Grok imagem para vídeo: Lite vs Grok 1.5, como escolher?

TL;DR

• Para controlar o orçamento de imagem para vídeo, comece pelo Grok Imagine 1.5: uma requisição 720p de 6 segundos custa $0.1284; o Grok Imagine 1.5 Lite no mesmo nível custa $0.273, incluindo $0.015 de taxa da imagem de entrada, cerca de 2,13 vezes o primeiro. Veja a tabela completa na página de preços do Lite e na página de preços do Grok 1.5.
• Ambos suportam 1080p e durações inteiras de 1 a 15 segundos. Ao migrar, é preciso atenção especial aos campos de entrada, à quantidade de imagens e aos valores padrão.
• Os vídeos abaixo comparam dois conjuntos de surfe e latte art com a mesma imagem e o mesmo prompt. Abra a página do modelo imagem para vídeo Lite ou a página do modelo imagem para vídeo Grok 1.5 para testar com a mesma imagem de entrada.

Visão geral

Item	Lite: grok-imagine-1.5-lite/image-to-video	Grok 1.5: grok-imagine-1.5/image-to-video
480p por segundo	$0.029	$0.0114
720p por segundo	$0.043	$0.0214
1080p por segundo	$0.20	$0.057142
Requisição 720p de 6 segundos	$0.273, incluindo $0.015 de taxa da imagem de entrada por vídeo	$0.1284, sem taxa adicional de imagem de entrada listada à parte
Imagem de entrada	String image_url, 1 imagem	Array image_urls, 1–7 imagens; 1080p limitado a 1 imagem
Duração da requisição	Inteiro de 1 a 15 segundos, padrão 6 segundos	Inteiro de 1 a 15 segundos, padrão 8 segundos
Prompt	Obrigatório, 1–4096 caracteres	Opcional, no máximo 4096 caracteres
Proporção de saída	Segue a imagem de entrada, as dimensões são arredondadas	Com uma única imagem, também segue a imagem de entrada; aspect_ratio só tem efeito com várias imagens

Lite usa 720p como padrão; Grok 1.5 usa 480p como padrão. Para uma comparação no mesmo nível, preencha explicitamente resolution e duration em ambos. Data de verificação dos preços: 27 de outubro de 2026; o cálculo é pelos segundos solicitados e, em estado final de falha, o valor retido é estornado automaticamente.

Mesma imagem de entrada, mesmo prompt, vídeos reais dos dois lados

Em cada conjunto, os bytes e o SHA-256 dos dois arquivos de entrada são idênticos, e o prompt em inglês é idêntico palavra por palavra; para cada modelo, é exibido um vídeo já gerado. Os prompts originais em inglês são mantidos abaixo, incluindo as exigências de som. As proporções de entrada se aproximam de 16:9 e 9:16, e as legendas das imagens indicam as dimensões reais dos vídeos.

Conjunto A: surfista (entrada 1672×941)

Imagem de entrada compartilhada pelos dois modelos · 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.

Explicação do prompt em português: a onda se curva e quebra atrás do surfista enquanto ele desce pela face, borrifos brancos explodem e brilham na contraluz dourada. Câmera de acompanhamento suave seguindo o surfista. Som alto de mar e água correndo. Manter o realismo fotográfico. Sem texto, sem logotipos.

Lite: $0.273, incluindo taxa da imagem	Grok 1.5: $0.1284
Reproduzir vídeo do surfista no Lite (MP4)	Reproduzir vídeo do surfista no Grok 1.5 (MP4)

Ambos solicitaram 720p e 6 segundos; os vídeos originais gerados têm 1264×720, 24fps, 145 quadros, duração de arquivo de 6,042 segundos e formato MP4. O preço é calculado pelos 6 segundos solicitados.

Gerar no Lite com o mesmo prompt → · Gerar no Grok 1.5 com o mesmo prompt →. Envie a imagem de entrada acima e selecione 720p, 6 segundos.

Conjunto B: café com latte art (entrada 941×1672)

Imagem de entrada compartilhada pelos dois modelos · 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.

Explicação do prompt em português: leite vaporizado é despejado em fio fino no café expresso e um padrão de roseta floresce lentamente na superfície, um leve vapor sobe, a mão do barista se move com firmeza. Close-up com aproximação lenta. Ambiente suave de café, som delicado do despejo e conversas baixas ao fundo. Sem texto, sem logotipos.

Lite: $0.273, incluindo taxa da imagem	Grok 1.5: $0.1284
Reproduzir vídeo do café com latte art no Lite (MP4)	Reproduzir vídeo do café com latte art no Grok 1.5 (MP4)

Ambos solicitaram 720p e 6 segundos; os vídeos originais gerados têm 720×1264, 24fps, 145 quadros, duração de arquivo de 6,042 segundos e formato MP4. O preço é calculado pelos 6 segundos solicitados.

Gerar no Lite com o mesmo prompt → · Gerar no Grok 1.5 com o mesmo prompt →. Envie a imagem de entrada acima e selecione 720p, 6 segundos.

Diferenças visíveis:

• Conjunto do surfe: ambos mostram o deslize pela face da onda e os borrifos em contraluz. No Lite, o surfista levanta a ponta da prancha e vira para a câmera mais cedo no meio/fim do vídeo; no Grok 1.5, ele mantém o deslize lateral pela face da onda por mais tempo.
• Conjunto do latte art: a imagem de entrada já tem o padrão de roseta. Os dois vídeos continuam o despejo do leite e a evolução do padrão; no Grok 1.5, há uma pausa clara no fluxo no meio do vídeo antes de continuar o despejo, enquanto no Lite o fluxo de leite é mais contínuo. Não descreva este conjunto como se o desenho começasse sobre uma superfície de café em branco.
• Os quatro vídeos têm trilha de áudio não silenciosa; os dois de latte art têm volume geral mais baixo. A existência de trilha não confirma que cada som do prompt foi realizado; aqui não se avalia som de ondas, som de despejo de leite, conversas ou qualidade de sincronia entre áudio e imagem.

Como escolher por cenário

• Lotes de imagem para vídeo 720p com prioridade em orçamento: no Grok 1.5, cada requisição de 6 segundos custa $0.1284, $0.1446 menos que o Lite.
• Se precisa de 1080p: ambos têm. Em uma requisição de 6 segundos, o Lite custa $1.215 incluindo a taxa da imagem, e o Grok 1.5 custa $0.342852; esta página mostra vídeos em 720p.
• Se já tem um fluxo de trabalho Lite com imagem única: pode continuar usando image_url; se migrar para reduzir custos, verifique primeiro o tipo de campo e os valores padrão e depois compare as saídas com suas próprias imagens.
• Se precisa de várias imagens de referência: o Grok 1.5 aceita 1–7 imagens em 480p e 720p; em 1080p continua limitado a uma imagem. Os dois conjuntos desta página usam apenas uma imagem de entrada.

Custo da troca: tipos de entrada, valores padrão e regras de proporção

Abaixo são mantidos o prompt em inglês do caso do surfe, 720p e a configuração de 6 segundos. O exemplo de requisição Lite é organizado conforme os parâmetros do caso; a requisição do Grok 1.5 mantém o endereço de entrada e o aspect_ratio: "16:9" registrados naquela ocasião. Os dois endereços de entrada correspondem ao mesmo arquivo de imagem.

{
  "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"
  }
}

Ao migrar, altere a string image_url para o array image_urls e mantenha explicitamente resolution e duration. No Grok 1.5 com uma única imagem, aspect_ratio não altera a proporção de saída; auto é um valor padrão disponível, mas acima foi mantido o 16:9 daquela requisição do vídeo. O Lite não oferece o campo aspect_ratio.

Do envio da tarefa à consulta do resultado, veja o guia de integração da API de imagem para vídeo Lite; para mais descrições de movimento reutilizáveis, veja o guia de prompts de imagem para vídeo.

Perguntas frequentes

O Lite cobra a taxa da imagem de entrada em cada vídeo?

Sim, $0.015 por vídeo. Uma requisição 720p de 6 segundos totaliza $0.273; o Grok 1.5 no mesmo nível custa $0.1284, então o Lite é cerca de 2,13 vezes esse valor.

1080p ou durações inteiras de 1 a 15 segundos são suportados apenas pelo Lite?

Não, ambos suportam. Em 1080p, o Lite custa $0.20 por segundo e o Grok 1.5 custa $0.057142 por segundo; o Lite ainda cobra a taxa da imagem de entrada.

Para trocar de modelo, basta alterar o model?

Não. O Lite usa a string de imagem única image_url, enquanto o Grok 1.5 usa o array image_urls; além disso, a resolução padrão, a duração padrão e a obrigatoriedade do prompt também diferem entre os dois. Para comparar saídas no mesmo nível, preencha explicitamente 720p e 6 segundos.

Os quatro vídeos desta página têm som?

Os quatro têm trilha de áudio não silenciosa, e os dois de latte art têm volume mais baixo. Isso só indica que esses arquivos contêm sinal de áudio, não garante que cada efeito sonoro do prompt foi realizado, nem constitui garantia de áudio para todas as saídas futuras.

Há cobrança se a geração falhar?

Quando a tarefa entra em estado final de falha, o valor retido no momento da criação é reembolsado integralmente de forma automática.

Próximo passo: copie o prompt em inglês acima, envie a imagem de entrada correspondente, selecione 720p e 6 segundos nas páginas dos dois modelos e compare o movimento e a composição que você deseja.