xAI今天对其视频生成模型 Imagine Video 1.5 进行了重要更新。此次升级不仅将输出分辨率提升至原生 1080p，还引入了强大的角色参考和语音一致性功能，让创作者能够更精准地控制视频中的人物形象、场景细节以及声音表现。
- 官方介绍：https://x.ai/news/grok-imagine-video-1-5-references
对于希望制作连贯叙事视频或保持品牌一致性的用户来说，这些新功能解决了以往 AI 视频生成中“人物长相变来变去”和“声音无法匹配”的核心痛点。
核心新功能解读
1. 原生 1080p 输出
此前，许多 AI 视频工具生成的画面分辨率有限，后期往往需要借助第三方工具进行放大，这可能会导致画质损失或细节模糊。Imagine Video 1.5 现在支持原生 1080p 输出，无论是通过文本生成视频（Text-to-Video）还是基于图像生成视频（Image-to-Video），都能直接获得高清素材。这一功能已在 Grok Imagine 的网页端、iOS 和 Android 应用上全面可用。
2. 最多七张图像参考
新的多参考功能允许用户在一次生成中上传最多七张图像作为视觉锚点。这意味着你可以分别指定：
- 角色面部：确保主角长相一致。
- 特定产品：保持商品外观不变。
- 场景环境：固定背景风格或地点。
这种细粒度的控制让创作者可以灵活组合元素：比如更换场景但保留角色，或者更换角色但保留背景。相比单一参考图，多参考极大地提升了生成的可控性。
3. 语音一致性
这是此次更新的一大亮点。当用户同时提供角色图像和语音样本时，模型能够在不同的视频片段中保持相同的面部特征和声音。这对于制作系列短片、虚拟主播内容或需要重复出现同一角色的叙事视频至关重要，无需每次重新调整身份线索。
4. 纯提示生成
除了基于图像的引导，模型现在也强化了纯文本提示生成视频的能力。用户只需通过文字描述镜头语言、动作和氛围，即可直接生成高质量视频，降低了使用门槛。
如何获取与使用？
目前，图像和语音参考功能首先面向美国的 SuperGrok Heavy 和 SuperGrok Plus 订阅者推出，可通过 Grok 的 Imagine 网站和 iOS 应用体验。xAI 表示，这些功能将在未来几天内扩展到所有订阅层级。
对于开发者而言，可以通过 xAI API 调用 grok-imagine-video-1.5 模型来使用图像参考、文本转视频和原生 1080p 功能。需要注意的是，语音参考功能目前需要通过向 xAI 提出单独请求才能开通 API 访问权限。
API 调用示例通常包含以下参数：
- 提示词（Prompt）
- 参考图像 URL
- 视频时长
- 宽高比
- 分辨率（支持 1080p）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
