Grok Imagine：X全新AI视频生成器挑战顶级对手

Grok，X旗下的AI聊天机器人，近期人气飙升，在美国、英国、新加坡等主要市场的应用商店排行榜上名列前茅。尽管其拥有先进的大语言模型能力，但一个显著的缺失是集成的视频生成功能。为了解决这一问题，埃隆·马斯克及其团队现已推出“Imagine”，这是Grok聊天机器人内一项由AI驱动的功能，旨在创建视频。这项新产品使Grok直接与谷歌的Veo 3和OpenAI的Sora等成熟的视频生成模型展开竞争。本报告将深入探讨Grok Imagine，详细介绍其功能、可访问性和性能。

什么是Grok Imagine？

Grok Imagine是X最新的AI功能，已集成到Grok聊天机器人中，使用户能够通过简单的文本提示生成图像和视频。据埃隆·马斯克称，Imagine比竞争对手快得多，他表示：“Grok Imagine现在制作视频所需的时间仅为主要竞争对手制作单张图像所需时间的1/2到1/4！”这强调了其速度和用户友好性，即使是具备基本提示技能的用户也能轻松使用。Imagine生成的视频目前长度为6秒，比谷歌的Veo 3短，但比OpenAI的Sora长。

主要功能

Imagine拥有多项旨在增强创意输出和用户体验的关键功能：

• 文本到媒体生成： 用户可以通过提供详细的文本描述来生成图像和视频。

• 图像到视频转换： 该模型支持从静态上传图像创建动态视频剪辑。

• 自动化音频集成： 视频包含AI生成的音轨，这些音轨会自动与视觉内容同步，匹配情绪和主题。

• “辛辣模式”实现创作自由： 可选的“辛辣模式”允许用户绕过某些严格的过滤器，探索更非传统或受审查较少的输出，同时仍保持对敏感内容的防护。

• 加速创作： Imagine专为速度而设计，据报道，它比其他AI视频工具能以显著更少的时间交付结果，且不影响创作质量。

• 语音命令支持： 用户可以使用自然语音命令生成内容，从而简化创作过程。

访问和可用性

Grok Imagine目前处于测试阶段，仅供付费订阅者使用。“Super Grok”和“Super Grok Heavy”用户可获得早期访问权限。“X Premium+”和“Premium”订阅者目前不符合资格，但可以加入等待列表，活跃用户预计将获得访问权限。使用限制适用，“Premium”用户上限为50个视频，“Premium+”为100个，“Super Grok Heavy”为500个。

要访问Imagine，用户必须下载Grok或Super Grok移动应用程序，因为该功能目前仅限于移动端。使用付费账户登录后，“Imagine”选项可在界面顶部访问，允许用户输入提示并开始生成内容。

性能评估：动手测试

为了评估Grok Imagine的能力，我们对不同类型的内容进行了一系列测试。对于每次测试，Imagine首先根据提示生成多个图像选项，用户从中选择一个以继续进行视频生成。然后，选定的图像将构成最终视频的基础。

1. 产品视频生成
提示：“一位模特拿起一支形状像金属笔的口红，口红放在一家90年代复古风格的餐厅里，她将其涂抹在嘴唇上并微笑，焦点应放在嘴唇上，背景需是略微模糊的复古风格餐厅。口红的名称——Popper的裸棕色，在视频末尾显示在屏幕上。”

*分析：*生成的视频几乎是即时制作的，并展示了高质量，准确地将焦点放在了指定的口红上。虽然存在AI生成的伪影，特别是在口红的逼真涂抹方面，但整体高清质量值得关注。提示中的每个词，包括产品名称，都准确地出现在视频中，表明精确的文本集成。

2. 表情包视频创作
提示：“一只猴子在笔记本电脑上疯狂打字，另一只猴子让它出去，而第一只猴子拒绝并说——AI特工要来抢它的工作了。”

*分析：*Imagine生成了多个图像选项，尽管有些包含明显的拼写错误，表明文本准确性存在不一致。在选择了一个最符合提示意图的图像后，生成的视频有效地传达了一个幽默的表情包。随附的AI生成音频与场景相得益彰，类似于两只猴子在争吵，增强了整体喜剧效果。

3. 电影镜头生成
提示：“一个女孩跑过一条黑暗的小巷，摄像机从上方跟着她跑，开始下雨，她滑倒了，惊恐地回头看，最后一幕焦点停留在她的脸上，一个电影镜头。”

*分析：*虽然该工具提供了各种图像选择，但生成的视频并未完全满足提示的复杂要求。尽管初始片段捕捉到了所需的氛围和摄像机角度，但随着场景的推进，视频质量明显下降，AI生成的伪影变得明显。这表明该模型可能难以处理多方面、复杂的提示。然而，随附的音频效果高度准确且适合场景。

整体性能和未来展望

Grok Imagine在图像生成方面表现出强大的能力，视频生成显示出未来改进的潜力。目前，它落后于OpenAI的Sora、谷歌的Veo 3以及中国模型如呼哩噜和万等领先模型，这些模型代表了AI视频合成的前沿技术。

性能分析表明，Imagine的输出质量会随着更详细和上下文相关的提示而显著提高。建议用户提供尽可能多的具体信息以达到预期效果。当前的一个限制是AI生成音频的通用性，它通常不能完全整合或增强视频的特定视觉内容。

结论

Grok Imagine代表了X在AI产品方面迈出的重要一步，展示了在图像和视频生成方面的巨大潜力。尽管该模型在与更成熟、更先进的视频生成平台相比时仍有很大的改进空间，但其初始表现值得称赞。作为Grok在该领域的首次尝试，预计未来的迭代将解决当前的限制并增强其能力。

尽管尚未达到顶级模型的复杂程度，但Imagine非常适合生成快速、短小的视频片段，并用于快速可视化想法。其当前的使用限制也为用户提供了合理的实验和创建有意义内容的范围。