Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Endpoint /v1/videos/generations: Ihr erstes Video

Lektion 1 von 12 Aktualisiert am 3. November 2026 Mittelstufe
Auf dieser Seite
  1. Video aus Text generieren
  2. Anforderungsstruktur
  3. Ein erster End-to-End-Aufruf
  4. Audio, standardmäßig
  5. Kernaussagen

Aktualisiert am 3. November 2026 basierend auf der xAI-Video-Dokumentation: Es stehen drei Videomodelle zur Verfügung (grok-imagine-video-1.5, die -lite-Version davon und grok-imagine-video). Die Auflösung geht bei den 1.5-Modellen bis zu 1080p. Videos verfügen standardmäßig über einen Audio-Track (generate_audio). Die Rate Limits werden in Anfragen pro Sekunde gezählt. Der Parameter size, der in der alten Version vorgestellt wurde, taucht in der API-Referenz nicht mehr auf. Quellen: Video-Generierung · Preise.

Video aus Text generieren

Die API von xAI stellt einen dedizierten Video-Endpunkt bereit, POST /v1/videos/generations, der eine schriftliche Beschreibung in eine animierte Sequenz verwandelt, indem eines der drei Grok Imagine Video-Modelle verwendet wird. Betrachten Sie dies als ein Studio auf Abruf: Sie beschreiben eine Szene, das Modell bringt sie zur Bewegung, und Sie erhalten eine MP4-Datei, die sofort bearbeitet werden kann. Werbespots, Konzeptvisualisierungen, illustrierende Animationen – all diese Anwendungsfälle laufen über denselben Endpunkt, daher analysieren wir ihn im ersten Schritt.

Das obige Beispiel gibt Ihnen einen Eindruck vom erwarteten Ergebnis. Bevor Sie Ihre erste Anfrage verfassen, sollten Sie die vier Grenzen im Hinterkopf behalten, die alles, was Sie mit diesen Modellen produzieren, rahmen.

1–15 s
Dauer pro Video
1080p
Maximale Auflösung
ab 0,02 $
Pro generierter Sekunde
9
Verfügbare Formate

Anforderungsstruktur

Der Anforderungs-Body ist ein JSON-Objekt von beruhigender Einfachheit. Sie deklarieren das Modell, schreiben Ihren Prompt und rahmen das Ergebnis mit drei Formatierungsparametern ein.

{
  "model": "grok-imagine-video",
  "prompt": "Ein Delfin, der bei Sonnenuntergang springt",
  "duration": 5,
  "aspect_ratio": "16:9",
  "resolution": "720p"
}

Hier ist die genaue Bedeutung jedes Feldes:

  • model: grok-imagine-video-1.5, das neueste Modell, seine kostengünstige Version grok-imagine-video-1.5-lite, die von xAI für einfache Videos empfohlen wird, oder grok-imagine-video, die vorherige Generation, die in den Beispielen dieses Kurses weiterhin verwendet wird
  • prompt: Ihre textliche Beschreibung der gewünschten Szene
  • duration: Dauer in Sekunden, zwischen 1 und 15 (Standardwert 8)
  • aspect_ratio: Bildformat (Standardwert 16:9, weitere Optionen: 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2)
  • resolution: 480p (Standardwert), 720p oder 1080p – letztere wird von grok-imagine-video-1.5 in Text-zu-Video- und Bild-zu-Video-Anwendungen nativ gerendert, bei der -lite-Version durch Upsampling von 720p erzielt und bei grok-imagine-video nicht verfügbar, das bei 720p stoppt

Zwei Punkte verdienen hier besondere Betonung. Das Modell grok-imagine-video kostet 0,050 $ pro Sekunde generierten Videos (0,080 $ für grok-imagine-video-1.5, 0,020 $ für die -lite-Version, Stand 3. November 2026): Eine fünf-Sekunden-Sequenz kostet Sie also mit dem ersten Modell 0,25 $, unabhängig davon, wie viele Versuche Sie benötigt haben, um dorthin zu gelangen. Und das Rate Limit wird in Anfragen pro Sekunde gezählt, abhängig vom Tarif Ihres Teams: 10 Anfragen pro Sekunde im Einstiegs-Tarif für Videomodelle, ein komfortabler Puffer für den normalen Einsatz, der jedoch zur Einschränkung wird, wenn Sie massive Batches starten.

Wichtigsten: Die Generierung ist asynchron. Ihre POST-Anfrage gibt kein Video zurück: Sie erhalten eine request_id, und es liegt nun an Ihnen, den Status abzufragen, bis die Datei bereit ist. Dieser Abfrage-Mechanismus ist Gegenstand einer vollständigen Lektion später im Kurs; denken Sie für jetzt nur daran, dass die sofortige Antwort eine Bestätigung ist, kein Ergebnis.

Ein erster End-to-End-Aufruf

Lassen Sie uns nun die Praxis mit curl betreiben. Die folgende Anfrage bestellt eine fünf-Sekunden-Sequenz im 720p-Format im Querformat.

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": "Eine Katze, die mit einem Wollknäuel in einem hellen Wohnzimmer spielt",
    "duration": 5,
    "aspect_ratio": "16:9",
    "resolution": "720p"
  }'

Die Antwort passt auf eine Zeile:

{
  "request_id": "vid_abc123def456"
}

Bewahren Sie diese Kennung sicher auf. Sie ist der einzige Weg, das Video abzurufen, sobald die Generierung abgeschlossen ist, und eine Anwendung, die sie verliert, hat für eine Generierung bezahlt, die sie niemals abrufen kann. In einem echten Dienst protokollieren Sie sie, noch bevor Sie mit der Abfrage beginnen.

Audio, standardmäßig

Ein generiertes Video enthält standardmäßig einen Audio-Track – bei grok-imagine-video-1.5 und seiner -lite-Version mit Synchronisation der Sprache zum Lippenbewegung. Für ein stummes Video, das beispielsweise als Hintergrund für eine Website oder zum Bearbeiten vorgesehen ist, bei dem Sie Ihre eigene Musik hinzufügen werden, fügen Sie "generate_audio": false zur Anfrage hinzu.

Um das Ausgabeformat jedoch zu bestimmen, kennt die API nur das Verhältnis (aspect_ratio) und die Definition (resolution): Die API-Referenz bietet keinen Parameter für die Pixelgröße. Bei Bild-zu-Video folgt das Ausgabeformat immer dem des Quellbildes.

Kernaussagen

  • Der Endpunkt ist POST /v1/videos/generations mit grok-imagine-video-1.5, seiner -lite-Version oder grok-imagine-video
  • Die Dauer reicht von 1 bis 15 Sekunden (Standardwert 8), die Auflösung von 480p bis 1080p (maximal 720p mit grok-imagine-video)
  • Die Preisberechnung erfolgt pro generierter Sekunde: 0,020 $ (-lite), 0,050 $ (grok-imagine-video) oder 0,080 $ (grok-imagine-video-1.5)
  • Die Generierung ist asynchron: Sie erhalten eine request_id, um danach abzufragen
  • Neun Bildformate stehen zur Verfügung, um sich an alle Formate anzupassen
  • Ein Audio-Track wird standardmäßig generiert; "generate_audio": false ergibt ein stummes Video