速度與音畫同步大進化：xAI 的 Grok Imagine Video 1.5 如何攪動 AI 影片生成戰局

馬斯克（Elon Musk）旗下的人工智慧公司 xAI，在 2026 年 6 月 17 日正式發布了 Grok Imagine Video 1.5，將其旗艦級的圖像轉影片模型，從創紀錄的預覽階段，推向全面開放使用 。該公司將其形容為「至今最出色的圖像轉影片模型」，這番宣示並非空穴來風，就在幾週前，它才剛以迅雷不及掩耳之勢，登上了人工智慧影像競技場（Image-to-Video Arena）排行榜的冠軍寶座 。這次的發布不僅僅是小幅迭代，更是直接迎戰 AI 影片創作的核心痛點——速度、真實感與音效整合——讓這項技術在實際的創意工作中，變得更快、更一氣呵成 。

生成速度近乎翻倍

最立即可感的升級，是等待時間的大幅縮減。Grok Imagine Video 1.5 全新的「快速」模式，能在 約 25 秒 內渲染出一段 6 秒鐘的 720p 影片片段，速度幾乎是前代需要超過 40 秒的兩倍 。對於需要反覆嘗試視覺想法的創作者和開發者來說，這等於將生成週期直接砍半，顯著加快了工作流程，讓快速製作原型不再那麼礙手礙腳 。

動作與物理模擬的躍進

除了速度，Grok Imagine Video 1.5 也解決了長期困擾 AI 影片模型的視覺瑕疵。前代版本在動作連貫性上時常顯得吃力，產出的影片會有不自然的四肢扭曲和「漂浮」物體，暴露出其合成原形的破綻 。1.5 版本修正了大部分這類行為，呈現出更為流暢自然的人物與鏡頭運動 。

更細膩的是，此模型現在能更細緻地模擬真實世界的物理法則，展現出對重量與動量更佳的掌握。場景可以描繪出人物行走時衣物的自然擺盪，或是物體掉落時遵循真實的加速度軌跡，讓影片感覺是有物理根據的，而非數位拼貼的產物 。

首創內建同步音效

最具戰略意義的新增功能，當屬 內建同步音效生成 的引入，這項功能在前一代是完全缺席的 。過去，要為 Grok 生成的影片片段加上聲音，需要借助外部工具並手動同步。如今 1.5 版本能直接產出影片，其音效會自動與畫面中的動作鎖定——環境音、音效和氛圍會與影像一同生成 。這消除了創作流程中一個重大的摩擦點，讓藝術家和內容創作者能在一個步驟內，就產出完整的影音段落 。

從預覽版王者到全面開放

這次的推出，緊接在自 2026 年 6 月 3 日起極為成功的預覽階段之後 。在此期間，Grok Imagine Video 1.5 迅速在業界基準測試中確立了其主導地位。它一舉登上人工分析影像競技場（Artificial Analysis Video Arena）的榜首，以 +52 個 Elo 分數 的顯著差距，超越了舊版 1.0 模型 。它擊敗了包括字節跳動的 Seedance 2.0 和 Google 的 Veo 在內的重量級競爭對手。執行長馬斯克也親自推廣了這項成就，他在 X 平台上分享了一支由 AI 生成的《伊利亞德》預告片，一夜之間便累積了超過 1,800 萬次觀看 。

Grok Imagine Video 1.5 與 Grok 聊天機器人雖然共享品牌名稱，但功能完全不同。這是一款專門將文字和圖像轉換為影片的專用模型 。隨著預覽期結束，開發者已可透過 xAI API，使用模型名稱 grok-imagine-video-1.5 來存取，一般大眾則可透過網頁、iOS 和 Android 平台上的 Grok Imagine 應用程式來使用 。透過將同步音效直接整合進其快速生成流程，xAI 正押注於這種一站式創作體驗，以期在競爭激烈的 AI 影片生成領域中，定義下一個階段的樣貌 。