xAI выпускает Grok Imagine Video 1.5 с multi-reference, фиксацией голоса и нативным 1080p

xAI запустила Grok Imagine Video 1.5 как лучший на сегодня стек image-to-video: точнее движение и физика, синхронный звук, быстрее генерация, а июльское обновление добавило multi-reference, стабильный голос, text-to-video и нативный 1080p.

Темп был высоким. 3 июня 2026 xAI выложила в API grok-imagine-video-1.5-preview для image-to-video до 720p из кадра и текстового описания движения. 16 июня модель стала общедоступной как grok-imagine-video-1.5 в Imagine API, с Video 1.5 Fast на grok.com/imagine и в приложениях Grok для iOS и Android. По данным xAI, звуковые эффекты, атмосфера и речь генерируются в одном проходе с картинкой; движение лучше держит вес и инерцию; Fast почти удваивает скорость — около 25 секунд на 6-секундный ролик 720p вместо 40+ секунд раньше.

Главная продуктовая история — references. 31 июля 2026 Imagine Video 1.5 получил текстовые, image и voice references. Больше не нужен только один стартовый кадр: опишите сцену для text-to-video или подайте референсы, чтобы закрепить идентичность. Image и voice references стартовали в США для SuperGrok Heavy и SuperGrok Plus в вебе и iOS, затем раскатываются на все тарифы. Multi-reference закрепляет за каждым изображением одно — лицо, продукт или локацию. Сохраните персонажа и смените сцену, сохраните сцену и смените персонажа или держите оба и меняйте только действие. До семи референс-изображений на генерацию. Передайте фото персонажа и голосовой референс — лицо и голос остаются согласованными между сценами.

Нативный 1080p доступен для text-to-video и image-to-video на grok.com/imagine, iOS и Android. В xAI API image references, text-to-video и нативный 1080p уже работают на grok-imagine-video-1.5; voice reference — по запросу. В Grok Imagine также есть Projects, параллельные агенты и поиск по библиотеке.

Подробнее: Imagine Video 1.5 with References, Grok Imagine Video 1.5 GA, 1.5 Preview и документация video generation.