จากอนิเมทภาพนิ่งอย่างเดียว สู่พิมพ์พรอมต์แล้วได้วิดีโอตรงๆ

ก่อนหน้านี้ Grok Imagine Video 1.5 (เปิดตัวมิถุนายน 2026) รองรับเฉพาะ image-to-video คือต้องมีภาพตั้งต้นก่อนเสมอ อัพเดทรอบนี้เพิ่มโหมด text-to-video ให้พิมพ์บรรยายฉากแล้วเจนวิดีโอได้ตรงๆ โดยเบื้องหลังโมเดลจะแปลงข้อความเป็นภาพก่อนแล้วค่อยแปลงเป็นวิดีโออีกที และยกเพดานความละเอียดจากเดิมที่สูงสุด 720p ขึ้นเป็น native 1080p ได้ทั้งสองโหมด ฝั่งราคาต่อ API แบ่งตามความละเอียด: 480p อยู่ที่ 0.08 ดอลลาร์/วินาที, 720p ที่ 0.14 ดอลลาร์/วินาที และ 1080p ที่ 0.25 ดอลลาร์/วินาที บวกเพิ่ม 0.01 ดอลลาร์ต่อภาพอ้างอิงที่ใช้

Multi-reference 7 จุด + ล็อกหน้า-เสียงข้ามซีน

ฟีเจอร์ที่โดดเด่นที่สุดคือระบบ multi-reference ที่ใส่ภาพอ้างอิงได้พร้อมกันสูงสุด 7 ภาพ เพื่อล็อกตัวละคร ฉาก และวัตถุแต่ละชิ้นแยกกันในการเจนครั้งเดียว และระบบ voice consistency ที่จับคู่ภาพตัวละครกับตัวอย่างเสียงพูด ทำให้หน้าตาและน้ำเสียงเดิมคงอยู่ข้ามหลายฉากในโปรเจกต์เดียว พร้อม lip-sync ที่แม่นยำขึ้น ตอนนี้เปิดให้ผู้ใช้ SuperGrok Heavy และ SuperGrok Plus บนเว็บ grok.com และแอป iOS ก่อน แล้วจะทยอยเปิดให้ทุกระดับสมาชิกในไม่กี่วันข้างหน้า ฝั่งนักพัฒนาเรียกผ่าน API ด้วยโมเดล grok-imagine-video-1.5 ได้แล้ว ส่วนฟีเจอร์ voice reference ต้องขอสิทธิ์การใช้งานเพิ่มเติม โมเดลนี้เคยขึ้นอันดับ 1 บอร์ด Image-to-Video Arena มาตั้งแต่เปิดตัว และถูกวางตำแหน่งว่าราคาถูกกว่า Sora 2 Pro ราว 86% ในตลาดที่ Seedance, Veo และ Kling แข่งกันอยู่

มุมมองของเรา

จุดที่น่าสนใจสำหรับทีมโปรดักชันไม่ใช่แค่เรื่องราคา แต่คือ multi-reference 7 จุดกับ voice consistency ที่แก้ปัญหาคลาสสิกของงานเจนวิดีโอ AI ตรงๆ — ตัวละครหน้าเปลี่ยน เสียงเปลี่ยน ระหว่างช็อตต่อช็อต ถ้าฟีเจอร์นี้ทำงานได้จริงตามที่โฆษณา จะช่วยลดรอบแก้งานสำหรับโฆษณาที่ต้องคุมคาแรกเตอร์ให้เหมือนเดิมตลอดทั้งเรื่องได้มาก ทีมเราติดตามผลทดสอบจริงของโมเดลนี้ควบคู่กับ Seedance ที่ใช้เป็นหลักอยู่ เพื่อเลือกเครื่องมือที่ให้ผลลัพธ์คุมได้ดีที่สุดในแต่ละงานของลูกค้า