xAI的Imagine Video 1.5更智能：新增参考工具和1080p

xAI刚刚对其视频生成模型Imagine Video 1.5进行了重大升级。新版本带来了一系列功能，将AI视频创作推向更接近专业电影制作的水平：图像参考、语音参考、文本转视频生成以及原生1080p输出。如果你一直在为保持角色跨镜头一致性或精确控制场景而苦恼，这次更新可能会成为你的新宠。

目前，文本转视频和1080p生成已在Grok Imagine网页版、iOS和Android应用上上线。图像和语音参考功能最初面向美国的SuperGrok Heavy和SuperGrok Plus用户推出，稍后将进行更广泛的发布。所以，如果你不在该群体中，请耐心等待——它即将到来。

那么，这对创作者意味着什么？想象一下，输入描述就能得到视频，或者上传参考图像来锁定角色的外观、产品的设计或特定场景。更酷的是，你可以将角色图像与语音样本结合，AI将在不同镜头中保持相同的面部和声音。xAI表示，Imagine Video 1.5每次生成最多可处理七个视觉参考，这有助于确定面部特征、产品细节或环境元素。这提供了很大的控制力。

在多参考模式下，你可以更换背景而保持角色不变，更换角色而保留场景，或者只调整动作而其他一切保持不变。语音参考功能解决了AI视频中的一个常见难题：保持角色声音的一致性。现在，同一个角色可以在多个片段中保持相同的声音，这对讲故事来说是一个改变游戏规则的功能。

对于开发者，xAI API现在通过grok-imagine-video-1.5模型支持图像参考、文本转视频和原生1080p生成。你可以传递提示词、参考图像URL、视频时长、宽高比和分辨率等参数。语音参考功能需要通过请求方法进行集成，因此需要进行一些技术设置，但该功能是可用的。

Imagine Video 1.5最初于上个月推出，xAI已经优化了运动、物理模拟和音频生成。此次升级进一步增强了身份、场景和产品细节的控制。这清楚地表明，AI视频正在从简单的图像过渡转变为更接近专业制作流程的多模态工具。

无论你是内容创作者、营销人员，还是只是对AI的创造潜力感到好奇的人，这次更新都值得探索。在1080p分辨率下保持一致性和控制的能力，为从短片到产品演示的各种应用开辟了新的可能性。而且通过API访问，开发者可以将这些功能集成到自己的应用中，使AI视频生成比以往任何时候都更容易获得。

关键要点

• 新功能：图像参考、语音参考、文本转视频和原生1080p输出。
• 可用性：文本转视频和1080p在Grok Imagine应用上可用；参考功能面向美国的SuperGrok用户。
• 多参考：最多七个视觉参考，用于精确控制角色、场景和产品。
• 语音一致性：结合角色图像和语音样本，实现稳定的语音表现。
• 开发者访问：API通过grok-imagine-video-1.5支持图像参考、文本转视频和1080p生成。