全链网音画同频生成速度翻倍
xAI推出GrokImagineVideo1.5模型,实现音画同步生成,单次推理即可完成音效、环境声与对话。生成速度显著提升,轻量版制作6秒720p视频耗时仅约25秒。网页端新增项目管理、多智能体并行及语义搜索功能,大幅提升团队协作与创作效率,优化用户体验。
xAI 正式发布 Grok Imagine Video 1.5,同步支持音视频生成
就在刚刚,xAI 正式推出了图像与文本生成视频模型——Grok Imagine Video 1.5。此次发布并非小范围灰度测试,而是直接在 API(grok-imagine-video-1.5)、网页端(grok.com/imagine)以及移动客户端上全面铺开。从节奏来看,xAI 的动作相当迅速。

音视频一体化同步生成,提升自然度与物理一致性
此次更新最大的亮点在于模型实现了音视频一体化同步生成。简单来说,在单次推理阶段,模型能够同时完成音效、环境声和角色对话的生成,不再像以往那样先输出画面再后期配音。语音清晰度有了明显提升,唇形同步效果也得到优化,整体表现更加自然。与此同时,模型在物理引擎和运动一致性方面进行了针对性改进——镜头拉长后,物体运动的轨迹和物理重量感更加可信,画面扭曲、伪影等常见问题显著减少。在生成速度方面,轻量版 Video 1.5 Fast 生成一段 6 秒 720p 视频,耗时压缩至约 25 秒,这一速度已接近实用门槛。
网页端工作流程升级,新增项目管理与多智能体并行
网页端的工作流程也同步进行了更新:新增了项目管理(Projects)功能,方便用户分类整理素材;支持多智能体并行(Multiple Agents),可同时运行多个提示词以提升效率;媒体库还加入了语义搜索(Search)功能。这些细节上的打磨表明,xAI 不仅着力于提升模型能力,还在尝试让整个创作流程更加顺畅。值得一提的是,数字艺术家 David Thompson 团队已使用 Grok Imagine 1.5 制作了一部完全由 AI 生成的电影预告片《Odyssey》,这算是一次具有代表性的实战检验。
