Il 1º agosto 2026 xAI ha aggiornato il suo generatore di video, Grok Imagine Video 1.5, con tre novità che lo avvicinano agli strumenti professionali: la generazione da solo testo (senza bisogno di un'immagine di partenza), la risoluzione 1080p nativa e la possibilità di bloccare fino a sette elementi di riferimento — volti, luoghi, oggetti — per mantenerli coerenti tra le scene, con in più il controllo della voce.
Le novità: 1080p nativo, riferimenti multipli, coerenza vocale
Fino a questo aggiornamento Grok Imagine partiva soprattutto da un'immagine per animarla. Ora accetta anche un semplice prompt testuale e produce direttamente un video in Full HD. Il salto più interessante è il multi-reference: si possono "agganciare" fino a sette elementi (per esempio la faccia di un personaggio, l'ambiente di una stanza, un logo) e ritrovarli identici da una clip all'altra. Aggiungendo fino a tre input audio, come un campione di voce, il sistema mantiene la stessa voce sui diversi spezzoni, un tassello che finora mancava a quasi tutti i generatori.
Dove si usa e quanto costa
Testo-in-video e 1080p sono già disponibili per tutti su Grok Imagine via web, iOS e Android. Le funzioni più spinte — riferimenti multipli e coerenza avanzata — sono legate agli abbonamenti SuperGrok Heavy e SuperGrok Plus (inizialmente negli Stati Uniti). Gli sviluppatori possono invece accedere via API al modello grok-imagine-video-1.5, con supporto a riferimenti immagine, testo-in-video e 1080p. Come sempre, conviene controllare limiti e prezzi aggiornati nella documentazione ufficiale prima di pianificare progetti a volume.
Come creare il tuo primo video, passo passo
- Apri Grok Imagine dal sito o dall'app e scegli la modalità Video.
- Seleziona Text to Video per partire da una descrizione, oppure carica un'immagine come primo fotogramma.
- Scrivi un prompt dettagliato: soggetto, azione, ambientazione, stile, movimento di camera.
- Se vuoi coerenza, aggiungi i riferimenti (foto di un volto, di un luogo) e, per la voce, un campione audio.
- Imposta la risoluzione a 1080p e genera. Rivedi il risultato e affina il prompt.
Un prompt di esempio e cosa aspettarsi
Un'artigiana italiana lavora una tazza di ceramica al tornio in una bottega illuminata dal sole del mattino. Primo piano sulle mani, poi lenta carrellata all'indietro. Stile documentaristico, luce calda, 1080p.
Il risultato atteso è una clip di alcuni secondi in Full HD, con le mani coerenti e un movimento di camera fluido dal dettaglio al campo largo. Bloccando come riferimento il volto dell'artigiana, si può poi girare una seconda scena — per esempio mentre dipinge la tazza — mantenendo lo stesso viso e, se fornito, lo stesso timbro di voce.
Limiti e confronto con Veo, Sora e Kling
Al debutto, a maggio 2026, Grok Imagine Video aveva conquistato il primo posto nella classifica Image-to-Video Arena, superando concorrenti come Google Veo. Con la 1.5, xAI punta a colmare il divario proprio sulla generazione da testo e sulla coerenza dei personaggi, i due terreni dove Sora di OpenAI e Kling si erano mossi per prime. I limiti restano quelli tipici del settore: durata delle clip ancora contenuta, occasionali artefatti su mani e testo, e la necessità di iterare sui prompt per ottenere risultati pubblicabili. Ma la combinazione di 1080p, riferimenti multipli e voce coerente lo rende oggi uno degli strumenti più completi per chi crea contenuti brevi.
