Grok Imagine Video 1.5 图生视频 ComfyUI 官方示例

Grok Imagine Video 1.5 合作伙伴节点可从单张图像输入生成带原生音频的高质量视频。该节点由 xAI 最新的 Grok 模型驱动，可生成与音频同步的逼真运动，最高支持 1080p 分辨率。 该节点支持两种模型变体，可通过其 model 参数进行选择：

• grok-imagine-video：上一代模型，支持可选的图像输入
• grok-imagine-video-1.5：最新模型，必须提供输入图像，支持 1080p 输出

两种变体均生成原生音频：音效、环境音和对话在同一生成过程中合成，无需额外的音频管线。视频时长范围为 1 到 15 秒。

​

Grok Imagine Video 1.5 的优势

• 图生视频生成：从单张输入图像生成高质量视频
• 原生音频：音效、环境音和对话在同一生成过程中合成，无需额外的音频管线
• 逼真的运动：运动与已生成的音频保持同步
• 最高 1080p 输出：1.5 模型支持 1080p 分辨率
• 灵活的时长：视频长度从 1 秒到 15 秒

​

在 ComfyUI 中使用