Grok Imagine Video 1.5 图生视频 ComfyUI 官方示例

Grok Imagine Video 1.5 Partner Node 可从单张图片生成带原生音频的高质量视频。由 xAI 最新 Grok 模型驱动，最高支持 1080p 分辨率。

节点通过 model 参数支持两种模型变体：

• grok-imagine-video — 上一代模型，图片为可选输入
• grok-imagine-video-1.5 — 最新模型，必须提供输入图片，支持 1080p 输出

两种变体均生成原生音频——音效、环境音和对话在同一推理过程中合成，无需额外音频管线。视频时长范围为 1 到 15 秒。

Grok Imagine Video 1.5: 图生视频

工作流总览

该工作流使用三个节点：

• LoadImage — 提供起始图片帧
• GrokVideoNode — 核心节点，配置为 grok-imagine-video-1.5 模型
• SaveVideo — 保存生成的带原生音频的视频

运行步骤

1. 上传起始图片 — 使用 LoadImage 节点加载参考图片
2. 输入提示词 — 在 GrokVideoNode 中描述运动效果、氛围和场景动态
3. 选择模型 — 确保选择了 grok-imagine-video-1.5
4. 设置分辨率 — 选择输出分辨率（推荐 720p）
5. 设置时长 — 选择视频的秒数
6. 设置种子 — 控制结果的可复现性
7. 执行 — 按下 Ctrl+Enter 生成

输出

生成的视频包含与运动同步的原生音频，通过 SaveVideo 节点自动保存。

小贴士

• 使用高质量的输入图片可获得最佳效果
• 提示词最好同时描述视觉场景和运动动态
• 尝试不同的种子值可获得多样化的结果