Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Endpoint /v1/videos/generations: Vaše první video

Lekce 1 z 12 Aktualizováno 3. listopadu 2026 Mírně pokročilý
Na této stránce
  1. Generování videa z textu
  2. Struktura požadavku
  3. První end-to-end volání
  4. Zvuk ve výchozím nastavení
  5. Klíčové poznatky

Aktualizováno 3. listopadu 2026 na základě dokumentace xAI pro video: k dispozici jsou tři video modely (grok-imagine-video-1.5, jeho -lite verze a grok-imagine-video), rozlišení dosahuje až 1080p u modelů 1.5, videa mají ve výchozím nastavení zvukovou stopu (generate_audio), limity rychlosti se počítají v požadavcích za sekundu a parametr size prezentovaný starou verzí se v referenci API neobjevuje. Zdroje: Generování videa · Ceník.

Generování videa z textu

API xAI poskytuje vyhrazený endpoint pro video, POST /v1/videos/generations, který převádí písemný popis na animovanou sekvenci pomocí jednoho ze tří modelů Grok Imagine Video. Představ si to jako studio na požádání: popíšeš scénu, model ji uvede do pohybu a ty získáš soubor MP4 připravený k úpravám. Propagační klipy, vizualizace konceptů, ilustrační animace – všechny tyto případy použití procházejí tímto stejným endpointem, takže si ho nejprve rozebereme.

Příklad výše ti dá představu o očekávaném výstupu. Než napíšeš svou první žádost, měj na paměti čtyři hranice, které rámují vše, co s těmito modely vytvoříš.

1–15 s
Délka videa
1080p
Maximální rozlišení
od 0,02 $
Za vygenerovanou sekundu
9
Dostupné poměry stran

Struktura požadavku

Tělo požadavku je objekt JSON uklidňující jednoduchosti. Deklaruješ model, napíšeš svůj prompt a výsledek zarámuješ třemi parametry formátování.

{
  "model": "grok-imagine-video",
  "prompt": "A dolphin jumping in a sunset",
  "duration": 5,
  "aspect_ratio": "16:9",
  "resolution": "720p"
}

Zde je přesný význam každého pole:

  • model: grok-imagine-video-1.5 (nejnovější), jeho ekonomická verze grok-imagine-video-1.5-lite (doporučená xAI pro jednoduchá videa) nebo grok-imagine-video (předchozí generace, stále používaná v příkladech tohoto kurzu)
  • prompt: tvůj textový popis požadované scény
  • duration: délka v sekundách, mezi 1 a 15 (ve výchozím nastavení 8)
  • aspect_ratio: poměr stran obrazu (ve výchozím nastavení 16:9, dále 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2)
  • resolution: 480p (výchozí), 720p nebo 1080p – poslední zmíněné je nativně vykreslováno modelem grok-imagine-video-1.5 při převodu text-na-video i obraz-na-video, u verze -lite je získáno převzorkováním z 720p a u modelu grok-imagine-video chybí, protože tento model končí u 720p

Dva body si zaslouží okamžité zdůraznění. Model grok-imagine-video stojí 0,050 $ za sekundu vygenerovaného videa (0,08 $ za grok-imagine-video-1.5, 0,02 $ za jeho -lite verzi, platné k 3. listopadu 2026): pětisekundová sekvence tě tedy u prvního modelu stojí 0,25 $, bez ohledu na to, kolik pokusů k tomu vedlo. A limit rychlosti se počítá v požadavcích za sekundu v závislosti na úrovni tvého týmu: 10 u vstupní úrovně pro video modely, což je pohodlná rezerva pro běžné použití, která se stává omezením při spouštění masivních dávek.

Nejdůležitější však je, že generování je asynchronní. Tvůj volání POST nevrací video: vrací request_id a je pak jen na tobě, abys zjišťoval stav (polling), dokud není soubor připraven. Tento mechanismus zjišťování stavu je předmětem celé lekce později v kurzu; prozatím si jen pamatuj, že okamžitá odpověď je potvrzením přijetí, nikoli výsledkem.

První end-to-end volání

Pojďme přejít k praxi s nástrojem curl. Následující požadavek objednává pětisekundovou sekvenci v rozlišení 720p a formátu na šířku.

curl -X POST "https://api.x.ai/v1/videos/generations" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-video",
    "prompt": "A cat playing with a ball of yarn in a bright living room",
    "duration": 5,
    "aspect_ratio": "16:9",
    "resolution": "720p"
  }'

Odpověď se vejde na jeden řádek:

{
  "request_id": "vid_abc123def456"
}

Tento identifikátor pečlivě uschovej. Je to tvá jediná cesta, jak video po dokončení generování získat, a aplikace, která jej ztratí, zaplatila za generování, které nikdy nezíská zpět. V reálné službě jej zaznamenáš do logu ještě před zahájením zjišťování stavu.

Zvuk ve výchozím nastavení

Vygenerované video obsahuje ve výchozím nastavení zvukovou stopu – u modelů grok-imagine-video-1.5 a jeho -lite verze včetně řeči synchronizované s pohybem rtů. Pro tiché video, určené například jako pozadí webu nebo pro úpravy, kde přidáš vlastní hudbu, přidej do požadavku "generate_audio": false.

Pro zarámování výstupu však API zná pouze poměr stran (aspect_ratio) a rozlišení (resolution): reference API neobsahuje žádný parametr pro velikost v pixelech. U převodu obraz-na-video vždy výstupní poměr stran odpovídá poměru zdrojového obrazu.

Klíčové poznatky

  • Endpoint je POST /v1/videos/generations, využívající modely grok-imagine-video-1.5, jeho -lite verzi nebo grok-imagine-video
  • Délka se pohybuje od 1 do 15 sekund (ve výchozím nastavení 8), rozlišení od 480p do 1080p (maximálně 720p u grok-imagine-video)
  • Cena se počítá za vygenerovanou sekundu: 0,020 $ (-lite), 0,050 $ (grok-imagine-video) nebo 0,080 $ (grok-imagine-video-1.5)
  • Generování je asynchronní: obdržíš request_id, který následně dotazuješ
  • K dispozici je devět poměrů stran pro přizpůsobení všem formátům
  • Zvuková stopa je generována ve výchozím nastavení; "generate_audio": false vytvoří tiché video