xAI 升級 Imagine Video 1.5：支援音畫參考與原生 1080p

做 AI 影片最頭疼的事情，莫過於鏡頭一換，主角不僅換了張臉，連聲音也跟著變調。xAI 剛剛給 Imagine Video 1.5 打了個補丁，專門解決這個毛病。

一次最多鎖定 7 個元素

這次更新加入了影像和聲音參考功能。你可以直接傳一張角色圖配一段聲音，模型就能在不同場景裡保持同樣的面孔和音色。

每次生成最多支援傳入 7 張參考圖。這意味著你可以把角色、商品、場景地點全固定住，只讓動作發生變化；也可以留著場景只換主角。

同時，新版補上了純文本直接生成影片的能力，並支援原生 1080p 解析度。影像和聲音參考先對美國的 SuperGrok Heavy 和 Plus 使用者開放，接下來幾天會推給其他訂閱者。開發者也能在 xAI API 裡呼叫 grok-imagine-video-1.5，聲音參考功能目前需要單獨申請。

為什麼重要

做連續短片或廣告演示的人，終於不用每次切鏡頭都去抽盲盒了。角色一致性和固定道具是 AI 影片走向實用製作的最大門檻，能同時鎖住臉、聲音和特定物件，工作流才算真正能用。

我們認為，xAI 把參考數量拉到 7 張非常聰明。它不只是瞄準個人創作者，更是在給商品廣告和帶貨影片鋪路。不過聲音參考在 API 端還要單獨申請，說明算力消耗和潛在的聲紋濫用風險依然讓官方比較謹慎。