Grok Imagine Video 1.5正式上線：音畫同步生成，價格砍到Sora 2 Pro的14%

xAI於2026年6月17日宣布，旗下影片生成工具Grok Imagine的「Video 1.5」模型正式結束預覽測試階段，全面對外開放。這次更新最大的技術亮點是「音畫同步生成」——使用者輸入一段文字或圖片提示後，系統會一次性產出畫面與對應的環境音、對白甚至背景音樂，不需要像過去那樣先生成無聲影片、再另外疊加音效軌。Video 1.5同步登陸四個管道：開發者可透過Imagine API串接、一般使用者可在grok.com網站直接生成、也可透過iOS與Android版的Grok App使用，等於同時覆蓋了開發者、網頁用戶與行動端三種使用情境。

定價策略是這次發布最受矚目的部分。xAI公布的資費顯示，Video 1.5的生成成本較OpenAI同級的Sora 2 Pro方案低了86%，換算下來只要對手約七分之一的價格。這個定價落差在AI影片生成這個仍處於燒錢競賽的領域裡相當罕見，等於是把「用得起AI影片工具」的門檻，從原本主要是大型製作團隊或行銷代理商，一口氣拉低到中小企業、甚至個人創作者都能負擔的範圍。

技術意義：音畫同步不只是省一道工序

過去多數AI影片生成工具（包括早期的Sora、Runway等）採取的是「先畫面後配音」的兩階段流程，畫面和聲音是兩套獨立生成的模型，容易出現嘴型對不上台詞、音效節奏和畫面動作脫節的問題。Video 1.5把音畫放進同一個生成流程處理，理論上能讓對話、動作音效與畫面律動更貼合，這對需要對嘴說話、有明確動作節奏的短影音內容（例如產品開箱、人物講解）會是明顯的品質提升，而不只是「少剪一步」的效率問題。

與Sora 2 Pro的定位差異

OpenAI的Sora 2 Pro走的是更高階、面向專業影視與廣告製作的定位，強調畫質與可控性，定價相對較高；xAI這次選擇用價格戰切入，訴求的是「量」——鼓勵開發者和一般用戶大量嘗試、高頻率生成短內容，而非追求單支影片的極致品質。兩者短期內不必然是正面對撞，比較像是在同一個市場切出了「精品」與「量產」兩條不同賽道，但86%的價差幅度已經足以讓不少原本猶豫是否要導入AI影片工具的中小型團隊，重新評估Sora陣營的必要性。

業界反應：價格戰會不會壓縮到品質投資

多方觀察指出，這輪定價策略延續了xAI近半年來在Grok系列產品上「先衝用量、後談獲利」的一貫打法，與OpenAI、Google DeepMind在文字模型上的競爭邏輯類似，只是這次戰場轉移到影片生成。部分業界聲音則擔憂，激烈的價格競爭可能讓廠商為了壓低算力成本而犧牲模型的細節表現，值得後續觀察Video 1.5在複雜場景、長鏡頭生成上的實際穩定度是否能撐住這個價位。

對管理者而言，這則新聞的意義不在於要不要立刻導入某個特定工具，而是提醒：AI影片生成的成本門檻正在快速下探，原本被視為「需要外包或專業團隊」的短影音、產品介紹影片、內部教育訓練短片等內容，正在變成內部行銷或人資單位可以自行低成本量產的日常工作項目，值得評估是否該提前布局相關流程與人才技能。