价格

Grok Imagine 是 xAI 推出的多模态 AI 生成模型，支持图片、视频、音频和文本输入。你可以通过自然语言描述来引用动作、特效、镜头、人物、场景和声音。

支持四类输入：最多 9 张图片、最多 3 段视频（总时长不超过 15 秒）、最多 3 段音频，以及文字提示。不同模态可组合使用，总文件数最多 12 个。

Grok Imagine 可生成 4 到 15 秒的视频，支持 16:9、9:16、4:3、3:4、21:9 和 1:1 等比例，最高可达 2K 分辨率。

会。Grok Imagine 内置音频生成能力，可根据画面自动生成环境音与背景音乐，你也可以上传音频让视频节奏更贴合已有音乐或节拍。

没有。Grok Imagine 生成的视频均为无水印输出，可直接下载并用于发布或商业使用。