Grok Imagine 1.5 Lite vs Grok Imagine：怎么选？

TL;DR

• 要1–5秒的短片或4:3、3:4等画幅，可看Grok Imagine 1.5 Lite；要更低的720p单价或6–30秒时长，可看Grok Imagine。Lite 720p每秒$0.043，Grok Imagine为$0.0214，详见Lite价格页。
• 同为请求6秒、720p，Lite为$0.258，Grok Imagine为$0.1284，每条差$0.1296。价格差是计费区别，不等于画质排名。
• 两个都在HiAPI：Lite模型页 · Grok Imagine模型页。使用同一个 /v1/tasks 接口，提交后读data.taskId并查询结果。

一眼看懂

本页只比较双方共同的480p和720p费率。请求中显式设置分辨率和画幅，避免把不同默认值混在一起。

两组横屏场景：梯田与面包师

组A：日出梯田热气球

A glass hot-air balloon drifts slowly over a misty valley of terraced rice fields at sunrise. Golden light spills across the water-filled terraces, mist rolls between the hills, a flock of white egrets glides beneath the balloon. Smooth aerial tracking shot, gentle wind sounds and distant birdsong, cinematic, natural colors. No text, no logos.

两边记录均为720p、请求6秒、16:9；实际1280×720、MP4、24fps，主视频流约6.04秒。两条均检测到非静音音轨；此处不据此声称风声或鸟鸣已逐项辨认。热气球沿用已有成片与提示词说明；原版当次请求未显式传mode，Lite素材未附完整任务请求。本组用于观察场景与构图，不作为全部输入参数一致的对照。

用 Lite 生成 → · 用 Grok Imagine 生成 →

看得见的区别：两边都有水面反光的梯田、日出光线、山谷雾气、气球和白色鸟群；Lite里的气球和鸟占画面比例较大，原版景别更远。这里描述构图，不判断谁的运动或雾气整体更好。

组B：面包师开炉问候

Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: "Fresh out of the oven, come try one!" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.

两边使用上面相同的完整提示词，均请求720p、6秒、16:9；Grok Imagine显式传mode=normal。原始成片均为1280×720 MP4、24fps，容器时长分别为6.042秒和6.0417秒。两条都有非静音音轨；尚未听审指定台词及口型。

用 Lite 生成 → · 用 Grok Imagine 生成 →

看得见的区别：两边都有端着牛角包的面包师、打开的烤炉和蒸汽；Lite的窗户在人物身后，原版窗户在画面左侧。覆盖全片的抽样画面未见字幕或明显标志；这一观察不用于确认台词内容或口型同步。

按场景怎么选

• 预算敏感的720p批量任务，先比较Grok Imagine的$0.0214/秒与Lite的$0.043/秒；1,000条请求6秒的任务差$129.60。
• 需要1、2、3、4或5秒短片，Lite的时长范围覆盖；Grok Imagine从6秒起。
• 需要16–30秒单条任务，Grok Imagine的时长范围覆盖；Lite最多15秒。
• 需要4:3或3:4画幅，使用Lite；两边共同支持16:9、1:1、2:3、3:2、9:16。
• 有台词或环境声要求时，听成片确认内容，不把“有音轨”当成“台词正确或口型同步”。

切换成本：明确共同字段

{
  "model": "grok-imagine-1.5-lite/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

{
  "model": "grok-imagine/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9",
    "mode": "normal"
  }
}

上面是面包师场景的完整请求体，与本页对应成片使用的提示词和参数一致。两边都显式设置resolution、duration、aspect_ratio；mode只传给Grok Imagine。提交任务后读取data.taskId，再查询任务，从data.output取type=video的结果并及时保存。

计费前要知道的审核规则

Grok Imagine模型页明确提示：生成完成后会审核结果，未通过审核也可能正常扣除额度。不要把“参数校验未建任务”和“生成后未通过审核”混为一谈，也不要承诺所有失败都免费。

常见问题

Lite在720p一定更便宜吗？

不是。Lite为$0.043/秒，Grok Imagine为$0.0214/秒；请求6秒分别为$0.258和$0.1284。

两边都能生成1秒或30秒视频吗？

不能。Lite支持1–15秒整数，Grok Imagine支持6–30秒整数；共同范围是6–15秒。

同为720p就能认定实际像素相同吗？

不能。还要检查画幅和实际输出尺寸。本页两组视频都已核对为16:9、1280×720。

检测到音轨就能说明指定台词说对了吗？

不能。音量检测只能确认是否存在非静音信号；指定台词、发音和口型需要听审并对照画面。

生成后审核未通过一定不扣费吗？

不能这样承诺。Grok Imagine模型页提示生成后审核未通过也会正常扣额度；提交前先确认相关规则。

下一步：读Lite文生视频接入指南、提示词案例和价格页，按自己的时长和画幅选档。