Grok Imagine Video API: генерация видео из изображений и текста в версиях 1.0 и 1.5

TL;DR

• В API Grok Imagine Video на HiAPI есть три эндпоинта: 1.0 текст-в-видео, 1.0 изображение-в-видео и 1.5 изображение-в-видео. Цена у всех одинаковая: $0.015 в секунду для 480p и $0.0282 в секунду для 720p, и к каждому клипу прилагается сгенерированная звуковая дорожка без дополнительной платы.
• 1.0 длится 6–30 секунд и принимает до 7 референсных изображений. 1.5 длится 1–15 секунд, принимает только одно изображение, а с помощью aspect_ratio: "auto" выход повторяет форму этого изображения.
• Черновой 6-секундный клип в 480p стоит $0.09. Откройте страницу модели изображение-в-видео, чтобы попробовать; новые аккаунты получают 200 бесплатных кредитов.

Какой эндпоинт использовать

ID модели	Вход	Длительность	Соотношение сторон	Дополнительно
grok-imagine/text-to-video	prompt	6–30 секунд (по умолчанию 6)	2:3 (по умолчанию), 3:2, 1:1, 16:9, 9:16	mode: normal или fun
grok-imagine/image-to-video	1–7 изображений + необязательный prompt	6–30 секунд (по умолчанию 6)	то же	mode; для ссылок на изображения используйте @image1, @image2
grok-imagine-1.5/image-to-video	ровно 1 изображение + необязательный prompt	1–15 секунд (по умолчанию 8)	auto (по умолчанию), 1:1, 16:9, 9:16, 3:2, 2:3	без mode

Все три эндпоинта тарифицируются посекундно: $0.015 (480p, по умолчанию) или $0.0282 (720p). Актуальные цены HiAPI, проверено 19 октября 2026 года. За неудачные задачи плата не взимается.

Как выбрать:

• Длительность больше 15 секунд или нужно несколько фото товара в качестве референса: 1.0 изображение-в-видео.
• Есть только одно статичное изображение, нужен короткий клип и выход должен сохранять форму изображения: 1.5 изображение-в-видео. Это также единственный эндпоинт, который может генерировать короче 6 секунд, поэтому 4-секундный зацикленный клип обходится дешевле.
• Совсем нет изображений: 1.0 текст-в-видео.

Клип	480p	720p
4 секунды (только 1.5)	$0.06	$0.11
6 секунд	$0.09	$0.17
15 секунд	$0.23	$0.42
30 секунд (только 1.0)	$0.45	$0.85

Реальные результаты

1.0 изображение-в-видео, одно референсное изображение. Каталожное фото дорожной сумки для выходных на белом фоне:

Slow cinematic orbit around the burnt-orange canvas weekender bag, camera circling smoothly from front to three-quarter view, studio lighting glinting off the brass zippers, seamless white background stays clean and shadowless, product perfectly sharp and unchanged, subtle premium e-commerce energy.

grok-imagine/image-to-video, 6 секунд, 720p, одно референсное изображение, $0.17. Мы запросили 9:16, но квадратное исходное изображение вернулось квадратным (960×960).

1.0 изображение-в-видео, два референсных изображения. Передача одновременно лайфстайл-фото и фото товара позволяет сумке сохранять внешний вид в новой сцене:

grok-imagine/image-to-video, 6 секунд, 720p, 9:16, два референсных изображения, $0.17.

1.5 изображение-в-видео, одно и то же статичное изображение, два движения камеры. Движение камеры задаётся в промпте. Поменяйте глагол — получите другой кадр:

Slow steady dolly push-in down the rain-soaked market street toward the glowing noodle stall, steam rising and curling from the pots, rain falling in thin streaks, neon sign reflections shimmering on the wet pavement, pedestrians walking slowly away under umbrellas, smooth constant camera speed, one continuous shot, no cuts, cinematic pacing

Открыть страницу модели с этим промптом (сначала загрузите своё изображение) →

grok-imagine-1.5/image-to-video, 6 секунд, 720p, 16:9, $0.17.

Camera glides slowly to the left in a smooth lateral tracking move, strong parallax between the near market stalls and the far end of the street, rain keeps falling, neon reflections slide across the wet ground, the cook keeps stirring behind the counter, steam drifts sideways, one continuous move, no cuts, no zoom

grok-imagine-1.5/image-to-video, 6 секунд, 720p, 16:9, $0.17.

1.5, 4-секундный атмосферный цикл. При неподвижной камере всё движение исходит от самой сцены:

grok-imagine-1.5/image-to-video, 4 секунды, 720p, 16:9, $0.11.

curl

1.0 изображение-в-видео:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine/image-to-video",
    "input": {
      "image_urls": ["https://your-cdn.example.com/product.jpg"],
      "prompt": "Slow orbit around the product, studio light, background stays clean",
      "duration": 6,
      "resolution": "480p",
      "aspect_ratio": "9:16"
    }
  }'

Вы получите taskId. Опрашивайте GET https://api.hiapi.ai/v1/tasks/{taskId}, пока data.status не станет success, затем скачайте data.output[0].url. Ссылки истекают, сохраняйте файл сразу же.

Для текст-в-видео замените модель на grok-imagine/text-to-video и уберите image_urls. Для 1.5 замените модель на grok-imagine-1.5/image-to-video, оставьте одно изображение и уберите mode.

Python: отправка, опрос, скачивание

# pip install requests; export HIAPI_KEY=your-key first
import os, time, uuid, requests

API = "https://api.hiapi.ai/v1/tasks"
H = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}

def generate(model, timeout_s=900, **inp):
    body = {"model": model, "input": inp}
    # Reuse the same Idempotency-Key if you retry a submit, so a retry never bills twice
    r = requests.post(API, json=body, headers={**H, "Idempotency-Key": str(uuid.uuid4())}, timeout=30)
    res = r.json()
    if res.get("code") != 200:
        raise RuntimeError(res)  # 400s list every invalid field
    task_id = res["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"{API}/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d)
        time.sleep(10)
    raise TimeoutError(task_id)

still = "https://your-cdn.example.com/still.jpg"

# Draft cheaply on 1.5 at 480p, then re-render the keeper at 720p
draft = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=4, resolution="480p")
final = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=6, resolution="720p")

# A 20-second clip needs 1.0
long_clip = generate("grok-imagine/image-to-video", image_urls=[still],
                     prompt="slow push-in, steam rising, camera steady", duration=20, resolution="480p")

with open("clip.mp4", "wb") as f:
    f.write(requests.get(final).content)

Параметры

Поле	1.0 текст-в-видео	1.0 изображение-в-видео	1.5 изображение-в-видео
prompt	обязательно, до 5 000 символов	необязательно	необязательно, до 4 096 символов
image_urls	не принимается	1–7, jpeg/png/webp, каждое до 10 MB	ровно 1, jpeg/png/webp, до 20 MB
duration	6–30	6–30	1–15
resolution	480p (по умолчанию) / 720p	то же	то же
aspect_ratio	2:3 по умолчанию	2:3 по умолчанию	auto по умолчанию (следует за изображением)
mode	normal (по умолчанию) / fun	то же	не принимается

Ошибки, с которыми вы столкнётесь

Все перечисленные ошибки возвращаются с HTTP 400 при отправке, поэтому задача не создаётся и плата не взимается:

• duration: minimum: got 4, want 6: 1.0 начинается с 6 секунд. Для более коротких клипов используйте 1.5.
• duration: maximum: got 20, want 15: 1.5 длится максимум 15 секунд. Для более длинных клипов используйте 1.0.
• image_urls: maxItems: got 2, want 1: 1.5 принимает только одно изображение.
• additional properties 'mode' not allowed: в 1.5 нет mode.
• resolution: value must be one of '480p', '720p': 1080p нет, и значение должно быть в нижнем регистре.

FAQ

Выбрать 1.0 или 1.5?

Цена за секунду одинаковая. Выбирайте по входу и длительности: для нескольких референсных изображений или более 15 секунд используйте 1.0; для одного статичного изображения и коротких клипов — 1.5. Если сомневаетесь, сгенерируйте одно и то же статичное изображение на обоих эндпоинтах в 480p на 6 секунд — это обойдётся в $0.18 суммарно.

Есть ли звук?

Да. К каждому клипу выше прилагалась сгенерированная звуковая дорожка; в клипе с маяком отчётливо слышны волны. Отключить звук нельзя (generate_audio и audio будут отклонены как неизвестные поля), и звук не влияет на цену. Если он не нужен, удалите дорожку при монтаже.

Можно ли получить 1080p?

Нет. Максимальное разрешение у всех трёх эндпоинтов — 720p.

Что делает mode: "fun"?

Это опция 1.0, которая делает движение более живым и преувеличенным. normal — значение по умолчанию и более надёжный выбор для клипов с товарами.

Больше примеров: Grok Imagine 1.5 для коротких видео. Чтобы увидеть цены всего семейства, см. Цены API Grok Imagine. Для генерации статичных изображений см. Руководство по API изображений Grok Imagine.