Tạo video bằng Grok

POST

grok

videos

generations

curl https://api.cometapi.com/grok/v1/videos/generations \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  --data-binary '{
  "model": "grok-imagine-video-1.5",
  "prompt": "A paper boat glides across a quiet pond at sunrise.",
  "duration": 1,
  "aspect_ratio": "16:9",
  "resolution": "480p"
}'

{
  "request_id": "<request_id>"
}

Dùng endpoint này để khởi chạy một tác vụ video Grok từ văn bản, hình ảnh nguồn hoặc dữ liệu đầu vào tham chiếu. Endpoint trả về request_id ngay lập tức, vì vậy hãy coi đây là bước đầu tiên trong quy trình bất đồng bộ. Luôn gửi model: grok-imagine-video-1.5 một cách tường minh. model và prompt là bắt buộc đối với các dạng yêu cầu 1.5 được trình bày ở đây.

Chọn chế độ đầu vào

Chế độ	Trường yêu cầu	Quy tắc
Văn bản sang video	`prompt`	Bỏ qua `image`, `reference_images` và `reference_audios`.
Hình ảnh sang video	`prompt`, `image.url`	`image.url` chấp nhận URL hình ảnh công khai hoặc URI dữ liệu hình ảnh. Không kết hợp `image` với dữ liệu đầu vào tham chiếu.
Tham chiếu sang video	`prompt` và ít nhất một trong `reference_images` hoặc `reference_audios`	Gửi tối đa 7 hình ảnh tham chiếu và tối đa 3 giọng nói cài sẵn. Đầu ra tham chiếu sang video bị giới hạn ở `720p`.

Đối với URI dữ liệu, hãy dùng data:image/png;base64,<BASE64_IMAGE_DATA>. Mỗi mục reference_images dùng cùng trường url. Một mục âm thanh tham chiếu sử dụng voice_id cài sẵn, chẳng hạn như eve. Trong Prompt, các thẻ như <IMAGE_0> và <AUDIO_0> có thể xác định tham chiếu tương ứng.

Bắt đầu với một yêu cầu nhỏ

Dùng model: grok-imagine-video-1.5
Đối với yêu cầu đầu tiên, hãy giữ duration ở mức 1 và resolution ở mức 480p
Giữ prompt rõ ràng để cảnh và chuyển động được xác định rõ
Thêm từng chế độ đầu vào một trước khi kết hợp hình ảnh tham chiếu và giọng nói

Thời lượng và độ phân giải

Thiết lập	Giá trị được hỗ trợ	Mặc định	Hành vi ở giới hạn
`duration`	số nguyên `1`-`15`	`8`	Dùng clip ngắn hơn cho các lần thử đầu tiên; clip dài hơn tốn nhiều chi phí hơn và mất nhiều thời gian hơn để hoàn tất.
`resolution`	`480p`, `720p`, `1080p`	`480p`	Các yêu cầu có độ phân giải cao hơn tốn nhiều chi phí hơn và mất nhiều thời gian hơn để hoàn tất. Tham chiếu sang video hỗ trợ tối đa `720p`.
`aspect_ratio`	`1:1`, `16:9`, `9:16`, `4:3`, `3:4`, `3:2`, `2:3`	`16:9` cho văn bản sang video	Đối với hình ảnh sang video, việc bỏ qua sẽ giữ nguyên tỷ lệ khung hình của hình ảnh nguồn.

Video được tạo bao gồm một bản âm thanh. Hãy đặt duration, resolution và aspect_ratio một cách tường minh khi ứng dụng của bạn phụ thuộc vào một dạng đầu ra cụ thể.

Luồng tác vụ

Tạo tác vụ

Gửi model, Prompt và mọi dữ liệu đầu vào, sau đó lưu request_id được trả về.

Thăm dò trạng thái hoàn tất

Gọi Lấy kết quả video xAI cho đến khi status cấp cao nhất trở thành done, failed hoặc expired. Phản hồi ban đầu có thể chỉ chứa request_id được lặp lại trong khi siêu dữ liệu tác vụ đang được chuẩn bị.

Lưu trữ đầu ra

Sao chép video.url cuối cùng vào kho lưu trữ của riêng bạn nếu cần dùng sau khoảng thời gian phân phối tạm thời.

Ủy quyền

Authorization

string

header

bắt buộc

Use your CometAPI API key as the bearer value.

Nội dung

application/json

model

enum<string>

bắt buộc

The Grok video model ID. Send this field explicitly so the request uses Grok Imagine Video 1.5.

Tùy chọn có sẵn:

grok-imagine-video-1.5

Ví dụ:

"grok-imagine-video-1.5"

prompt

string

bắt buộc

A description of the scene, motion, and audio. Reference-to-video prompts can identify inputs with tags such as <IMAGE_0> and <AUDIO_0>.

Minimum string length: 1

Ví dụ:

"A paper boat glides across a quiet pond at sunrise."

duration

integer

mặc định:8

The output duration in seconds. Use an integer from 1 through 15.

Phạm vi bắt buộc: 1 <= x <= 15

aspect_ratio

enum<string>

The output aspect ratio. Text-to-video uses 16:9 when omitted. Image-to-video uses the source image's aspect ratio when omitted.

Tùy chọn có sẵn:

1:1,

16:9,

9:16,

4:3,

3:4,

3:2,

2:3

Ví dụ:

"16:9"

resolution

enum<string>

mặc định:480p

The output resolution. Reference-to-video requests support 480p and 720p; text-to-video and image-to-video also support 1080p.

Tùy chọn có sẵn:

480p,

720p,

1080p

image

object

The source image for image-to-video. Do not combine this field with reference_images or reference_audios.

Show child attributes

reference_images

object[]

Visual references for reference-to-video. Each item accepts a public image URL or image data URI. Do not combine this field with image.

Required array length: 1 - 7 elements

Show child attributes

reference_audios

object[]

Preset voice references for reference-to-video. Do not combine this field with image.

Required array length: 1 - 3 elements

Show child attributes

Phản hồi

200 - application/json

Request accepted.

request_id

string

bắt buộc

The deferred request ID used to poll GET /grok/v1/videos/{request_id}.

Lần sửa đổi cuối 21 tháng 8, 2026

curl https://api.cometapi.com/grok/v1/videos/generations \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  --data-binary '{
  "model": "grok-imagine-video-1.5",
  "prompt": "A paper boat glides across a quiet pond at sunrise.",
  "duration": 1,
  "aspect_ratio": "16:9",
  "resolution": "480p"
}'

{
  "request_id": "<request_id>"
}

Kiểm duyệt nội dung

Khóa API

Chọn chế độ đầu vào

Bắt đầu với một yêu cầu nhỏ

Thời lượng và độ phân giải

Luồng tác vụ

Ủy quyền

Nội dung

Phản hồi

​Chọn chế độ đầu vào

​Bắt đầu với một yêu cầu nhỏ

​Thời lượng và độ phân giải

​Luồng tác vụ

Ủy quyền

Nội dung

Phản hồi

Chọn chế độ đầu vào

Bắt đầu với một yêu cầu nhỏ

Thời lượng và độ phân giải

Luồng tác vụ