Endpoint /v1/videos/generations: Din första video
På denna sida
Uppdaterat den 3 november 2026 baserat på xAI:s videodokumentation: tre videomodeller är tillgängliga (
grok-imagine-video-1.5, dess-lite-version ochgrok-imagine-video), upplösningen går upp till 1080p på 1.5-modellerna, videor har ett ljudspår som standard (generate_audio), hastighetsbegränsningar räknas i förfrågningar per sekund, och parameternsizesom fanns i den gamla versionen förekommer inte i API-referensen. Källor: Videogenerering · Prissättning.
Generera en video från text
xAI:s API exponerar en dedikerad videoendpoint, POST /v1/videos/generations, som omvandlar en skriven beskrivning till en animerad sekvens med hjälp av en av de tre Grok Imagine Video-modellerna. Tänk på det som en studio on demand: du beskriver en scen, modellen sätter den i rörelse och du hämtar en MP4-fil redo för redigering. Reklamklipp, konceptvisualiseringar, illustrativa animationer – alla dessa användningsfall går genom samma endpoint, så vi börjar med att dissekera den.
Exemplet ovan ger dig en uppfattning om det förväntade resultatet. Innan du skriver din första förfrågan bör du hålla de fyra gränserna i åtanke som ramar in allt du producerar med dessa modeller.
Struktur för förfrågan
Brödtexten i förfrågan är ett JSON-objekt av lugnande enkelhet. Du anger modellen, skriver din prompt och ramar in resultatet med tre formateringsparametrar.
{
"model": "grok-imagine-video",
"prompt": "A dolphin jumping in a sunset",
"duration": 5,
"aspect_ratio": "16:9",
"resolution": "720p"
}
Här är den exakta betydelsen av varje fält:
- model:
grok-imagine-video-1.5, den nyaste, dess ekonomiversiongrok-imagine-video-1.5-lite, som rekommenderas av xAI för enkla videor, ellergrok-imagine-video, den tidigare generationen som fortfarande används i exemplen i denna kurs - prompt: din textbeskrivning av den önskade scenen
- duration: längd i sekunder, mellan 1 och 15 (8 som standard)
- aspect_ratio: bildförhållande (16:9 som standard, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2)
- resolution:
480p(standard),720peller1080p– det senare renderas nativt avgrok-imagine-video-1.5i text-till-video och bild-till-video, erhålls genom uppskalning från 720p på-lite-versionen, och saknas hosgrok-imagine-videosom stannar vid 720p
Två punkter förtjänar att betonas redan nu. Modellen grok-imagine-video kostar 0,050 USD per sekund genererad video (0,08 USD för grok-imagine-video-1.5, 0,02 USD för dess -lite-version, per den 3 november 2026): en femsekunderssekvens kostar dig alltså 0,25 USD med den första, oavsett hur många försök det tog att komma dit. Dessutom räknas hastighetsbegränsningen i förfrågningar per sekund, beroende på ditt teams nivå: 10 på ingångsnivån för videomodeller, vilket är en bekväm marginal för normal användning, men blir en begränsning när du lanserar massiva batchar.
Viktigast av allt är att genereringen är asynkron. Din POST-anrop returnerar inte en video: den returnerar ett request_id, och det är sedan upp till dig att polla status tills filen är klar. Denna pollningsmekanism är ämnet för en hel lektion senare i kursen; för nu ska du bara komma ihåg att det omedelbara svaret är en bekräftelse, inte ett resultat.
Ett första end-to-end-anrop
Låt oss gå över till praktiken med curl. Följande förfrågan beställer en femsekunderssekvens i 720p, liggande format.
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"
}'
Svaret får plats på en rad:
{
"request_id": "vid_abc123def456"
}
Spara detta identifierare noggrant. Det är ditt enda sätt att hämta videon när genereringen är klar, och en applikation som tappar bort den har betalat för en generering den aldrig kommer att få tag i. I en riktig tjänst loggar du det innan du ens börjar polla.
Ljud, som standard
En genererad video inkluderar ett ljudspår som standard – med, på grok-imagine-video-1.5 och dess -lite-version, tal synkroniserat med läpprörelser. För en ljudlös video, avsedd exempelvis som bakgrund på en webbplats eller för redigering där du själv lägger till musik, lägger du till "generate_audio": false i förfrågan.
För att rama in utdata känner API:t dock bara till förhållandet (aspect_ratio) och definitionen (resolution): API-referensen innehåller ingen parameter för pixelstorlek. Vid bild-till-video följer utdataförhållandet alltid källbildens förhållande.
Viktiga punkter
- Endpointen är
POST /v1/videos/generations, medgrok-imagine-video-1.5, dess-lite-version ellergrok-imagine-video - Längden varierar mellan 1 och 15 sekunder (8 som standard), upplösningen från 480p till 1080p (max 720p med
grok-imagine-video) - Priset räknas per genererad sekund: 0,020 USD (
-lite), 0,050 USD (grok-imagine-video) eller 0,080 USD (grok-imagine-video-1.5) - Genereringen är asynkron: du får ett
request_idatt polla efteråt - Nio bildförhållanden är tillgängliga för att anpassa sig till alla format
- Ett ljudspår genereras som standard;
"generate_audio": falseger en ljudlös video