xAI wypuszcza Grok Imagine Video 1.5: koniec czekania na wideo z AI

Firma Elona Muska, xAI, oficjalnie udostępniła Grok Imagine Video 1.5 17 czerwca 2026 roku, kończąc rekordową fazę testową i oddając w ręce użytkowników swój flagowy model do przekształcania obrazów w wideo . Firma nazywa go swoim „najlepszym modelem wideo z obrazu”, co jest śmiałą deklaracją po tym, jak kilka tygodni wcześniej wspiął się na szczyt prestiżowego rankingu Image-to-Video Arena . Ta premiera to nie kosmetyczna łatka, ale bezpośrednia odpowiedź na trzy największe bolączki twórców korzystających ze sztucznej inteligencji: szybkość działania, realizm oraz integrację dźwięku .

Prawie dwa razy szybciej – czas to pieniądz

Najbardziej odczuwalną zmianą jest ogromne skrócenie czasu oczekiwania. Nowy tryb „Fast” w Grok Imagine Video 1.5 renderuje 6-sekundowy klip w jakości 720p w zaledwie około 25 sekund. To niemal dwukrotne przyspieszenie w porównaniu z poprzednikiem, który potrzebował na to ponad 40 sekund . Dla twórców i deweloperów, którzy szybko testują nowe pomysły, oznacza to przecięcie cyklu generowania o połowę. Proces twórczy staje się płynniejszy, a szybkie prototypowanie mniej uciążliwe .

Skok w dziedzinie ruchu i fizyki

Szybkość to nie wszystko. Grok Imagine Video 1.5 na dobre rozprawia się z charakterystycznymi dla wcześniejszych modeli AI artefaktami wizualnymi. Poprzednia wersja często miała problemy ze spójnością ruchu – postacie nienaturalnie wykrzywiały kończyny, a przedmioty „pływały” w kadrze, zdradzając swoje syntetyczne pochodzenie . Wersja 1.5 skutecznie koryguje te zachowania, oferując znacznie płynniejszy i bardziej naturalny ruch postaci oraz pracę kamery .

Co więcej, model z większą finezją symuluje fizykę prawdziwego świata, lepiej rozumiejąc pojęcia ciężaru i pędu. Na wygenerowanych ujęciach można zobaczyć osobę idącą z naturalnie falującym ubraniem lub upuszczony przedmiot, którego trajektoria przyspiesza zgodnie z prawami fizyki. Efektem są filmy, które wydają się osadzone w realnym świecie, a nie poskładane cyfrowo z przypadkowych elementów .

Przełom: wbudowany, zsynchronizowany dźwięk

Najważniejszą strategicznie nowością jest wprowadzenie wbudowanego, zsynchronizowanego dźwięku – funkcji, której w poprzedniej wersji zupełnie brakowało . Dotychczas, aby dodać dźwięk do klipu z Groka, trzeba było używać zewnętrznych narzędzi i ręcznie synchronizować ścieżkę dźwiękową z obrazem – był to czasochłonny i frustrujący etap pracy.

Wersja 1.5 generuje wideo z dźwiękiem automatycznie zsynchronizowanym z akcją na ekranie: odgłosy tła, efekty dźwiękowe i atmosfera powstają razem z obrazem . To usuwa kluczową przeszkodę w procesie twórczym, pozwalając artystom i twórcom treści na wygenerowanie kompletnego, audiowizualnego segmentu w jednym kroku .

Od lidera rankingu do powszechnej dostępności

Premiera jest zwieńczeniem udanej fazy testowej, która rozpoczęła się 3 czerwca 2026 roku . W jej trakcie Grok Imagine Video 1.5 błyskawicznie zdominował branżowe benchmarki, zajmując 1. miejsce w rankingu Artificial Analysis Video Arena z imponującym skokiem o +52 punkty Elo w porównaniu ze starszym modelem 1.0 . Tym samym prześcignął tak poważnych konkurentów, jak Seedance 2.0 od ByteDance (właściciela TikToka) i Veo od Google’a. Sukces podbił osobiście Elon Musk, udostępniając wygenerowany przez AI zwiastun filmu o „Iliadzie”, który w serwisie X osiągnął ponad 18 milionów wyświetleń .

Warto zaznaczyć, że Grok Imagine Video 1.5 to oddzielne narzędzie od chatbota Grok, choć oba dzielą tę samą markę. Jest to wyspecjalizowany model do zamiany tekstu i obrazów na wideo . Po zakończeniu fazy testowej jest on dostępny dla deweloperów przez API xAI pod nazwą grok-imagine-video-1.5 oraz dla zwykłych użytkowników poprzez aplikację Grok Imagine dostępną w przeglądarce, na iOS i Androida .

Wprowadzając zsynchronizowany dźwięk bezpośrednio do ultraszybkiego potoku generowania, xAI stawia na kompleksowe doświadczenie twórcze, które ma zdefiniować kolejny etap w konkurencyjnym wyścigu o dominację w świecie generowania wideo przez sztuczną inteligencję .