xAI发布Grok Imagine API

xAI:News(网页)·2026-01-28 08:00·212天前
AI 导读

xAI推出Grok Imagine API,提供文本/图像转视频及高精度编辑功能,支持物体增删、风格转换与原生音频生成。在Artificial Analysis和LMArena基准测试中排名首位,720p视频生成延迟与成本均低于Veo 3和Sora 2;在IVEBench评测中整体表现超越Kling o1与Runway Aleph。API已开放xAI及第三方平台接入。

xAI:News(网页)
精选

xAI发布Grok Imagine API

2026-01-28 08:00· 212天前
AI 导读

xAI推出Grok Imagine API,提供文本/图像转视频及高精度编辑功能,支持物体增删、风格转换与原生音频生成。在Artificial Analysis和LMArena基准测试中排名首位,720p视频生成延迟与成本均低于Veo 3和Sora 2;在IVEBench评测中整体表现超越Kling o1与Runway Aleph。API已开放xAI及第三方平台接入。

推荐理由

xAI发布Grok Imagine视频生成API,性能宣称超越Sora与Veo,支持端到端视频创作工作流

正文 · AI 翻译

在质量、成本和延迟方面均达到业界领先水平的视频生成能力。

Grok Imagine API 性能与基准测试 视频生成 视频编辑 合作伙伴评价 快速开始

收听这篇博客文章

一款世界级的视频生成模型。

一款突破性的视频编辑模型。

我们很高兴推出 Grok Imagine API,这是一个功能强大的统一 API 套件,专为端到端的创意工作流而设计。Grok Imagine 是我们迄今为止最强大的视频-音频生成模型。它可以让图像栩栩如生,可以从简单的文本提示词开始创作,甚至可以优化复杂的电影级序列。

视频生成

Grok Imagine 拥有业界一流的指令遵循能力。

视频编辑

重新设计场景风格、添加/移除物体以及控制运动。

性能与基准测试

我们精心设计了这些模型,使其在提供与当今顶级供应商相当的高质量原生视频-音频生成能力的同时,还优化了延迟、并发性和成本——这些改进是通过多轮紧密的合作伙伴反馈不断完善的。我们收到的一个一致反馈是:如果延迟和成本让迭代变得痛苦,那么仅靠质量是不够的。通过提升速度和经济效益,我们使开发者、创意团队和企业工作流能够并行探索多个方向——通过快速、经济高效的实验更快地收敛。

Artificial Analysis:文生视频排名

排名 价格 延迟
Grok Imagine 1
Veo 3.1 Fast 4
Veo 3 5
Sora 2 Pro 9
Sora 2 12

文生视频 图生视频

Artificial Analysis T2V 评分 vs 延迟

评分越高且延迟越低越好。

AA T2V 评分

延迟(秒)

Artificial Analysis T2V 评分 vs 价格

评分越高且价格越低越好。

AA T2V 评分

价格(美元/秒)

LMArena T2V 评分 vs 延迟

评分越高且延迟越低越好。

LMArena T2V 评分

延迟(秒)

LMArena T2V 评分 vs 价格

评分越高且价格越低越好。

LMArena T2V 评分

价格(美元/秒)

  • 数据来源:Artificial Analysis 官方网站(截至太平洋标准时间 2026 年 1 月 28 日 0:00),LMArena 官方网站(截至太平洋标准时间 2026 年 2 月 4 日 16:30)

** 我们使用 10 个相同的提示词评估延迟,每个提示词在每个模型上测试 10 次,以考虑处理时间的差异。报告了以 720p 分辨率生成 8 秒时长视频的 P50 延迟(秒)。我们使用 1 秒轮询间隔,通过 fal.ai 测量所有模型的端到端 API 延迟,但 Veo(使用 Vertex API 测量)、Sora(使用 OpenAI API 测量)和 Grok Imagine(使用 xAI API 测量)除外。

视频编辑基准测试

Grok Imagine 在关键评估指标上持续优于竞争对手。

Grok Imagine

可灵 o1

总体

指令遵循

53.1%

46.9%

一致性

60.6%

39.4%

Grok Imagine

Runway Aleph

总体

64.1%

35.9%

指令遵循

57.4%

42.6%

一致性

63.1%

36.9%

  • 人类评估员在 IVEBench 上进行了并排比较,该基准测试包含一个多样化的高质量源视频数据库,涵盖七个语义维度,并覆盖不同的视频长度(每个样本包含一个提示词和输入视频,并对单个生成的视频进行评估)。所有比较均在 1280 x 720 分辨率下进行。

视频生成

将静态图像或文本转化为动态、高质量的视频序列。

电影级运动理解

将您的照片转化为具有逼真运动、物体交互和视觉连续性的电影级视频。

拉远 拉近 延时摄影 滑出 仰拍 右摇

灵活的样式与格式

支持竖屏、横屏以及平台适配的宽高比,并提供灵活的片段时长选择。

人人皆可想象

无论您是创作者、教育工作者、网红、设计师还是家长,Grok Imagine 都能让您轻松、快速地将想法变为现实。

“我脑海里有一个故事——我想在没有完整制作团队的情况下把它呈现出来。”

瞬间将想法转化为电影级视觉效果。更快地进行原型设计、迭代和发布,同时完全掌控您的创意愿景。

面向创作者 面向儿童 面向营销 面向游戏设计师

视频编辑

添加、移除、替换物体

以高精度和一致性添加物体、移除不需要的元素或替换道具。

替换 添加 移除

添加表演

用您自己的表演为任何角色制作动画。

场景控制

轻松转换任何场景——几秒内即可将金色阳光变为秋日、冬季、雾景、日落或阴天设定。

物体控制

精确控制编辑颜色和物体,用于你的产品展示。

风格重塑

用任意视觉风格即时重塑你的影像素材。

积木风 赛博朋克 动漫 复古 折纸 水彩 马赛克

草图变活

从静态的黑白线条到生动鲜活的动画——即刻实现。

合作伙伴评价

Grok Imagine API 已在我们的合作伙伴平台以及我们自己的 API 上提供。

“我们很高兴能与 xAI 合作。Grok Imagine API 凭借原生音视频生成功能,提供了卓越的视频质量,兼具照片级真实感、强烈的创意风格以及令人印象深刻的控制力。”

“ComfyUI 团队非常偏爱复古动漫和赛博朋克美学,而 Grok 在这些风格的文生图和图生视频生成方面表现尤为出色。”

“Grok 非常棒,因为它能帮助把最疯狂的想法变为现实。在视频层面,Grok 能精准流畅地呈现提示词所描述的动作,同时也能创造出使用其他模型时在创意上受限的视觉效果。声音和对话的加入进一步让视觉效果活灵活现。”

“Imagine API 擅长快速、高质量的视觉构思。它在捕捉场景级风格、氛围和物理真实感方面尤其出色,非常适合早期的创意探索和快速迭代!”

“我们一直在将 Grok 集成到 HeyGen 的视频智能体中。借助 Grok 最新的视频模型,你可以直接通过提示词编辑来进行快速调整,让我们的用户能在几分钟内迭代剪辑片段,而不是完全听天由命。非常期待 Grok 解锁更多功能。”

立即使用 Grok Imagine API 开始构建!我们提供:

  • 用于无缝集成的 API 和 SDK
  • 快速上手 Grok Imagine 项目的教程
  • 用于视觉创作和实验的托管控制台

来源:xAI:News(网页)· x.ai