在AI視頻生成領域，一場激烈的競爭正悄然上演。近日，xAI推出的Grok圖像轉視頻模型（grok-image-video-720p）憑借卓越表現，成功登頂全球知名評測平臺「Image-to-Video Arena」排行榜，以1404分的ELO評分力壓谷歌Veo 3.1 Fast等一眾強敵，成為行業焦點。這一突破不僅標志著AI視頻技術進入新階段，更因其低成本優勢引發廣泛關注。
作為xAI的「王牌」產品，Grok Imagine被團隊稱為「視頻+音頻」生成領域的「多面手」。該模型支持通過文本描述或上傳靜態圖片生成10秒的720p高清視頻，在運動流暢度、音頻質量（如情感表達）和指令遵循能力上實現顯著提升。用戶只需輸入簡單指令，即可讓靜態圖片「活」過來，甚至直接生成包含復雜鏡頭語言的電影級片段。X平臺上，網友已用Grok制作出涵蓋動畫、特效、日常場景的多樣化視頻，形成刷屏效應。
技術層面，Grok Imagine的突破體現在三大核心能力：其一，強大的指令遵循能力使其能精準理解復雜描述，無論是場景細節、動作節奏還是光影效果，均可通過文本或圖像輸入實現；其二，零門檻視頻編輯功能允許用戶直接修改現有視頻內容，如更換背景、添加物體或調整鏡頭運動，無需專業軟件；其三，通過極限優化延遲與成本，模型在保持高質量的同時，將生成速度提升至行業領先水平，API定價約4.2美元/分鐘，顯著低于谷歌等競品。
盡管Grok Imagine在創意短片生成和快速原型設計領域表現亮眼，但評測機構也指出其存在視頻質量偶發抖動、長片段一致性不足等問題。不過，其低成本和易用性仍使其成為短視頻社交內容創作的理想工具。目前，用戶可通過xAI官網（grok.com/imagine）、APP或API集成免費體驗這一技術成果。隨著Grok的強勢入局，AI視頻領域的競爭格局或將迎來新一輪洗牌。
