Grok Imagine erzeugt Videoclips von 1 bis 15 Sekunden in bis zu 1080p, mit nativem Audio, Stand November 2026. Das aktuelle Modell ist Imagine Video 1.5, allgemein verfügbar seit dem 16. Juni 2026, das am 31. Juli natives 1080p sowie Bild- und Stimmreferenzen bekam. Das ist weit entfernt vom 1.0-Release Anfang Februar 2026, das 720p, 10-Sekunden-Clips und deutlich besseres Audio brachte, als xAI meldete, Imagine habe in den vorangegangenen 30 Tagen 1,245 Milliarden Videos generiert. Auch das Umfeld hat sich gelichtet: OpenAI hat seine Sora-2-API am 24. September 2026 abgeschaltet, und Google hat die Veo-3.1-Preview in der Gemini-API am 22. Oktober 2026 eingestellt und verweist Entwickelnde auf Gemini Omni Flash.

Wie schneidet Groks Chatbot im Vergleich zu ChatGPT für alltägliche Aufgaben ab? Schau dir unseren ausführlichen Grok vs. ChatGPT-Vergleich an.

Was einen brauchbaren Grok-Imagine-Clip von einem verschwendeten Credit unterscheidet, ist fast immer der Prompt. Dieser Leitfaden ist das praktische Prompt-Handbuch für die Grok-Imagine-Videogenerierung: die Formel für saubere Ergebnisse, 20 einfügebereite Beispiele für die relevantesten Anwendungsfälle, die Anti-Patterns, die Generierungen ruinieren, die xAI-API-Specs und Kosten pro Clip sowie was zu tun ist, wenn ein Clip unscharf oder abgelehnt zurückkommt.

Das Wichtigste in Kürze

  • Grok Imagine generiert Clips von 1 bis 15 Sekunden in 480p, 720p oder 1080p mit nativem Audio über grok-imagine-video-1.5, das Videomodell, das xAI Stand November 2026 empfiehlt. Das ursprüngliche grok-imagine-video endet bei 720p.
  • Die xAI-API rechnet pro Sekunde nach Modell und Auflösung ab, Audio inklusive: grok-imagine-video-1.5-lite kostet $0.02 bis $0.14 pro Sekunde, grok-imagine-video-1.5 $0.08 bis $0.25 und das ursprüngliche Modell $0.05 bis $0.07. Ein 6-Sekunden-Clip in 720p kostet $0.18 mit Lite und $0.84 mit Video 1.5.
  • Die Prompt-Formel, die in 90 % der Fälle funktioniert: [Motiv] + [Aktion] + [Umgebung] + [Stil] + [Kamera und Licht].
  • Ein Motiv, eine Aktion, eine Kamerabewegung pro Prompt. Mehrere konkurrierende Anweisungen teilen die Aufmerksamkeit des Modells und erzeugen visuelles Chaos.
  • Drei Fehlertypen verursachen fast jeden schlechten Clip: Prompt-Überlastung, Ablehnungen wegen Content-Richtlinien und das 15-Sekunden-Limit pro Anfrage.

Grok Imagine Video-Specs auf einen Blick

Vom Herausgeber

Finde heraus, welche KI am besten antwortet

Stell GPT, Claude und Gemini dieselbe Frage und vergleiche die Antworten. Auf Mac, iPhone und iPad.

Jetzt herunterladen!
Vom Herausgeber

Finde heraus, welche KI am besten antwortet

Stell GPT, Claude und Gemini dieselbe Frage und vergleiche die Antworten. Auf Mac, iPhone und iPad.

Kostenlos testen
Vom Herausgeber

Schluss mit drei KI-Abos

GPT, Claude und Gemini in einer App und mit einem Abo. Auf Mac, iPhone und iPad.

Jetzt herunterladen!
Vom Herausgeber

Schluss mit drei KI-Abos

GPT, Claude und Gemini in einer App und mit einem Abo. Auf Mac, iPhone und iPad.

Kostenlos testen
Vom Herausgeber

Schluss mit dem Hin und Her zwischen KI-Apps

Stell ChatGPT, Claude und Gemini dieselbe Frage in einem Fenster und nimm die beste Antwort. Auf Mac, iPhone und iPad.

Kostenlos testen
Vom Herausgeber

Schluss mit dem Hin und Her zwischen KI-Apps

Stell ChatGPT, Claude und Gemini dieselbe Frage in einem Fenster und nimm die beste Antwort. Auf Mac, iPhone und iPad.

Jetzt herunterladen!
Vom Herausgeber

Nicht nur über KI-Modelle lesen. Selbst testen

Die neuesten KI-Modelle, startklar in einer App. Auf Mac, iPhone und iPad.

Jetzt herunterladen!
Vom Herausgeber

Nicht nur über KI-Modelle lesen. Selbst testen

Die neuesten KI-Modelle, startklar in einer App. Auf Mac, iPhone und iPad.

Kostenlos testen

Das gibt Grok Imagine Stand November 2026 aus, laut der API-Dokumentation und der Preisseite von xAI.

SpecConsumer-UIxAI-API
DauerVideo ab Premium; Super und Ultra nennen 1080p-Videos mit 15 Sekunden; kein Video bei Free oder Plus1–15 Sekunden (Standard 8), Bearbeitungsmodus auf 8,7 s begrenzt
AuflösungBis 1080p ab Super; 720p-Clips fallen auf 480p zurück, sobald das 720p-Kontingent deines Tarifs aufgebraucht ist480p (Standard), 720p oder 1080p (1080p mit Video 1.5 und 1.5 Lite)
SeitenverhältnisseVon xAI für die App nicht angegeben1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 21:9, 5:2
ModellVideo 1.5 Fast (seit Juni 2026)grok-imagine-video-1.5, grok-imagine-video-1.5-lite, grok-imagine-video
AudioNativ, automatischNativ, standardmäßig an, lippensynchrone Sprache mit Video 1.5 und 1.5 Lite
Clips pro PromptMehrere Prompts können parallel laufenEin Clip pro Anfrage; Anfragen parallel senden
GeschwindigkeitRund 25 Sekunden für einen 6-Sekunden-Clip in 720p (xAI, Juni 2026)In der Regel bis zu mehrere Minuten

Die offizielle Videogenerierungs-Dokumentation von xAI nennt den Bereich 1–15 Sekunden und drei Auflösungsstufen. grok-imagine-video-1.5 rendert 1080p nativ für Text-zu-Video und Bild-zu-Video, Referenz-zu-Video endet bei 720p, grok-imagine-video-1.5-lite erreicht 1080p durch Hochskalieren von 720p, und das ursprüngliche grok-imagine-video endet bei 720p. Die 720p-Obergrenze, die dieser Leitfaden Anfang 2026 nannte, gilt nicht mehr.

Die Prompt-Formel für saubere Clips

Die meisten enttäuschenden Grok-Imagine-Clips gehen auf vage Prompts zurück, nicht auf das Modell selbst. Die Struktur, die konstant saubere Ergebnisse liefert, lautet [Motiv] + [Aktion] + [Umgebung] + [Stil] + [Kamera und Licht]. Jeder Slot hat eine bestimmte Funktion, und wenn einer fehlt, wirkt ein Clip in der Regel generisch. Dieselbe Slot-Logik gilt auch für Text- und Bildmodelle, und unser vollständiger KI-Prompt-Leitfaden behandelt die allgemeine Formel.

Motiv ist die eine Einheit, auf der die Kamera liegt, also eine Person, ein Fahrzeug, ein Objekt oder ein Tier. Widerstehe dem Drang, zwei Motive in einem Prompt zu beschreiben. Wenn du zwei brauchst, platziere eines im Vordergrund und das andere in der Umgebung.

Aktion ist das Verb. Was macht das Motiv? Gehen, laufen, Kaffee einschenken, hochschauen, sich zur Kamera drehen. Die Aktion treibt die Bewegung über alle 24 Bilder pro Sekunde an. Schwache Verben erzeugen statisch wirkende Ergebnisse.

Umgebung ist der Ort des Geschehens. Eine Wüstenschlucht, ein Cyberpunk-Café, ein schneebedeckter Kamm, eine Küche im Morgengrauen. Die Umgebung verankert das Licht und die Farbpalette und teilt dem Modell mit, welche Atmosphäre zu rendern ist.

Stil ist das visuelle Register. Kinematisch, fotorealistisch, Anime, Knetmasse, Aquarell, Food-Werbung. Stil-Wörter sagen dem Modell, auf welchen Teil seiner Trainingsdaten es sich stützen soll. Ohne sie bekommst du einen generisch wirkenden Clip.

Kamera und Licht ist die Cinematografie. Totale, Nahaufnahme, langsamer Push-In, Tracking-Shot, Drohnen-Rückwärtsbewegung, kombiniert mit einem Licht-Hinweis wie „goldene Stunde", „Neon-beleuchtet" oder „weiches Morgenlicht". Das ist der Unterschied zwischen einem flachen Clip und einem, der sich absichtsvoll anfühlt.

Ein funktionierendes Beispiel, das jeden Slot nutzt: „Ein stark modifizierter orangefarbener Offroad-Buggy rast mit hoher Geschwindigkeit durch eine Wüstenschlucht auf die Kamera zu und wirbelt eine riesige Staubwolke auf, kinematische Totale, goldene Stunde, fotorealistisch." Dieser Satz benennt das Motiv (modifizierter Buggy), die Aktion (auf die Kamera zurasen), die Umgebung (Wüstenschlucht), den Stil (kinematisch, fotorealistisch) und Kamera und Licht (Totale, goldene Stunde). Damit bleibt dem Modell keine Mehrdeutigkeit darüber, was es rendern oder wie es beleuchten soll.

20 einfügebereite Prompts nach Anwendungsfall

Die Formel passt sich verschiedenen Genres an. Hier sind 20 einfügebereite Prompts, gruppiert nach dem, was du tatsächlich erstellen möchtest. Jeder füllt alle Slots der Formel aus und enthält ein Seitenverhältnis, damit du ihn direkt in Grok Imagine einfügen und von dort aus anpassen kannst.

Action und Kinetik

„Ein Surfer schneidet bei Sonnenuntergang eine türkisfarbene Welle, das Brett zieht eine saubere Gischtspur, Drohnen-Tracking-Shot aus niedrigem Winkel, kinematisch, 16:9."

„Ein Motocross-Fahrer springt von einem Schmutz-Sprungbrett, Drehung in der Luft, Staub wirbelt unter dem Motorrad auf, Aufnahme von unten, Fischauge, fotorealistisch, 16:9."

„Ein Parkour-Läufer springt bei goldener Stunde zwischen Dächern, Hände greifen die Kante, breiter kinematischer Shot, der seitlich trackt, 16:9."

„Ein Pferd galoppiert im Morgengrauen über ein nebeliges Feld, Hufe werfen nasse Erde auf, Zeitlupe, kinematisch, 16:9."

Kinematisch und narrativ

„Ein verwitterter Seemann umklammert in der Abenddämmerung das Steuerrad, Salzgischt hängt in seinem Bart, Wellen brechen gegen schroffe Klippen, dokumentarisches Gefühl, natürliches Licht, 16:9."

„Ein Detektiv tritt in eine regengetränkte Gasse, Neon-Reflexionen in Pfützen, langsamer Push-In, Noir-Stil, geringe Schärfentiefe, 16:9."

„Ein Astronaut geht über eine rote Marsebene, Helm reflektiert die Morgensonne, breiter Tracking-Shot, fotorealistisch, 16:9."

„Zwei Fremde tauschen einen Blick auf einem belebten Bahnhof aus, warmes weiches Licht, kinematischer mittlerer Shot, 16:9."

Produkt und Werbung

„Langsamer Push-In auf eine dampfende Kaffeetasse auf einer Marmorplatte, warmes Morgenlicht aus einem Küchenfenster, geringe Schärfentiefe, Food-Werbung-Stil, 1:1."

„Ein Paar schlanker kabelloser Kopfhörer rotiert langsam auf einer glänzenden schwarzen Fläche, kühles Studio-Licht, Produkt-Werbung-Stil, 1:1."

„Eine Parfümflasche fängt einen Strahl goldenen Lichts ein, Tropfen gleiten das Glas hinunter, Makro-Shot, Luxus-Werbung-Stil, 9:16."

„Auspacken eines neuen Laufschuhs, Hände heben den Deckel, weiches Top-Down-Licht, Social-Commerce-Stil, 9:16."

Social, Memes und Persönlichkeit

„Ein Golden Retriever mit Aviator-Sonnenbrille fährt in einem Cabrio den Pacific Coast Highway entlang, Zunge heraus, Sommer-Feeling, kinematisch aber verspielt, 9:16."

„Ein Roboter-Barista gießt Latte-Art in ein Glasgefäß, Dampf kräuselt sich nach oben, Neon-beleuchtetes Cyberpunk-Café im Hintergrund, Anime-Stil, mittlere Nahaufnahme, 9:16."

„Ein Pinguin im winzigen Smoking stepptanzt auf einer Eisscholle, Schnee treibt, komödiantischer Ton, handgezeichneter Animationsstil, 1:1."

„Eine Großmutter strickt mit Blitzgeschwindigkeit, Wolle fliegt durch die Luft, unordentlicher Küchenhintergrund, übertriebene Bewegung, leicht komödiantischer Ton, 16:9."

Anime und stilisiert

„Eine junge Schwertkämpferin steht auf einem Klippenvorsprung und trotzt einem Sturm, Haare peitschen im Wind, Blitze hinter ihr, Studio-Ghibli-inspirierter Anime-Stil, breiter Shot, 16:9."

„Ein einsamer Wolf geht nachts durch einen Wald aus leuchtenden Pilzen, ätherische Stimmung, malerischer Stil, langsamer Seiten-Tracking-Shot, 16:9."

„Eine schwebende Stadt in den Wolken, Luftschiffe treiben zwischen Türmen, goldene Stunde, Anime-kinematischer Stil, breiter Establishing Shot, 16:9."

„Ein Roboterkind bewässert eine einzelne Blume auf einem kargen Planeten, Sandstürme in der Ferne, melancholische Stimmung, Aquarell-Stil, 1:1."

Prompts für Bild-zu-Video-Animationen

Wenn du von einem vorhandenen Bild ausgehst, sollte der Prompt nur die Bewegung beschreiben. Die Optik ist bereits im Ausgangsbild festgelegt, und neue Elemente anzufragen, die nicht im Quellbild vorhanden sind, ist der schnellste Weg zu einem holprigen Ergebnis. Halte Bild-zu-Video-Prompts auf ein oder zwei Sätze beschränkt und setze auf starke Aktionsverben.

Drei Muster, die konstant funktionieren:

„Die Kamera schiebt sich langsam auf das Gesicht des Motivs zu, Haare heben sich sanft in einer Brise."

„Motiv blinzelt zweimal, lächelt dann sanft; warmes Licht verschiebt sich von links nach rechts über die Szene."

„Regen fällt gleichmäßig im Hintergrund, Neon-Schilder flackern, keine Kamerabewegung."

Je kürzer der Prompt, desto besser. Ist das Ausgangsbild ein Portrait, frage nach einer einzelnen Gesichtsaktion und einer kleinen Kamerabewegung. Bei einem breiten Umgebungsshot frage nach atmosphärischer Bewegung (Wind, Regen, Staub, fallende Blätter) und lass die Kamera stillstehen.

Anti-Patterns: Was deine Prompts ruiniert

Drei Gewohnheiten sabotieren Grok-Imagine-Prompts mehr als alles andere und sind für den Großteil der „Warum ist das unscharf?"-Beschwerden verantwortlich.

Mehrere Motive oder Aktionen in einem Prompt stapeln. „Ein Zauberer schießt einen Feuerball auf einen Drachen, während Bogenschützen von einer Burgmauer Pfeile regnen lassen, in einem Gewitter" klingt kinematisch, aber das Modell teilt seine Aufmerksamkeit und rendert nichts davon gut. Reduziere auf ein Motiv, eine Aktion, eine Kamerabewegung. Verbinde weitere Momente, indem du mehrere Clips generierst und zusammenschneidest, oder verlängere einen Clip: Die xAI-API kann einen grok-imagine-video-Clip ab seinem letzten Frame um 2 bis 10 Sekunden fortsetzen.

Den Prompt als Liste von Stil-Referenzen behandeln. „Wes Anderson trifft Blade Runner mit einem Hauch von Studio Ghibli" erzeugt gemittelten Output, der nach keiner dieser Referenzen aussieht. Das Modell kollabiert konkurrierende Stile in einem generischen Mittelklasse-Render. Wähle ein Stil-Register und bleib dabei. Wenn du Einflüsse kombinieren musst, tu das im Schnitt oder durch das Stapeln mehrerer Clips mit verschiedenen Stilen.

Prompts länger als drei Sätze. Jede zusätzliche Klausel ist eine weitere Anweisung, die das Modell fallen lassen kann, und die späten verdrängen gern die frühen. Zwei prägnante Sätze schlagen in der Regel eine fünfsätzige Shot-Liste. Wenn du wirklich Shot-List-Präzision brauchst, nutze die API: grok-imagine-video-1.5 kann den ersten Frame, den letzten Frame und bis zu vier Keyframes zu exakten Zeitpunkten festlegen, was eine Einstellung besser steuert als mehr Prosa.

So generierst du ein Video mit Grok Imagine

Der schnellste Weg ist die Consumer-Oberfläche:

  1. Gehe im Browser auf grok.com/imagine oder öffne die Grok-App auf iOS oder Android.
  2. Wähle Video statt Bild. Für Limits nach Tarifstufen sieh dir unsere Grok-Preisübersicht an.
  3. Tippe einen Prompt nach der Formel ein oder füge eines der obigen Beispiele ein.
  4. Wähle dein Seitenverhältnis und die Dauer. Video braucht Premium ($30 im Monat) oder höher in der X Subscription oder einen älteren SuperGrok-Plan, und xAI nennt 1080p-Videos mit 15 Sekunden ab Super ($100 im Monat).
  5. Generieren drücken, auf den Clip warten (laut xAI erstellt Video 1.5 Fast einen 6-Sekunden-Clip in 720p in rund 25 Sekunden) und die MP4 herunterladen.

Es gibt keinen separaten „Audio speichern"-Schritt, weil die Audiospur im Output eingebacken ist. Wenn du die Musik tauschen oder später Narration hinzufügen möchtest, tue das in deinem Editor, nicht in Grok. Jeder Clip trägt außerdem ein Grok-Wasserzeichen, und xAI bietet keine Einstellung, um es zu entfernen.

Die xAI-API und was jeder Clip wirklich kostet

Für Entwicklerinnen und Entwickler ist der Ablauf ein POST an https://api.x.ai/v1/videos/generations mit grok-imagine-video-1.5, dem Modell, das xAI für Video empfiehlt, dann ein GET auf https://api.x.ai/v1/videos/{request_id}, um den Abschluss abzufragen. Laut xAI dauert ein Job in der Regel bis zu mehrere Minuten, länger bei 1080p und längeren Clips. Zum Vergleich: Laut fal rendert FLUX 3 Max einen 10-Sekunden-Clip in etwa 12 Sekunden. Die vollständigen xAI-Videogenerierungsdokumente beschreiben alle Parameter.

Preis pro Sekunde nach Modell

xAI rechnet die Imagine-API pro Sekunde generiertem Video ab, Audio inklusive, zu einem Satz je nach Modell und Auflösung. Das sind die Sätze in der Modellübersicht von xAI, Stand November 2026:

Modell480p720p1080p
grok-imagine-video-1.5-lite$0.02$0.03$0.14 (hochskaliert)
grok-imagine-video-1.5$0.08$0.14$0.25
grok-imagine-video$0.05$0.07Nicht verfügbar

Die $0.05 pro Sekunde, die dieser Leitfaden im Mai nannte, sind der 480p-Satz des ursprünglichen Modells; in 720p sind es $0.07, rund $4.20 pro Minute. Eingabebilder kosten bei Video 1.5 und 1.5 Lite je $0.01 extra. Zur Einordnung: Die Gemini-API von Google berechnet für Gemini Omni 1.2 Flash rund $0.07 pro Sekunde 720p-Video, und OpenAI hat seine Sora-2-API am 24. September 2026 abgeschaltet. In seiner Launch-Ankündigung im Januar zeigte xAI Grok Imagine auf Platz eins des Text-zu-Video-Rankings von Artificial Analysis, zum niedrigsten Preis der fünf verglichenen Modelle, und 1.5 Lite unterbietet Omni Flash mit $0.03 pro Sekunde in 720p weiterhin. Diese API-Sekundenpreise sind getrennt von der Consumer-App, in der Groks kostenloser Tarif begrenzte Bildgenerierung enthält, aber kein Video.

Was ein Clip in der Praxis kostet

Vier konkrete Beispiele für die Budgetplanung in 720p: Ein 6-sekündiger Instagram-Reel-Hook kostet rund $0.18 mit 1.5 Lite oder $0.84 mit Video 1.5; ein 15-sekündiger TikTok oder YouTube Short rund $0.45 mit Lite oder $2.10 mit Video 1.5; derselbe Short in nativem 1080p mit Video 1.5 kostet $3.75; und ein 60-sekündiger Werbecut aus vier 15-Sekunden-Clips in 720p mit Video 1.5 rund $8.40 an reinen API-Generierungskosten, vor etwaigem Schnitt- oder Auswahlaufwand. Schnelles Experimentieren bleibt mit Lite günstig: 20 Varianten mit 6 Sekunden in 480p kosten rund $2.40.

Wenn die Generierung schiefläuft

Drei Probleme verursachen die meisten enttäuschenden Grok-Imagine-Ergebnisse.

Unscharfe oder instabile Bewegung. Fast immer das Prompt-Überlastungsproblem von vorhin. Wenn dieselbe Idee immer wieder unscharf zurückkommt, reduziere den Prompt auf ein Motiv, eine Aktion, eine Kamerabewegung und einen Stil-Hinweis, dann generiere erneut.

Harte Ablehnungen oder verwässerte Clips. Wenn Grok eine abgeschwächte Version deines Prompts zurückliefert oder komplett ablehnt, hat der Prompt eine Content-Grenze überschritten. Ähnlichkeiten mit echten Personen (besonders Prominente und Politiker), Minderjährige in irgendeinem Kontext und grafische Gewalt sind die häufigsten Auslöser. Der Wechsel in den Spicy-Modus umgeht sie nicht. Schreibe stattdessen mit Archetypen und fiktiven Figuren statt mit namentlich genannten Personen.

Hartes Längenlimit. Eine Anfrage liefert bei jedem Imagine-Modell in der API höchstens 15 Sekunden, und die Preisseite von xAI nennt 15-Sekunden-Videos in der App ab dem Super-Tarif. Wenn du einen 30-Sekunden-Clip brauchst, generiere zwei 15-Sekunden-Segmente und füge sie in deinem Editor zusammen, oder nutze den Verlängerungs-Endpunkt der API, der einen 2 bis 15 Sekunden langen grok-imagine-video-Clip um weitere 2 bis 10 Sekunden fortsetzt, begrenzt auf 720p.

Grok Imagine neben anderen KI-Modellen nutzen

Grok Imagine erstellt Bilder und Videos, sonst nichts. Beim Prompt lohnt sich ein zweites Modell: Lass ChatGPT die Einstellung entwerfen, lass Claude sie auf ein Motiv, eine Aktion und eine Kamerabewegung kürzen, und füge das Ergebnis dann in Grok Imagine ein. In Fello AI ist das ein Fenster und ein Abo statt zwei oder drei. Die App bündelt ChatGPT, Claude, Gemini, Grok, DeepSeek und Perplexity zu einem einzigen Preis, 11,99 € im Monat (der Preis variiert je nach Land), auf Mac, iPhone und iPad.

Für das größere Grok-Produktbild sieh dir unseren Grok-4.7-Test und unseren Grok-Desktop-Client-Leitfaden für Mac an.

Fazit

Grok Imagine gehört zu den günstigsten ernsthaften KI-Videogeneratoren im Betrieb, mit nativem Audio in jedem Sekundenpreis: grok-imagine-video-1.5-lite kostet $0.03 pro Sekunde in 720p, rund $1.80 pro Minute. Das Modell ist gut. Was einen brauchbaren Clip von einem verschwendeten Credit trennt, ist der Prompt, und die obige Formel plus die 20 Beispiele sollten dich den größten Teil des Weges zu konstantem Output bringen. Für Social Clips, Werbekonzepte, Mood Boards und jeden kurzformatigen Video-Bedarf, bei dem Geschwindigkeit und Preis die absolute Fotorealität schlagen, ist es das Standard-Tool. Wenn du 4K brauchst, bietet Gemini Omni Flash das per Upsampling in der Gemini-API, und unser Ranking der besten KI-Videogeneratoren deckt das restliche Feld ab.

Der einfachste Einstieg ist grok.com/imagine. Der kostenlose Tarif enthält begrenzte Bildgenerierung, Video beginnt bei Premium. Für den Rest unserer Berichterstattung sieh im Grok-Imagine-Tag-Archiv oder im vollständigen Grok-Tag nach. Und um zu sehen, wohin xAI als Nächstes geht, lies alles, was wir über Grok 5 wissen.

FAQ

Wie lang kann ein Grok-Imagine-Video sein?

Grok Imagine generiert über die xAI-API Clips von 1 bis 15 Sekunden, mit jedem Imagine-Modell. In der Consumer-App unter grok.com/imagine braucht Video Premium oder höher in der X Subscription, die SuperGrok am 12. Oktober 2026 für Neukunden abgelöst hat; Free und Plus enthalten Bildgenerierung, aber kein Video. Die Preisseite von xAI nennt 1080p-Videos mit 15 Sekunden ab dem Super-Tarif ($100 im Monat), und bestehende SuperGrok-Abos können ihren Plan behalten.

Was kostet die Grok-Imagine-API?

Das hängt von Modell und Auflösung ab. Stand November 2026 kostet grok-imagine-video-1.5-lite $0.02, $0.03 oder $0.14 pro Sekunde in 480p, 720p oder 1080p; grok-imagine-video-1.5 kostet $0.08, $0.14 oder $0.25; und das ursprüngliche grok-imagine-video kostet $0.05 in 480p und $0.07 in 720p, rund $4.20 pro Minute. Audio ist inklusive. Zum Vergleich: Google berechnet für Gemini Omni 1.2 Flash rund $0.07 pro Sekunde in 720p, und OpenAI hat seine Sora-2-API am 24. September 2026 abgeschaltet.

Kann Grok Imagine Videos in 1080p erstellen?

Ja. Seit dem 31. Juli 2026 rendert Grok Imagine Video 1.5 natives 1080p für Text-zu-Video und Bild-zu-Video, in der App und in der API. In der App nennt xAI 1080p-Videos mit 15 Sekunden ab dem Super-Tarif. In der API kostet 1080p $0.25 pro Sekunde mit Video 1.5 und $0.14 mit 1.5 Lite, das von 720p hochskaliert.

Was ist die Prompt-Formel für Grok-Imagine-Video?

[Motiv] + [Aktion] + [Umgebung] + [Stil] + [Kamera und Licht]. Ein Motiv, eine Aktion, eine Kamerabewegung pro Prompt. Zwei kurze Sätze schlagen fünf. Die 20 Beispiele oben folgen alle dieser Struktur.

Kann Grok Imagine mein eigenes Foto animieren?

Ja, Bild-zu-Video ist einer der zentralen Workflows. Lade das Standbild hoch, schreibe dann einen kurzen Prompt, der nur die Bewegung und atmosphärische Veränderung beschreibt, die du möchtest. Beschreibe das Motiv nicht erneut, das Quellbild hat es bereits. Der Clip übernimmt das Seitenverhältnis deines Fotos.

Warum sind meine Grok-Imagine-Videos unscharf?

Fast immer Prompt-Überlastung. Mehrere Motive, mehrere Aktionen oder eine Liste von Stil-Referenzen zwingen das Modell, seine Aufmerksamkeit zu teilen und Brei zu rendern. Reduziere den Prompt auf ein Motiv, eine Aktion, eine Kamerabewegung, einen Stil-Hinweis und versuche es erneut.

Generiert Grok Imagine Audio?

Ja. Soundeffekte, Umgebungsklang, Musik und Dialog entstehen im selben Durchgang wie das Video, mit lippensynchroner Sprache bei Video 1.5. Es gibt keinen separaten Audio-Schritt, und in der API kannst du einen stummen Clip anfordern, indem du generate_audio auf false setzt.

Das Titelbild dieses Artikels wurde mithilfe von KI erstellt.