xAI升級 Imagine Video1.5:新增圖像語音參考與原生1080p視頻生成

xAI 於近日為旗下影片生成模型 Imagine Video 1.5 推出重大更新，一口氣加入圖像參考、語音參考、純文字生成影片與原生 1080p 輸出等多項能力。這次升級讓 AI 影片創作在角色一致性、場景控制與畫面品質等面向都更加貼近專業製作需求，也讓創作者在產製內容時擁有更高的靈活性與可控性。這波功能目前已陸續上線，其中文字轉影片與 1080p 高畫質生成已可在 Grok Imagine 網頁版、iOS 版與 Android 版使用。

至於圖像參考與語音參考功能，則率先開放給美國地區的 SuperGrok Heavy 與 SuperGrok Plus 用戶體驗，xAI 也預告後續會逐步擴大適用到更多使用者，讓不同等級的訂閱用戶都能享受到這波模型升級帶來的便利。從實際應用面來看，新版 Imagine Video 1.5 提供了更自由的創作流程。使用者可以直接輸入文字描述來生成影片，也能上傳參考圖像，以此鎖定特定角色、產品或場景的視覺風格。更進一步，創作者還可以將角色圖片與語音樣本結合在一起，交由 AI 在不同鏡頭之間維持角色外觀與聲音的一致性，大幅減少過去生成多段影片時常見的角色漂移或聲音不連貫問題。

值得注意的是，Imagine Video 1.5 單次生成最多可支援七個視覺參考，這些參考可以用來分別固定人物臉部、產品特徵或環境元素，讓內容控制達到更精細的程度。在多重參考模式之下，使用者可以保留角色身份直接替換背景，或維持場景不變但更換角色，也可以只調整動作而讓整體視覺設定保持原樣。這樣的設計讓創作者不必從零開始調整每個畫面，而是能在既有設定的基礎上進行局部變更，效率與創作自由度都明顯提升。語音參考功能則是這次升級的另一大亮點，主要用來解決 AI 影片製作中的角色連續性問題。

透過結合語音樣本與角色圖像，同一角色在多個影片片段中都能維持穩定的面部特徵與聲音表現，這對於需要大量對話場景或系列式內容創作的團隊來說尤其實用。未來若要製作具有連貫角色的短劇、廣告或多集式內容，這項功能有望成為關鍵輔助工具。除了終端使用者的功能更新，xAI API 同步開放了相關能力。開發者目前已可透過 grok-imagine-video-1.5 模型來呼叫圖像引用、文字轉影片與原生 1080p 影片生成功能。API 端支援傳入提示詞、參考圖像 URL、影片時長、寬高比與解析度等參數，開發者可依實際需求彈性組合。至於語音參考功能，則需要透過請求方式另行接入，提供給有進階整合需求的團隊使用。

回顧 Imagine Video 1.5 的發展時程，該模型於上月才正式發布，當時 xAI 便表示這一代版本在運動表現、物理模擬與音頻生成方面都有顯著優化。如今相隔不到一個月便推出功能更新，顯示 xAI 正以相當快的節奏推進影片生成模型的迭代，也反映市場對於更精細控制工具的高度需求。整體而言，這次升級進一步強化了模型對身份、場景與產品細節的掌控能力，讓 AI 影片生成從單純的畫面轉換，逐步走向更接近專業影視製作流程的多模態創作工具。當創作者可以同時指定視覺參考與語音參考，並透過 API 串接自動化工作流程，AI 影片生成的應用邊界也將隨之擴展。

從社群內容創作、廣告製作到品牌行銷素材產出，這類功能都可能帶來實質影響，而有機會在未來成為影片生成領域的重要趨勢方向。