Grok Imagine Video 1.5 vs Veo 3.1 (Quality)

Parametry obok siebie

Cena za jednostkę i za klip

Ceny brutto z 23% VAT, rozliczenie z salda w złotówkach. Nieudane generacje nic nie kosztują.

Grok Imagine Video 1.5 ożywia jedno zdjęcie w klip 6-15 s z natywnym dźwiękiem, w 480p albo 720p, i kosztuje za sekundę. Veo 3.1 (Quality) robi zawsze klip 8-sekundowy, z tekstu albo z obrazów, w 720p, 1080p lub 4K, i kosztuje za cały klip. Gdy masz zdjęcie i chcesz, żeby postać przemówiła, wybieram Groka: w 720p 8 sekund wychodzi ok. 1,8 raza taniej niż klip Veo. Gdy nie masz zdjęcia albo potrzebujesz 1080p lub 4K, zostaje Veo.

Najważniejsze różnice

• Wejście. Grok Imagine Video 1.5 działa tylko ze zdjęcia: wymaga dokładnie jednego obrazu w image_url. Veo 3.1 (Quality) generuje z samego tekstu albo z 1-3 obrazów w image_urls jako klatek.
• Długość. Grok robi 6-15 s z krokiem co sekundę. Veo w Jantarisie oddaje zawsze 8 s i za taki klip płacisz (duration jest stałe).
• Rozdzielczość. Grok ma 480p i 720p. Veo ma 720p, 1080p i 4K.
• Dźwięk. Grok generuje zsynchronizowaną ścieżkę z dialogiem, a generate_audio: false nie obniża ceny. W formularzu Veo nie ma przełącznika dźwięku ani dopłaty za dźwięk. U producenta Veo 3.1 generuje dźwięk razem z obrazem, ale zanim puścisz serię, odsłuchaj jeden klip.
• Klatki i proporcje. Grok: 16:9, 9:16 i 1:1. Veo: tylko 16:9 i 9:16. Prompt: 10 000 znaków w Groku, 4000 w Veo.
• Cena 5 i 10 s. Klipu 5 s nie zrobisz w żadnym z nich: Grok zaczyna od 6 s, Veo ma stałe 8 s. Najkrótszy klip Groka (6 s) w 480p kosztuje ok. 4,8 raza mniej niż klip Veo, w 720p ok. 2,4 raza mniej. 10 s Groka w 720p to ok. 70% ceny jednego klipu Veo, a dopiero 15 s w 720p wychodzi minimalnie drożej niż klip Veo.

Kiedy wybrać Grok Imagine Video 1.5

• Gadający portret albo ożywiona okładka z gotowego zdjęcia.
• Kwestia mówiona, także po polsku, z dźwiękiem od razu w pliku.
• Ujęcie dłuższe niż 8 s, do 15 s, ze zdjęcia.
• Format 1:1 do feedu.

Kiedy wybrać Veo 3.1

• Klip z samego tekstu, bez zdjęcia startowego.
• Ujęcie w 1080p albo 4K do reklamy lub zwiastuna.
• Przejście między kilkoma obrazami podanymi jako klatki.
• Seria ujęć montowanych z równych, 8-sekundowych kawałków.

Koszt w praktyce

Grok liczy za sekundę (od 0,509 zł za sekundę w 480p, a 720p kosztuje dokładnie dwa razy tyle), Veo za klip 8 s (od 14,64 zł za film w 720p i 1080p). Przy 8 sekundach w 720p Veo jest ok. 1,8 raza droższy, a w 480p Groka różnica rośnie do ok. 3,6 raza. Veo w 4K kosztuje 1,5 raza więcej niż w 1080p, ale tej rozdzielczości Grok nie ma wcale. Koszt dowolnej długości policzysz w kalkulatorze kosztów, wszystkie stawki są w cenniku, a rozpisane przykłady w tekstach Grok Imagine - cena i Veo 3.1 - cena.

W moim teście z 28 września Grok Imagine Video 1.5 wygrał ze średnią 8,5/10 (kawa 8,0, polska mowa 9,0), a Veo 3.1 dostał 8,0 (kawa 8,0, mowa 8,0). Oba testowałem przez API innych dostawców, a formularz Veo w Jantarisie nie ma przełącznika dźwięku, więc wyniku mowy nie przenoszę jeden do jednego. Pełny opis w rankingu generatorów wideo.

Najczęstsze pytania

Grok Imagine Video 1.5 czy Veo 3.1 - co lepsze do polskiej mowy?

W moim teście lepiej wypadł Grok: trudne zdanie ze Szczebrzeszynem oba modele rozpoznawania mowy odczytały bez błędu. Warunek: musisz mieć zdjęcie postaci, bo Grok nie generuje z samego tekstu.

Czy Grok Imagine Video 1.5 zrobi klip z samego tekstu?

Nie, wymaga jednego zdjęcia w image_url. Z samego tekstu wygenerujesz klip w Veo 3.1 albo w Grok Imagine 1.0 Video.

Ile kosztuje 10 sekund w obu modelach?

W Groku 10 razy stawka za sekundę w wybranej rozdzielczości. W Veo 10 sekund to dwa klipy po 8 s, bo krótszych ani dłuższych nie ma. Dokładną kwotę widzisz przed startem w Studio i w estimated_cost, a nieudana generacja kosztuje 0 zł.

Przykłady producentów

Oficjalne materiały producentów modeli, nie nasze generacje.