Imagine Video 1.5 ganha 1080p e referências
O Imagine Video 1.5, modelo de geração de vídeo da xAI integrado ao Grok, recebeu referências de imagem e voz, criação por prompt de texto e saída nativa em 1080p. A atualização foi anunciada em 1º de agosto de 2026 e mira criadores, marcas e desenvolvedores que precisam controlar personagem, cenário, produto, voz e resolução em vídeos gerados por IA.
Tabela de conteúdos
O que muda no Imagine Video 1.5
A principal mudança do Imagine Video 1.5 é a passagem de um fluxo mais dependente de imagem inicial para um sistema com mais controle criativo. Agora, o usuário pode descrever uma cena apenas com texto, orientar a geração com imagens de referência ou combinar a imagem de um personagem com uma amostra de voz.
Na prática, isso permite criar clipes em que uma pessoa mantém aparência e voz entre diferentes tomadas. Também facilita preservar um produto, uma locação ou um estilo visual enquanto a ação muda. Segundo a xAI, a geração em 1080p nativo já está disponível para fluxos de texto para vídeo e imagem para vídeo no Grok Imagine, na web, no iOS e no Android.
“Imagine Video 1.5 foi lançado no mês passado como nosso melhor modelo de vídeo até agora, com movimento e som mais realistas. Hoje ele vai além com suporte a texto para vídeo, referências de imagem e voz, e 1080p nativo.”
Grok, perfil oficial no X
Referências de imagem: até sete âncoras visuais
O recurso Multi-Reference aceita até sete imagens em uma mesma geração. Cada referência pode cumprir um papel diferente: uma fixa o rosto do personagem, outra preserva um produto e outra define o ambiente. Com isso, o criador pode manter o personagem e trocar o cenário, manter o cenário e alterar o personagem ou preservar ambos enquanto muda apenas a ação.
Esse tipo de controle é importante porque modelos de vídeo por IA costumam sofrer com inconsistência de identidade, deformações entre quadros e mudanças involuntárias de objetos. Ao usar múltiplas referências, o Imagine Video 1.5 tenta reduzir esses problemas e entregar continuidade visual para campanhas, protótipos, storyboards e conteúdo social.
Consistência de voz e personagem no Grok
A referência de voz adiciona uma camada de continuidade sonora. Quando a imagem de um personagem e uma amostra de voz são usadas juntas, a xAI afirma que o modelo consegue manter a mesma face e a mesma voz em cenas diferentes. O objetivo é permitir sequências com identidade reconhecível sem reconstruir todos os sinais do personagem a cada clipe.
Por enquanto, as referências de imagem e voz começam nos Estados Unidos para assinantes SuperGrok Heavy e SuperGrok Plus, no site do Grok Imagine e no aplicativo para iOS. A xAI diz que pretende liberar as ferramentas para todos os níveis nos próximos dias. Já o texto para vídeo e o 1080p nativo estão em disponibilidade geral.
| Recurso | O que faz | Disponibilidade |
| Texto para vídeo | Cria clipes a partir de prompts sem imagem inicial | Web, iOS e Android |
| Referências de imagem | Usa até sete imagens para preservar identidade, produto ou cenário | Inicialmente nos EUA para SuperGrok |
| Referência de voz | Mantém voz associada ao personagem entre cenas | Liberação gradual; API sob solicitação |
| 1080p nativo | Gera saída em alta definição sem depender apenas de upscale | Disponível no Grok Imagine |
API do xAI Imagine para desenvolvedores
Desenvolvedores também podem acessar referências de imagem, texto para vídeo e 1080p nativo pela API da xAI, usando o modelo grok-imagine-video-1.5. O exemplo divulgado pela empresa inclui prompt, URL de imagem de referência, duração, proporção de tela e resolução em uma chamada de geração de vídeo.
A referência de voz, porém, exige solicitação direta à xAI. Essa restrição sugere uma implementação mais controlada, possivelmente ligada a segurança, consentimento de voz e prevenção de uso indevido. Em ferramentas de IA generativa, recursos que clonam ou preservam voz costumam exigir políticas adicionais para evitar deepfakes, falsificação de identidade e violações de direitos de imagem.
Por que o 1080p nativo importa
A resolução em 1080p nativo é relevante porque melhora a utilidade dos vídeos fora de testes rápidos. Para criadores de conteúdo, significa menos dependência de ferramentas externas de upscale. Para empresas, facilita usar materiais em apresentações, anúncios, demonstrações de produto e publicações em redes sociais com aparência mais profissional.
O avanço também aproxima o Grok Imagine de uma disputa mais ampla entre plataformas de geração de vídeo por IA. Modelos concorrentes têm focado em realismo, controle de câmera, física, áudio e consistência temporal. A nova versão da xAI tenta se diferenciar ao unir múltiplas referências, consistência de voz, geração por texto e saída em alta definição em um mesmo fluxo.
Resumo rápido
O Imagine Video 1.5 agora permite criar vídeos no Grok com prompt de texto, até sete imagens de referência, voz consistente e 1080p nativo. A novidade amplia o controle sobre identidade, cena e produto.
Impacto para criadores e marcas
Para criadores, a atualização reduz o retrabalho em séries curtas, anúncios experimentais e narrativas com personagens recorrentes. Em vez de gerar cada tomada do zero, é possível usar referências para guiar continuidade. Para marcas, a preservação de produto e cenário pode ajudar na criação de variações de campanha sem perder identidade visual.
Ainda assim, a qualidade final dependerá do prompt, das imagens de referência, da duração escolhida e das limitações do modelo. Mesmo com avanços em movimento, física e áudio, vídeos de IA podem apresentar inconsistências em mãos, expressões faciais, objetos pequenos ou cortes muito complexos. Por isso, o uso profissional ainda exige revisão humana.
Perguntas Frequentes sobre Imagine Video 1.5
O que é o Imagine Video 1.5?
É o modelo de vídeo da xAI no Grok. Ele gera clipes por texto ou imagem e agora inclui referências, voz consistente e 1080p nativo.
Quantas imagens de referência o Grok Imagine aceita?
O modelo aceita até sete imagens. Elas podem fixar rosto, produto, cenário ou outros elementos visuais em uma geração.
O 1080p nativo já está disponível?
Sim. A xAI afirma que o 1080p nativo está disponível no Grok Imagine para texto para vídeo e imagem para vídeo.
Quem pode usar referências de voz no Imagine Video 1.5?
O recurso começou nos EUA para SuperGrok Heavy e Plus. Na API, referências de voz exigem solicitação direta à xAI.
Considerações finais
A atualização do Imagine Video 1.5 coloca a xAI em uma fase mais competitiva da geração de vídeo por IA. Ao combinar referências de imagem, voz, texto para vídeo e 1080p nativo, o Grok Imagine passa a oferecer mais controle para produção criativa. A disponibilidade, no entanto, ainda será gradual para alguns recursos, especialmente voz e referências avançadas.
