Grok Imagine 1.5

Apresentação

grok-imagine-1.5/image-to-video é um modelo de imagem para vídeo lançado pela xAI e acessível pela interface unificada do HiAPI.ai. Ele converte uma ou várias imagens de referência em um clipe curto de 1 a 15 segundos, com saída em três resoluções — 480p, 720p e 1080p — e permite descrever o movimento desejado com um prompt opcional. Com múltiplas imagens de entrada, também é possível controlar a composição do quadro pelo parâmetro de proporção. É indicado para desenvolvedores e equipes criativas que precisam animar rapidamente fotos de produtos, frames conceituais e materiais de marca, para pré-visualização e entrega de conteúdos de formato curto.

Destaques principais

• Composição de tomadas dinâmicas com múltiplas imagens de referência — é possível enviar até 7 imagens de referência e, com múltiplas imagens, definir o formato de saída de forma unificada pelo aspect_ratio.
• Duração e nitidez combináveis conforme a necessidade — o comprimento do clipe é ajustável de forma contínua entre 1 e 15 segundos, e as resoluções cobrem 480p, 720p e 1080p, permitindo equilibrar qualidade e custo conforme o uso.
• Controle refinado do movimento por prompt — suporta prompts opcionais de até 4096 caracteres para descrever a movimentação desejada da câmera e do objeto principal.

Descrição das capacidades

Geração de vídeo a partir de imagens: basta fornecer de 1 a 7 imagens em JPEG, PNG ou WebP com um prompt opcional para gerar um clipe dinâmico, sem precisar regravar o material estático.

Saída em várias resoluções: há três opções — 480p, 720p e 1080p —, permitindo testar rapidamente em baixa resolução na fase de rascunho e alternar para 1080p na entrega final.

Controle flexível de duração: a duração é definida em segundos inteiros, de 1 a 15 segundos, e a cobrança aumenta conforme a duração da saída, facilitando ajustar o comprimento do clipe ao ritmo do conteúdo.

Controle de proporção com múltiplas imagens: oferece seis opções de formato — auto, 1:1, 16:9, 9:16, 3:2 e 2:3 —, útil para uniformizar a composição quando há várias imagens de referência; com uma única imagem, a proporção do quadro acompanha a imagem original.

Cenários de uso

• Animação de fotos estáticas de produtos por equipes de e-commerce e produtos — forneça a imagem principal do produto e uma breve descrição de movimento para gerar um clipe de exibição de alguns segundos, usado em páginas de detalhes, materiais de anúncios ou conteúdos de recomendação em redes sociais.
• Validação conceitual e rascunhos de anúncios por equipes de marketing — gere rapidamente várias versões de pré-visualização dinâmica, com diferentes durações e formatos, a partir de imagens conceituais da marca, para avaliação interna antes da produção final.
• Produção de vídeos curtos verticais para redes sociais — gere clipes a partir de uma única imagem criativa com um prompt de movimento, para atualizações diárias de conteúdo em feeds e plataformas de vídeos curtos.
• Pré-visualização de storyboards por profissionais criativos — converta ilustrações de keyframes ou layouts em clipes curtos, oferecendo referências dinâmicas visuais para reuniões com clientes e pré-visualização antes das filmagens.

Limitações e recomendações de escolha

Suporta apenas imagem para vídeo e exige pelo menos uma imagem de referência; não gera diretamente a partir de texto puro. A saída é um clipe curto, com duração máxima de 15 segundos, portanto não é adequado para narrativas de vídeo longo. O 1080p aceita apenas uma imagem de entrada; quando for necessário compor várias imagens, só é possível usar 480p ou 720p. Com entrada de uma única imagem, o aspect_ratio não tem efeito e o formato do quadro é definido pela imagem original. Para projetos que exigem planos longos, sincronia labial precisa e narrativas complexas, recomenda-se primeiro avaliar se a montagem de vários segmentos atende à necessidade antes de decidir o modelo.