API Grok Imagine Video 1.5
نسخهٔ تازهٔ مدل ویدیویی xAI که فقط از عکس ویدیو می‌سازد و صدای هم‌خوان را همراهش تولید می‌کند؛ برای فروشگاه و تیم محتوایی که آرشیو عکس دارد و از هر عکس، کلیپ کوتاه با‌صدا می‌خواهد.
مشخصات و قیمت API Grok Imagine Video 1.5
- نام مدل در فراخوان
- x-ai-grok-imagine-video-1.5
- نوع
- فقط تبدیل عکس به ویدیو
- مدت ویدیو
- از ۱ تا ۱۵ ثانیه
- کیفیت
- 480p، 720p
- صدا
- همیشه با صدا
- نگهداری فایل
- ۷ روز
| تنظیم | هر ثانیه | ویدیوی ۱ ثانیهای | ویدیوی ۵ ثانیهای | ویدیوی ۱۵ ثانیهای |
|---|---|---|---|---|
| هر ثانیه | ۲۶٬۷۹۶ تومان | ۲۶٬۷۹۶ تومان | ۱۳۳٬۹۸۰ تومان | ۴۰۱٬۹۴۰ تومان |
قیمت‌ها شامل مالیات بر ارزش افزوده‌اند. مبلغ کامل ویدیو هنگام ثبت درخواست از موجودی قفل میشود؛ اگر ساخت موفق شود همان مبلغ کسر میشود و اگر ناموفق باشد، کامل به موجودی برمی‌گردد.
دربارهٔ Grok Imagine Video 1.5
Grok Imagine Video 1.5 مدل تبدیل عکس به ویدیوی xAI است که در خرداد ۱۴۰۵ (ژوئن ۲۰۲۶) به‌طور عمومی در API عرضه شد. تصویر را فریم اول می‌گیرد، طبق توصیفت حرکتش میدهد و صدای هم‌زمان می‌سازد، از صدای محیط تا گفتوگو با هماهنگی لب. اگر «API گراک ایمجین ۱٫۵» یا «API تبدیل عکس به ویدیو» جست‌وجو کرده‌ای، این صفحه همان است.
🔴 بدون عکس شروع کار نمی‌کند
این نسخه فقط تبدیل عکس به ویدیو انجام میدهد. فیلد image در درخواست اجباری است و درخواستی که فقط توصیف متنی دارد، رد میشود. این مهم‌ترین فرقش با Grok Imagine Video نسل اول است که از متن تنها هم ویدیو می‌سازد.
در کنار بقیهٔ مدل‌های ما: Veo 3.1 و Veo 3.1 Fast هم از متن و هم از عکس کار می‌کنند و کلیپ کوتاه‌تری می‌سازند، Runway Gen-4.5 اصلاً صدا ندارد و Wan 3.0 از Alibaba بازهٔ زمانی بلندتر و وضوح 1080p دارد.
از عکس‌هایی که داری ویدیو بساز
بیشترین ارزشش برای کسب‌وکاری است که آرشیو عکس دارد ولی ویدیو ندارد:
- فروشگاه اینترنتی که عکس حرفه‌ای محصول دارد و برای هر کالا ویدیوی کوتاه
با صدا می‌خواهد.
- مشاور املاک یا هتلی که از عکس فضاها، کلیپ متحرک برای آگهی می‌سازد.
- برند غذایی که عکس منو را به ویدیوی کوتاه با صدای آشپزخانه تبدیل
می‌کند.
- تیم محتوایی که عکس یک شخصیت تبلیغاتی را در چند صحنهٔ کوتاه به حرکت
درمی‌آورد.
پارامترهای درخواست
درخواست با POST به /api/v1/ai/videos/ میرود و model برابر x-ai-grok-imagine-video-1.5 است. عکس فریم اول را با نشانی https یا data URL در image بگذار و حرکت را در prompt توصیف کن. طول را بین ۱ تا ۱۵ ثانیه در duration بفرست (پیشفرض ۵ ثانیه است) و وضوح را بین 480p و 720p در resolution. صدا همیشه ساخته میشود و پارامتری برای خاموش‌کردنش نیست.
پاسخ اول کد HTTP 202 و شناسهٔ کار است. هر چند ثانیه /api/v1/ai/videos/<id>/ را بخوان تا وضعیت succeeded شود و videoUrl بیاید. برای ساخت در حجم بالا، تعداد کارهای هم‌زمان را محدود کن و پاسخ 429 را با کمی صبر و تلاش دوباره جواب بده.
قیمت API Grok Imagine Video 1.5 فقط به طول بستگی دارد
تعرفه یک عدد ثابت برای هر ثانیه ویدیوست و برای 480p و 720p فرقی ندارد؛ عددش در جدول بالای صفحه آمده. پس 720p را بی‌دغدغهٔ هزینه انتخاب کن و فقط طول کلیپ را حساب‌شده بخواه.
هنگام ثبت درخواست، هزینهٔ کامل طول درخواستی رزرو میشود. ویدیوی موفق دقیقاً همان مبلغ را کسر می‌کند و ویدیوی شکست‌خورده کل آن را برمی‌گرداند.
صدای فارسی و نوشتهٔ فارسی
هماهنگی لب و گفتوگو در این مدل ویژگی شناخته‌شده‌ای است، ولی برای فارسی رویش حساب نکن. تلفظ و جملهبندی فارسی در صدای ساختهشده قابل پیشبینی نیست. چون صدا را نمی‌شود خاموش کرد، اگر گویندگی فارسی می‌خواهی، در توصیف از گفتوگو چیزی نخواه، گویندگی را جدا ضبط کن و در تدوین جای صدای مدل بگذار.
نوشتهٔ فارسی داخل تصویر هم به‌هم‌ریخته درمیآید؛ متن و زیرنویس را در تدوین اضافه کن. توصیف حرکت را در عمل بهتر است انگلیسی بنویسی.
نگهداری فایل
ویدیو ۷ روز روی سرور ما می‌ماند و بعد پاک میشود و زمانش در expiresAt آمده. فایل را بلافاصله پس از موفقیت از videoUrl دانلود کن؛ این دانلود هم سرآیند Authorization با کلید API را می‌خواهد، پس نشانی ما در صفحهٔ محصول یا آگهی کار نمی‌کند.
کجا Grok Imagine Video 1.5 انتخاب اشتباهی است
اگر ایده‌ات فقط یک توصیف متنی است و عکسی برای شروع نداری، این مدل درخواستت را نمی‌پذیرد؛ Grok Imagine Video نسل اول یا Veo 3.1 از متن تنها ویدیو می‌سازند. اگر وضوح 1080p لازم داری، این مدل از 720p بالاتر نمی‌رود و Veo 3.1 یا Wan 3.0 را باید دید. و اگر ویدیو باید بی‌صدا باشد و نمی‌خواهی برای صدایی که دور می‌ریزی بپردازی، Runway Gen-4.5 بی‌صدا می‌سازد.
کاربردهای API Grok Imagine Video 1.5
- ویدیوی محصول از عکس موجودعکس حرفه‌ای هر کالا را فریم اول می‌گیرد و کلیپ کوتاه با صدای هم‌خوان می‌سازد، بی‌آنکه برای هر محصول فیلم‌برداری لازم شود.
- آگهی متحرک املاک و هتلعکس فضاها را به کلیپ با حرکت دوربین آرام تبدیل می‌کند تا آگهی به‌جای عکس ثابت، حس حضور در فضا را بدهد.
- جان‌دادن به شخصیت تبلیغاتیعکس یک شخصیت یا طراحی برند را در چند صحنهٔ کوتاه به حرکت درمی‌آورد و صدای محیط هم‌خوان را در همان فراخوان می‌سازد.
اتصال به API Grok Imagine Video 1.5
ساخت ویدیو ناهمگام است: درخواست، شناسهٔ کار را برمی‌گرداند و نه خود ویدیو. وضعیت را هر چند ثانیه با همان شناسه بپرسید تا succeeded شود و نشانی فایل (videoUrl) بیاید. دریافت فایل هم همان کلید API را می‌خواهد. این مدل فقط از عکس می‌سازد: نشانی https یا data URL تصویر آغازین در فیلد image لازم است.
# ۱. ثبت کار
curl -X POST 'https://melliapi.net/api/v1/ai/videos/' \
-H 'Authorization: Bearer melli_live_…' \
-H 'Content-Type: application/json' \
-d '{
"model": "x-ai-grok-imagine-video-1.5",
"prompt": "A slow cinematic drone shot over the Persian Gulf at sunset",
"duration": 5,
"resolution": "720p",
"image": "https://example.com/product.jpg"
}'
# → { "ok": true, "id": "vid_…", "status": "processing", … }
# ۲. پیگیری تا پایان
curl 'https://melliapi.net/api/v1/ai/videos/vid_…/' -H 'Authorization: Bearer melli_live_…'
# ۳. دریافت فایل
curl -L -o video.mp4 'https://melliapi.net/api/v1/ai/videos/vid_…/content/' \
-H 'Authorization: Bearer melli_live_…'import time, requests
API = "https://melliapi.net/api/v1/ai/videos/"
HEADERS = {"Authorization": "Bearer melli_live_…"}
job = requests.post(API, headers=HEADERS, json={"model":"x-ai-grok-imagine-video-1.5","prompt":"A slow cinematic drone shot over the Persian Gulf at sunset","duration":5,"resolution":"720p","image":"https://example.com/product.jpg"}).json()
while job["status"] == "processing":
time.sleep(5)
job = requests.get(API + job["id"] + "/", headers=HEADERS).json()
if job["status"] == "succeeded":
video = requests.get(job["videoUrl"], headers=HEADERS)
open("video.mp4", "wb").write(video.content)
else:
print(job["error"])کدهای خطا و جزئیات صورتحساب در مستندات API هوش مصنوعی آمده است.
مدل‌های دیگر xAI Grok
پرسش‌های متداول
آیا API گراک ایمجین ۱٫۵ از ایران قابل خرید است؟
بله. حساب را در پنل ما با پرداخت ریالی شارژ میکنید و درخواست از سرور شما به سرور ما و از آنجا به xAI میرود. نه VPN لازم است و نه کارت بینالمللی؛ هزینهٔ هر ویدیو هنگام ثبت درخواست از همان موجودی رزرو میشود.
بدون عکس هم میشود با Grok Imagine Video 1.5 ویدیو ساخت؟
نه. این نسخه فقط تبدیل عکس به ویدیو انجام میدهد و فیلد image در درخواست اجباری است؛ درخواست بدون عکس رد میشود. برای ساخت ویدیو از توصیف متنی تنها، Grok Imagine Video نسل اول یا Veo 3.1 را به کار ببرید.
گفتوگوی فارسی داخل ویدیو درست درمیآید؟
روی آن حساب نکنید. هماهنگی لب و گفتوگو در این مدل وجود دارد، ولی تلفظ و جملهبندی فارسی در صدای ساختهشده قابل پیشبینی نیست. صدا همیشه ساخته میشود؛ گویندگی فارسی را جدا ضبط کنید و در تدوین جای صدای مدل بگذارید.
ویدیوی Grok Imagine Video 1.5 چه طول و وضوحی دارد؟
طول بین ۱ تا ۱۵ ثانیه است و پیشفرض ۵ ثانیه. وضوح را بین 480p و 720p انتخاب میکنید و تعرفهٔ ثانیهای برای هر دو یکی است، پس هزینه فقط به طول بستگی دارد. وضوح 1080p در این مدل نیست.
اگر ساخت ویدیو شکست بخورد چه میشود؟
کل مبلغی که هنگام ثبت درخواست برای طول درخواستی رزرو شده بود، به موجودی برمی‌گردد. هزینه فقط برای ویدیوی موفق کسر میشود و دقیقاً همان مبلغ رزروشده است، نه بیشتر. علت شکست در error.code و error.message پاسخ وضعیت می‌آید.