço temporário, salve a tempo).

O que ele faz

• Um parágrafo descreve cena, ação e som: como a câmera se move e quais efeitos sonoros existem podem ir no prompt; o vídeo final já vem com trilha sonora (não pode ser desativada e não custa a mais).
• Qualquer número inteiro de 1 a 15 segundos: preencha duration com quantos segundos quiser, padrão 6.
• Sete proporções geradas nativamente: 16:9, 9:16, 1:1, 4:3, 3:2, 2:3, 3:4 — retrato e quadrado não são recortados de paisagem.
• A mesma família também tem imagem para vídeo: grok-imagine-1.5-lite/image-to-video envia uma imagem e a faz se mover; veja o guia de integração de imagem para vídeo.

Como escolher entre as duas interfaces:

	grok-imagine-1.5-lite/text-to-video (esta página)	grok-imagine-1.5-lite/image-to-video
Entrada	Um texto	1 imagem + descrição de movimento
Proporção	7 opções	Segue a imagem de entrada
Taxa adicional	Nenhuma	$0.015 por imagem de entrada
Indicado para	Criar cenas do zero, criatividade publicitária	Fotos ou imagens de produto já existentes

Resumindo: para conceber a cena do zero, use texto para vídeo; se a cena já existe, use imagem para vídeo; quando o texto criativo e a imagem de referência já estão prontos, imagem para vídeo é mais controlável.

Abaixo um vídeo real (720p · 6 segundos · 16:9, com som de vento e canto de pássaros):

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.

(Em português: um balão de ar quente de vidro flutua lentamente sobre um vale de terraços de arroz envolto em neblina ao amanhecer. A luz dourada se derrama sobre os terraços cheios de água, a neblina rola entre as colinas, um bando de garças brancas plana sob o balão. Movimento aéreo suave de acompanhamento, sons suaves de vento e canto distante de pássaros, cinematográfico, cores naturais. Sem texto, sem logotipos.)

grok-imagine-1.5-lite/text-to-video, 720P, 6 segundos, 16:9, 1280×720, com efeitos sonoros, $0.258.Ver o vídeo completo →

Gerar com este prompt →

Preço: três faixas por segundo

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

Preço atual da HiAPI, verificado em 23 de outubro de 2026. Atenção: 1080P custa $0.2 por segundo, cerca de 4,65 vezes o 720P — para tarefas em lote, recomendamos gerar em 720p e só elevar a versão final para 1080P. Falhas não são cobradas.

Dois caminhos para começar

Navegador em 3 passos: abra a página do modelo → cole o prompt, escolha duração, resolução e proporção → clique em gerar; 720p com 6 segundos custa $0.258 por vídeo, e após gerar você pode visualizar online na hora e só então decidir se continua aumentando o volume para produzir mais materiais.

API em 3 passos: POST /v1/tasks para enviar → pegue o taskId → GET /v1/tasks/<taskId> até ver success e baixe.

curl: o primeiro

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, baixar

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)   # endereço temporário, salve o quanto antes
    with open("output.mp4", "wb") as f:
        f.write(mp4.content)
    print("saved output.mp4")

Tabela de parâmetros

Campo	Obrigatório	Valores	Descrição
prompt	Sim	1–4096 caracteres	Cena, ação, câmera e efeitos sonoros em um único parágrafo
duration	Não	Qualquer inteiro de 1 a 15, padrão 6	Diferente das durações enumeradas de outros modelos de vídeo
resolution	Não	480p / 720p / 1080p, padrão 720p	1080P custa $0.2 por segundo, atenção à fatura
aspect_ratio	Não	7 opções, padrão 16:9	Retrato e quadrado gerados nativamente

Campos fora da tabela no corpo da requisição retornam 400 diretamente.

Erros que você vai encontrar

Código de status	Significado	Como resolver
400 INVALID_REQUEST	Corpo da requisição inválido (falta prompt, duration com 0 ou 16, campo fora da tabela)	Ajuste o corpo conforme a tabela de parâmetros
402 INSUFFICIENT_QUOTA	Saldo insuficiente (não cobra)	Recarregue e tente novamente
429 RATE_LIMITED	Limite de requisições atingido	Reduza a frequência de envio
409 / 422 IDEMPOTENCY_KEY_*	Envio repetido com a mesma chave de idempotência	Use uma nova Idempotency-Key

Falhas no estado final da tarefa também incluem CONTENT_POLICY_VIOLATION, TASK_FAILED, TASK_TIMEOUT etc.; falhas não são cobradas.

Atenções antes de ir para produção

• Callback: tarefas de vídeo demoram; envie "callback": {"url": "https://..."} no nível superior do corpo para evitar polling.
• Salve a tempo: o endereço do vídeo em output é temporário; baixe assim que receber.
• O som não pode ser desativado: se precisar de material sem áudio, corte a trilha na pós-produção; o preço não é afetado.
• Cuidado com lotes em 1080P: $0.2 por segundo, $1.20 por 6 segundos; para exploração em lote use 480P ($0.174 por vídeo).

Perguntas frequentes

• Sim, todos vêm com efeitos sonoros: efeitos escritos no prompt (vento, pássaros, falas) são gerados junto; não há opção de desativar.
• Sim, a duração é qualquer número inteiro de segundos (1–15), não limitada a faixas fixas.
• Sim, retrato e quadrado são gerados nativamente, não recortados; a composição é tão completa quanto a de paisagem.
• Sim, $10 dá cerca de 38 vídeos: 720P com 6 segundos custa $0.258 por vídeo; 480P custa $0.174, então $10 gera 57 vídeos, suficiente para a fase de exploração criativa.
• Sim, as três faixas geram todas as sete proporções; a resolução afeta apenas a nitidez, não as proporções disponíveis.
• Sim, personagens podem falar: escreva as falas entre aspas no prompt (como no caso do padeiro); diálogos e som ambiente saem juntos.

Próximo passo: use o prompt do balão para gerar o primeiro vídeo na página do modelo; para cinco cenários, veja o guia completo de prompts de texto para vídeo.