Grok Imagine 是一个多模态 AI 图像和视频生成工作空间，由 xAI Aurora 提供支持，定位为提供文本、图像、视频和音频参考的电影级内容创作。官方页面将其描述为免费的 AI 图像与视频生成器，用户可以从文本创建图像、为一参考图像制作动画，或根据提示词生成视频。
用途与核心能力 根据官方介绍，Grok Imagine 将图像生成、图像编辑和可控 AI 视频创作整合在同一工作空间中。其主要能力包括：从文本提示词生成电影级视频，具有自然运动、物理感知渲染，最高 2K 分辨率；将静态图像动画化为动态视频，具备 AI 驱动的运动合成和内置音频生成；多模态输入，可上传最多 9 张图像、3 个视频和 3 个音频文件并自由组合；参考任意内容，使用自然语言引用上传内容中的运动、特效、摄像机运动、角色和场景；视频扩展，平滑延长现有视频、合并片段或编辑特定片段并保持连续性；自动生成与视频内容同步的情境感知音效和背景音乐。官方强调其优势包括：在整个视频中保持人脸、服装、文字、场景和视觉风格的高度一致性；通过上传参考视频精确复制复杂编排、摄像机运动和动作序列；多镜头叙事，具有无缝过渡、一致角色和连贯叙事；最高 2K 分辨率输出，适用于社交媒体、营销和商业用途。
使用方式 官方提供的使用步骤为：1）描述你的构想，输入提示词或拖入参考图像，混合文本、照片和剪辑来设定场景、运动和情绪；2）选择视频、图像、放大或扩展，每个模型针对特定外观和节奏进行调整，可随时切换；3）生成并优化，预览、迭代并在数秒内下载，调整提示词或附加更多参考来微调。官方还给出获取最佳结果的建议：小步迭代，每次重新生成只改变一个变量；明确摄像机信息，指明镜头、角度和运动，例如“35mm dolly, low angle, slow push-in”优于“cinematic shot”；锚定光照和时段，柔和的窗户光、黄金时刻、霓虹边缘光——模型更依赖光照线索而非颜色。
支持规格 Grok Imagine 支持四种输入模态：最多 9 张图像、最多 3 个视频（总时长不超过 15 秒）、最多 3 个音频文件以及文本提示词。跨不同模态最多可组合 12 个文件。生成的视频长度为 4 至 15 秒，支持包括 16:9、9:16、4:3、3:4、21:9 和 1:1 在内的多种画幅比例，最高 2K 分辨率。内置音频生成可创建情境感知的音效和背景音乐，也可上传音频使视频内容与特定节拍同步。
定价 官方表示可免费开始，需要更多使用时升级，无隐藏费用。按年计费可节省 40%。页面列出了三档方案信息：面向休闲创作者的方案，年费 155.88 美元，包含商业许可、每年 3,000 积分、解锁全部 20 多个 AI 模型（如 Flux 2、GPT Image、Imagen 4、Seedance 2、Veo 3、Kling 2.1 等）、视频增强与视频扩展，但积分可能不足以支撑重度使用；面向每日生成创作者的方案，年费 233.88 美元，每年 6,000 积分；面向高级用户和工作室的方案，年费 497.88 美元，每年 18,000 积分，并提供优先邮件支持。所有付费方案均包含商业许可，可在广告、客户项目、社交媒体和所售产品中使用创建的图像和视频。
适用场景与限制 适用场景包括：社交媒体、营销和商业用途的视频与图像制作；电商产品视频；多镜头叙事短片；角色一致性要求高的系列内容；需要参考动作或摄像机运动进行复制的创作；以及为 Instagram、TikTok、YouTube 等不同平台生成多种画幅比例的内容。限制方面：视频长度受限于 4 至 15 秒；上传视频总时长不超过 15 秒；跨模态最多组合 12 个文件；免费使用需登录，且免费额度暂未在页面中明确具体数值；重度使用可能超出积分覆盖范围。
关于“40% Limited Sale”等促销信息，官方页面有提及，但具体促销条款和截止时间暂未提供。
以上内容均基于官方页面公开信息整理，未提供的细节保持未提供状态。
