SpaceXAI 于 2026 年 6 月宣布 Imagine Video 1.5 正式进入 Imagine API，并在 grok.com/imagine 与 App 推出 Video 1.5 Fast。官方重点改进了运动、物理效果、声音和生成速度。
一、Imagine Video 1.5 的当前定位
图生视频
提供起始图片，再描述运动、镜头、气氛和声音。
声音同步
音效、环境音和对白可随画面动作在同一次生成中完成。
运动与物理
官方称 1.5 减少形变，并改善重量感、动量和运动连续性。
速度
官方演示中，Fast 生成 6 秒 720p 视频约需 25 秒；实际时间受服务状态影响。
模型区别：官方 1.5 页面介绍的是给定起始图片的图生视频模型，API 名称为
grok-imagine-video-1.5。其他 Imagine 视频模型是否支持文生视频，以当前模型页为准。二、最稳妥的五步工作流
01
准备首帧
主体清晰、结构正确、边缘完整，并为预期运动留出画面空间。
02
先写一个主要动作
第一版只保留一个镜头运动和一个主体动作，避免多种动作互相竞争。
03
补环境变化
增加风、粒子、烟雾、灯光或水面变化，但不要掩盖主体。
04
描述节奏与声音
写明缓慢、突然或匀速，并说明环境音、音效或对白的触发时点。
05
检查后再加复杂度
主体稳定后，再尝试更长时间、更大镜头运动或多段动作。
三、视频提示词的六个组成部分
- 镜头：推进、拉远、横移、环绕、固定或手持感。
- 主体动作：人物、产品、服装和可动部件如何变化。
- 环境动作：风、光、烟、粒子、水和背景人群。
- 节奏：慢速、匀速、突然启动或在第几秒发生。
- 声音：环境音、音效、对白内容和同步要求。
- 保持项：结构、文字、人物身份、颜色和光线一致性。
产品视频示例：
镜头缓慢推进并轻微向右环绕，设备边缘灯带从左到右依次点亮；背景只有少量蓝色粒子缓慢上升，保持产品形状、包装文字和材质完全稳定；节奏克制，6 秒；加入轻微电子启动音和安静的室内环境声。
镜头缓慢推进并轻微向右环绕，设备边缘灯带从左到右依次点亮；背景只有少量蓝色粒子缓慢上升，保持产品形状、包装文字和材质完全稳定；节奏克制，6 秒；加入轻微电子启动音和安静的室内环境声。
人物镜头示例：
固定中景，人物抬头看向窗外并自然眨眼，头发被微风轻轻吹动；窗外光线缓慢变暖，保持面部身份、服装纹理和手部稳定；8 秒，只有远处城市环境声，不添加对白。
固定中景，人物抬头看向窗外并自然眨眼，头发被微风轻轻吹动；窗外光线缓慢变暖，保持面部身份、服装纹理和手部稳定；8 秒，只有远处城市环境声，不添加对白。
四、如何减少主体形变和画面跳动
- 首帧不要有被裁掉的手脚、产品边角或文字；
- 避免同时要求快速旋转、剧烈位移和大幅镜头运动；
- 明确“保持主体结构、颜色、文字和身份稳定”；
- 产品展示优先使用缓慢推进、轻微环绕或固定镜头；
- 出现局部错误时，减少动作变量，而不是继续堆否定词；
- 先制作短镜头，再把多个稳定镜头剪辑成完整视频。
真实边界：即使 1.5 改善了物理与运动，复杂手部、细小文字、快速遮挡和连续身份仍可能出错，正式用途应逐帧检查。
五、用多个短镜头组成连续故事
官方 1.5 预览建议先设计每个画面，再逐个动画化并串联。连续镜头的关键不是每条提示词完全相同，而是固定视觉“圣经”。
| 固定项 | 示例 |
|---|---|
| 角色 | 年龄、发型、服装、标志性配饰 |
| 场景 | 地点、时间、主光方向、天气 |
| 色彩 | 主色、对比度、饱和度和胶片感 |
| 镜头语言 | 焦段、景深、运动速度和画面比例 |
| 声音 | 环境底噪、音乐风格和对白音色 |
每个镜头只描述新增动作，同时重复最关键的身份和材质约束。剪辑时使用动作匹配、声音延续或相似构图连接镜头。
六、输出后的检查清单
主体身份
人物面部、产品结构是否持续一致。
文字标识
是否扭曲、闪烁或凭空改变。
运动物理
速度、重量、接触和惯性是否合理。
镜头连续
是否存在突然跳位、焦点漂移或无意缩放。
声音同步
音效和对白是否与动作对齐。
版权与隐私
确认参考素材和人物使用权。