xAI 于 6 月 16 日宣布，Grok Imagine Video 1.5 结束预览阶段，正式在 Imagine API 上线，同时在 grok.com/imagine 及 iOS/Android 应用推出 1.5 Fast 版本。该模型支持从单张图片生成视频，强调更好运动连贯性、物理模拟和原生同步音频（含唇同步对话、音效与音乐），分辨率最高 720p，速度更快。官方称这是目前“最佳图像转视频模型”。[[1]](https://x.ai/news/grok-imagine-video-1-5)
此前版本 1.5 Preview 已于 5 月底上线，此次升级聚焦生产力工具与工作流增强，开发者可通过 API 指定起始图像、运动描述、时长与分辨率。xAI 同时在官网首页置顶该更新，显示其对多模态能力的持续投入。
在 AI 视频生成赛道，xAI 此举直接强化了与 Google Veo 等模型的竞争。相比仅生成画面再后期配音的传统方案，原生音频集成降低了创作门槛，可能加速企业与创作者采用。尤其在 API 定价与速度优势下，xAI 正试图在 OpenAI、Anthropic 等文本/推理主导之外，抢占多模态落地份额。
这一发布标志 xAI 从聊天机器人向完整多模态平台转型的加速。接下来值得观察的是 API 调用量增长与实际商业案例落地，若 720p 同步音频能力被广泛验证，将进一步巩固其在视频生成工具链中的位置。
信源：https://x.ai/news/grok-imagine-video-1-5