xAI 文档列出 Grok Imagine 1.5 文本生成视频接口

截至2026年9月2日，xAI开发者文档将grok-imagine-video-1.5列为Grok API的视频生成模型，并说明开发者可通过文本提示生成视频。文档把时长、宽高比和分辨率列为可配置参数，快速入门示例展示了10秒、16:9和720p的请求设置。

官方文档称，该模型的文本生成视频能力支持原生1080p。其内部流程会先依据提示词生成首帧，再把首帧转为视频；开发者仍只需提交一次文本生成视频请求，过程中产生的中间图像不会返回。这一说明同时界定了接口对外呈现的调用方式和模型内部的处理步骤。

视频生成采用异步流程。调用方首先向“/v1/videos/generations”端点提交模型、提示词及相关参数，服务返回request_id；随后再使用该标识查询任务状态，直至视频完成。文档示例中的REST调用会持续检查状态，并在任务完成后读取视频地址；如果任务失败或过期，则结束轮询。

使用xAI SDK时，generate()和extend()方法可代为提交请求、轮询状态并返回完成的视频结果，开发者无需自行管理request_id。对于运行时间较长的任务，文档还列出了超时和轮询间隔设置；需要更完整控制生成生命周期的开发者，也可以选择手动处理轮询。

xAI表示，一次视频生成通常可能需要数分钟，具体时间会受到提示词复杂度、视频时长、输出分辨率和任务类型影响。较长的视频、较高的分辨率以及对既有视频进行编辑，都可能增加处理时间。这里描述的是任务处理特征，并非固定的完成时限。

除文本生成视频外，文档还把视频能力分为多个工作流：图像转视频用于让静态图像产生动态效果，视频编辑用于修改已有视频，参考图生成视频可使用一张或多张参考图引导结果，视频延展则从已有视频的最后一帧继续生成。

该视频生成页面未说明服务定价、地区范围或实际使用规模。就当前文档列出的能力而言，Grok Imagine 1.5已经具备面向软件流程的API调用方式，并允许开发者在请求参数、异步状态管理和不同视频工作流之间进行选择。