Entrá con tu cuenta de Google
Pronto también con Candado (llave de la aldea).
Vas a salir de tu cuenta en este dispositivo.
Los modelos de xAI generan clips de hasta 15 segundos. La API cobra por segundo y distingue entre 1080p nativo y ampliado, según la versión elegida.
Imagen ilustrativa generada con IA
Grok Imagine, el conjunto de herramientas audiovisuales de xAI, permite convertir indicaciones escritas o imágenes de referencia en clips breves con sonido generado. La documentación oficial consultada en noviembre de 2026 confirma que la familia de modelos de video ofrece opciones de 480p, 720p y, en versiones específicas, 1080p. Para utilizarla con criterio es importante distinguir la aplicación de consumo del servicio de programación por API, porque sus planes y sistemas de cobro no son equivalentes.
El modelo Grok Imagine Video 1.5 es la opción que xAI describe con generación de hasta quince segundos por solicitud. Puede recibir instrucciones de texto y, en determinadas modalidades, imágenes o referencias. En una publicación de julio de 2026, la empresa anunció compatibilidad con generación desde texto y con resolución 1080p nativa para texto a video e imagen a video. Esa fecha corresponde al anuncio de la capacidad, no a un estreno ocurrido este sábado.
La misma familia tiene una variante Lite, orientada a un costo de procesamiento menor, y un modelo anterior llamado grok-imagine-video. Según las especificaciones oficiales, las tres opciones no ofrecen exactamente las mismas resoluciones ni los mismos modos de trabajo. Por eso, el nombre comercial Grok Imagine no alcanza para asegurar que cualquier pedido se genere a 1080p con idéntica calidad.
El dato técnico que más fácilmente se presta a confusión es el de Full HD. Video 1.5 produce 1080p nativo desde texto o imagen inicial, mientras que Video 1.5 Lite puede entregar 1080p mediante ampliación desde 720p, según la documentación de xAI. El modelo original de video llega hasta 720p. Además, la modalidad que usa varias imágenes de referencia tiene límites propios.
Para empezar, la guía especializada publicada por Fello AI propone formular el pedido con un sujeto claro, una acción, un entorno, un estilo visual y una indicación sobre cámara e iluminación. Es un método práctico sugerido por ese sitio, no una regla obligatoria de xAI. La idea es evitar que instrucciones demasiado numerosas se contradigan dentro de una pieza que dura apenas unos segundos.
Un ejemplo editorial original sería pedir un plano de una taza sobre la mesa de una cafetería, con vapor que asciende lentamente, luz de ventana al amanecer y un movimiento de cámara suave hacia el producto. Ese texto no necesita incluir una lista de diez escenas ni reclamar cambios drásticos de lugar. Mantener una acción principal ayuda a evaluar si el generador interpretó realmente la intención.
La documentación de programación también permite configurar la duración, la relación de aspecto y la resolución. Admite formatos cuadrados, horizontales y verticales, entre otras proporciones, útiles para distintas publicaciones. En generación desde una imagen, la salida mantiene el encuadre de la imagen inicial. No todos los parámetros se aplican igual a edición de un video preexistente o a modalidades con referencias.
En materia de sonido, xAI indica que los modelos Video 1.5 y Lite incorporan por defecto una pista de audio generado, incluida la posibilidad de voz sincronizada con movimiento de labios. También es posible solicitar salida silenciosa mediante un parámetro de programación. Esto no significa que toda escena vaya a generar una voz acertada, una pronunciación fiel o un resultado comercial utilizable sin revisión.
El costo de la API se mide por segundo de video y depende de la versión. Al momento de la consulta, la tabla oficial fijaba para grok-imagine-video-1.5 tarifas de 0,08 dólares por segundo a 480p, 0,14 a 720p y 0,25 a 1080p. En Lite señalaba respectivamente 0,02, 0,03 y 0,14 dólares por segundo. Son precios publicados por el proveedor y pueden modificarse.
Con esos valores de referencia, un clip de seis segundos a 720p costaría 0,84 dólares utilizando Video 1.5, frente a 0,18 dólares con Lite. Un clip de quince segundos a 1080p implicaría 3,75 dólares en Video 1.5, si se aplica esa tarifa por segundo. Estas cuentas corresponden a la API, no al precio de una suscripción de Grok ni a una cotización en pesos argentinos.
La guía de Fello AI también describe restricciones de acceso y niveles de suscripción para la aplicación de consumo grok.com/imagine. Esas condiciones no deben mezclarse con la facturación de un desarrollador que integra la API en otra plataforma. Un usuario que quiera crear videos desde el sitio debe verificar en su propia pantalla qué plan tiene, las duraciones habilitadas y el cupo vigente.
Otro punto de atención es la imagen de referencia. La documentación permite generar movimiento a partir de una imagen, con limitaciones particulares de aspecto y resolución. Las referencias sirven para orientar el aspecto de personajes, productos o escenarios, pero no convierten automáticamente el resultado en una filmación auténtica. La continuidad de objetos, textos, logos y rasgos necesita inspección.
Para una pieza de producto o un reel, puede resultar útil escribir primero el objetivo de comunicación y después traducirlo a una escena que el modelo pueda representar. Si el producto debe verse idéntico al real, conviene tener fotografías verificadas y comparar cuidadosamente envases, colores y proporciones. La IA no reemplaza la obligación de no mostrar atributos que el artículo no posee.
El trabajo no termina cuando aparece un archivo reproducible. Antes de usar un clip en una campaña hay que revisar consistencia entre cuadros, sonido, derechos de uso, representación de personas y políticas de la plataforma de destino. Si el material contiene voces o imágenes sintéticas que podrían confundirse con testimonios reales, corresponde presentarlo con la transparencia necesaria.
Grok Imagine amplía las posibilidades de crear piezas audiovisuales cortas sin un rodaje convencional, pero la elección adecuada depende de tres preguntas concretas: qué se quiere mostrar, con qué precisión y cuánto se está dispuesto a pagar por cada intento. La resolución máxima por sí sola no demuestra que un video sea mejor; claridad del guion, continuidad visual y control editorial siguen siendo decisivos.
Todavía no hay comentarios. Sé el primero.
Para comentar tenés que estar registrado. La nota se lee sin login.
Entrar con Google Seguir en el tablón