
เครื่องมือสร้างวิดีโอ AI Grok Imagine
สร้างวิดีโอ AI ที่มีสไตล์ด้วย Aurora Engine ของ xAI ใน Grok Imagine
Grok Imagine คือโมเดลสร้างวิดีโอของ xAI ที่ขับเคลื่อนด้วยเอนจิน Aurora แบบ autoregressive และฝึกบนซูเปอร์คอมพิวเตอร์ Colossus ด้วย NVIDIA GB200 GPU จำนวน 110,000 ตัว โมเดลสร้างคลิปความยาว 6 หรือ 10 วินาทีที่ความละเอียด 480p หรือ 720p พร้อมเสียง รองรับทั้งข้อความเป็นวิดีโอและรูปภาพเป็นวิดีโอ รวมถึงโหมด Fun, Normal และ Spicy ที่ให้คุณเปลี่ยนอารมณ์สร้างสรรค์ของพรอมต์ได้ในคลิกเดียว
Grok Imagine 1.0 เปิดให้ใช้งานทั่วไปเมื่อวันที่ 2 กุมภาพันธ์ 2026 หลังจากเปิดตัวรุ่นพรีวิวในปี 2025 โมเดลใช้ Aurora ซึ่งเป็นสถาปัตยกรรมแบบ autoregressive ของ xAI ที่คาดการณ์และสร้างภาพทีละเฟรม ต่างจากโมเดลที่ใช้ diffusion การฝึกดำเนินการบนซูเปอร์คอมพิวเตอร์ Colossus ด้วย NVIDIA GB200 GPU จำนวน 110,000 ตัว ซึ่งเป็นหนึ่งในโครงสร้างพื้นฐานขนาดใหญ่ที่สุดที่เคยใช้ฝึกโมเดลวิดีโอ AI แพลตฟอร์มสาธารณะเคยสร้างวิดีโอมากกว่า 1.245 พันล้านคลิปภายในช่วงเวลา 30 วัน
LoveGen AI มีโหมดอินพุต 2 แบบ โหมดข้อความเป็นวิดีโอรองรับพรอมต์สูงสุด 2,000 ตัวอักษรและอัตราส่วนภาพ 5 แบบ ได้แก่ 16:9, 9:16, 1:1, 3:2 และ 2:3 ครอบคลุมรูปแบบแนวนอน แนวตั้ง สี่เหลี่ยมจัตุรัส และกรอบภาพถ่ายแบบคลาสสิก ส่วนโหมดรูปภาพเป็นวิดีโอจะทำให้ภาพอ้างอิง 1 ภาพ (JPG, JPEG, PNG หรือ WebP ขนาดสูงสุด 20 MB) เคลื่อนไหวตามพรอมต์ ทั้งสองโหมดสร้างวิดีโอที่ 24 fps ความยาว 6 หรือ 10 วินาที และความละเอียดสูงสุด 720p
จุดเด่นสำคัญคือการเลือกสไตล์ Normal ให้ผลลัพธ์ที่สมดุลและตรงตามพรอมต์ Fun เน้นการตีความที่สนุก เกินจริง และสร้างสรรค์ ส่วน Spicy ให้ผลลัพธ์ที่โดดเด่นและดราม่ามากขึ้น Aurora สร้างบทสนทนาพร้อมลิปซิงค์ เพลงประกอบ และเสียงบรรยากาศไปพร้อมกับวิดีโอในกระบวนการเดียว จึงไม่ต้องทำขั้นตอนหลังการผลิตแยกต่างหาก เมื่อวันที่ 2 มีนาคม 2026 xAI เปิดตัว Extend from Frame ซึ่งนำเฟรมสุดท้ายของคลิปหนึ่งมาใช้เป็นเฟรมแรกของคลิปถัดไปเพื่อเชื่อมคลิปเข้าด้วยกัน โดยเฉลี่ยแล้วคลิปที่เสร็จสมบูรณ์ความยาว 6 หรือ 10 วินาทีใช้เวลาสร้างประมาณ 30 วินาที การสร้างวิดีโอใน LoveGen AI ทำงานแบบอะซิงโครนัส เมื่อส่งงานแล้ว วิดีโอจะปรากฏในแกลเลอรีเพื่อให้คุณดู ดาวน์โหลด และเปรียบเทียบโดยตรงกับผลลัพธ์จาก Sora 2, Veo 3.1, Seedance 2.0 และ Happy Horse 1.0
วิธีใช้งาน Grok Imagine
ขั้นตอนที่ 1: เลือกข้อความเป็นวิดีโอหรือรูปภาพเป็นวิดีโอ
สลับระหว่างข้อความเป็นวิดีโอ (Text-to-video) สำหรับการสร้างจากคำสั่งอย่างเดียว หรือรูปภาพเป็นวิดีโอ (Image-to-video) เพื่อทำให้รูปภาพอ้างอิงที่คุณอัปโหลดเคลื่อนไหว
ขั้นตอนที่ 2: เลือกการตั้งค่าของคุณ
เลือกความยาว (6 วินาที หรือ 10 วินาที), ความละเอียด (480p หรือ 720p), อัตราส่วนภาพ (สำหรับ T2V เท่านั้น) และโหมดสไตล์ (Fun หรือ Normal)
ขั้นตอนที่ 3: สร้างและดาวน์โหลด
คลิกปุ่มสร้าง Aurora จะส่งคืนคลิปที่เสร็จสมบูรณ์พร้อมเสียงในตัวภายในเวลาประมาณ 30 วินาที — คุณสามารถดูตัวอย่าง ดาวน์โหลด หรือเปรียบเทียบเคียงข้างกับโมเดลอื่นๆ ในแกลเลอรีของคุณได้
ข้อกำหนดทางเทคนิคของ Grok Imagine
| ผู้ให้บริการ | xAI |
| เอนจิน | Aurora — การคาดการณ์เฟรมแบบ autoregressive |
| เวอร์ชันล่าสุด | Grok Imagine 1.0 (เปิดใช้งานทั่วไป 2 ก.พ. 2026) |
| โครงสร้างพื้นฐานการฝึกฝน | ซูเปอร์คอมพิวเตอร์ Colossus, 110,000 NVIDIA GB200 GPUs |
| โหมดอินพุต | ข้อความเป็นวิดีโอ, รูปภาพเป็นวิดีโอ |
| โหมดสไตล์ | Fun, Normal, Spicy |
| ความยาววิดีโอ | 6 หรือ 10 วินาที (xAI ยังรองรับ 15 วินาทีผ่าน Extend from Frame) |
| ความละเอียด | 480p, 720p |
| อัตราเฟรม | 24 fps |
| อัตราส่วนภาพ (T2V) | 16:9, 9:16, 1:1, 3:2, 2:3 |
| อินพุตรูปภาพ (I2V) | 1 รูป — JPG / JPEG / PNG / WebP ขนาดสูงสุด 20 MB |
| เสียง | สร้างพร้อมวิดีโอ — บทสนทนาพร้อมลิปซิงค์ เพลงประกอบ และเอฟเฟกต์เสียง |
| ความเร็วในการสร้าง | เฉลี่ยประมาณ 30 วินาทีต่อคลิป |
| อายุการใช้งานของผลลัพธ์ | ลิงก์วิดีโอที่สร้างขึ้นจะใช้งานได้ 24 ชั่วโมงหลังจากเสร็จสิ้น |
ทำไมต้องเลือก Grok Imagine
Aurora Autoregressive Engine
Grok Imagine สร้างขึ้นบน Aurora ซึ่งเป็นโมเดลวิดีโอแบบ autoregressive ทีละเฟรมของ xAI ฝึกฝนด้วย NVIDIA GB200 GPU จำนวน 110,000 ตัว — ซึ่งเป็นแนวทางที่แตกต่างอย่างสิ้นเชิงจากคู่แข่งที่ใช้ระบบ diffusion และเป็นเหตุผลหลักที่ทำให้การเคลื่อนไหวของมันให้ความรู้สึกที่โดดเด่น
โหมดสไตล์ 3 แบบที่พร้อมใช้งานทันที
โหมด Fun, Normal และ Spicy ช่วยให้คุณปรับโทนความคิดสร้างสรรค์ได้โดยไม่ต้องเขียนคำสั่งใหม่ ในขณะที่โมเดลวิดีโอส่วนใหญ่ให้ลุคเดียว Grok Imagine ให้คุณถึงสามลุคจากอินพุตเดียวกัน
สร้างภาพและเสียงพร้อมกันในขั้นตอนเดียว
บทสนทนาพร้อมลิปซิงค์ เสียงบรรยากาศ และเพลงประกอบจะถูกสร้างพร้อมกับวิดีโอ จึงไม่ต้องทำเสียงแยกและลดปัญหาเสียงไม่ตรงกับภาพ
Grok Imagine เปรียบเทียบกับเครื่องมือสร้างวิดีโอ AI อื่นๆ
| Feature | Grok Imagine | Sora 2 | Veo 3.1 | Seedance 2.0 |
|---|---|---|---|---|
| ผู้ให้บริการ | xAI | OpenAI | Google DeepMind | ByteDance |
| สถาปัตยกรรม | Aurora (autoregressive) | Diffusion | Diffusion | Diffusion |
| ความละเอียดสูงสุด | 720p | 1080p | 1080p | 1080p |
| ตัวเลือกความยาว | 6 วินาที, 10 วินาที (15 วินาทีผ่าน Extend) | 4 วินาที, 8 วินาที, 12 วินาที | 4 วินาที, 6 วินาที, 8 วินาที | 4–15 วินาที |
| โหมดสไตล์ | Fun, Normal, Spicy | โหมดเดียว | โหมดเดียว | โหมดเดียว |
| อินพุตรูปภาพ | 1 รูป (I2V) | 1 รูป + Cameos | สูงสุด 3 รูป | 1–2 รูป |
| อัตราส่วนภาพ (T2V) | 16:9, 9:16, 1:1, 3:2, 2:3 | 16:9, 9:16, 1:1, 3:2, 2:3 | 16:9, 9:16 | 16:9, 9:16, 1:1, และอื่นๆ อีก 4 แบบ |
| เสียงในตัว | มี | มี | มี | มี |
| ความเร็วเฉลี่ยในการสร้าง | ~30 วินาที | ~60 วินาที | ~45 วินาที | ~40 วินาที |
เหมาะอย่างยิ่งสำหรับครีเอเตอร์ นักการตลาด และนักเล่าเรื่อง
คลิปสำหรับโซเชียลมีเดีย
สร้างวิดีโอสั้น 6 หรือ 10 วินาทีในรูปแบบ 9:16 หรือ 1:1 สำหรับ TikTok, Reels และ Shorts เลือกโหมด Fun สำหรับเนื้อหาที่เปี่ยมไปด้วยพลังและดึงดูดสายตาพร้อมเสียงประกอบในตัว
การทำให้รูปภาพเคลื่อนไหว
อัปโหลดภาพถ่ายหรือภาพประกอบที่มีอยู่แล้วเปลี่ยนให้เป็นลำดับภาพเคลื่อนไหว — เหมาะสำหรับภาพสินค้า, งานศิลปะตัวละคร หรือภาพนิ่งเบื้องหลังการถ่ายทำ
บอร์ดแนวคิด (Concept Boards)
สร้างมุมมองสไตล์ที่หลากหลายของฉากเดียวกันที่ความละเอียด 480p อย่างรวดเร็ว เพื่อกำหนดทิศทางที่คุณชอบ แล้วเรนเดอร์ใหม่ที่ 720p — เหมาะสำหรับการระดมไอเดียและการเสนองาน
โฆษณาและสื่อโปรโมชัน
ใช้ขนาดแนวนอน 16:9 สำหรับตำแหน่งหลัก และแนวตั้ง 9:16 สำหรับช่องทางมือถือ ปุ่มสลับโหมดสไตล์ช่วยให้คุณจับคู่โทนของแบรนด์ได้ ไม่ว่าจะเป็นแนวสนุกสนานหรือสมดุล โดยไม่ต้องเขียนคำสั่งใหม่
การทำสตอรี่บอร์ด
จำลองภาพจากบทภาพยนตร์อย่างรวดเร็วเป็นคลิป 6 วินาทีพร้อมบทสนทนาที่ซิงโครไนซ์กัน ทดลองการจัดกรอบภาพและการเคลื่อนไหวก่อนที่จะใช้โมเดลรูปแบบยาว
เนื้อหาเพื่อการศึกษา
ทำให้แผนภูมิ, ภาพถ่าย และภาพประกอบแนวคิดเคลื่อนไหวเป็นคลิปสั้นๆ ที่น่าสนใจพร้อมเสียงบรรยายในตัว ซึ่งช่วยดึงดูดความสนใจได้ดีกว่าสไลด์นิ่งๆ
สำรวจเครื่องมือสร้างวิดีโอ AI ที่เกี่ยวข้อง

Sora 2
เครื่องมือสร้างวิดีโอสไตล์ภาพยนตร์ของ OpenAI พร้อมการเคลื่อนไหวที่ถูกต้องตามหลักฟิสิกส์และความยาว 20 วินาที

Veo 3.1
โมเดลวิดีโอ 1080p ของ Google DeepMind พร้อมโหมดเปลี่ยนเฟรมเป็นวิดีโอและเสียงประกอบ

Seedance 2.0
โมเดลวิดีโอของ ByteDance พร้อมการรวมระบบค้นหาเว็บและเสียงที่ซิงโครไนซ์
Happy Horse 1.0
โมเดลวิดีโออันดับ 1 ของ Alibaba พร้อมคุณภาพการเคลื่อนไหวระดับภาพยนตร์และลิปซิงค์ 7 ภาษา
Kling 2.5 Turbo
เครื่องมือสร้างวิดีโอ 1080p ความเร็วสูงของ Kuaishou ปรับแต่งมาเพื่อความเร็วและความคุ้มค่า

Veo 4
โมเดลวิดีโอยุคใหม่ของ Google พร้อมการอัปสเกล 4K และเสียงเชิงพื้นที่
คำถามที่พบบ่อยเกี่ยวกับ Grok Imagine
Grok Imagine คืออะไร?
Grok Imagine คือโมเดลสร้างวิดีโอของ xAI สร้างขึ้นบน Aurora autoregressive engine และฝึกฝนบนซูเปอร์คอมพิวเตอร์ Colossus พร้อม NVIDIA GB200 GPU จำนวน 110,000 ตัว รองรับข้อความเป็นวิดีโอและรูปภาพเป็นวิดีโอ พร้อมโหมดสไตล์สร้างสรรค์ 3 แบบ ได้แก่ Fun, Normal และ Spicy ที่จะช่วยเปลี่ยนโทนอารมณ์ของคำสั่งใดๆ
Grok Imagine เปิดตัวเมื่อไหร่?
Grok Imagine เปิดตัวรุ่นพรีวิวในปี 2025 และเปิดใช้งานทั่วไปในเวอร์ชัน 1.0 เมื่อวันที่ 2 กุมภาพันธ์ 2026 โดย xAI ยังคงปล่อยอัปเดตอย่างต่อเนื่อง ล่าสุดคือ Extend from Frame เมื่อวันที่ 2 มีนาคม 2026 ซึ่งสามารถต่อคลิปเพื่อสร้างลำดับภาพที่ยาวขึ้นสูงสุด 15 วินาทีต่อคลิปที่เชื่อมต่อ
รองรับความยาวและความละเอียดเท่าใด?
Grok Imagine สร้างคลิปความยาว 6 หรือ 10 วินาทีที่ความละเอียด 480p หรือ 720p โดยเรนเดอร์ที่ 24 fps เวลาเฉลี่ยในการสร้างคือประมาณ 30 วินาทีต่อคลิป
มีอัตราส่วนภาพแบบใดบ้าง?
โหมดข้อความเป็นวิดีโอรองรับ 16:9, 9:16, 1:1, 3:2 และ 2:3 ครอบคลุมทั้งแนวนอน แนวตั้ง สี่เหลี่ยมจัตุรัส และกรอบภาพถ่ายแบบคลาสสิก ส่วนโหมดรูปภาพเป็นวิดีโอจะคงอัตราส่วนของภาพอ้างอิงที่คุณอัปโหลด
โหมด Fun, Normal และ Spicy แตกต่างกันอย่างไร?
โหมด Normal ให้ผลลัพธ์ที่สมดุลและตรงไปตรงมา โหมด Fun จะเน้นความสนุกสนาน เกินจริง และสร้างสรรค์ ส่วนโหมด Spicy จะให้ผลลัพธ์ที่หวือหวาและดราม่ายิ่งขึ้น คำสั่งเดียวกันเมื่อรันในโหมดที่ต่างกันจะให้บรรยากาศภาพยนตร์ที่แตกต่างกันอย่างชัดเจน
Grok Imagine สร้างเสียงประกอบด้วยหรือไม่?
ใช่ Aurora สร้างบทสนทนาพร้อมลิปซิงค์ เพลงประกอบ และเสียงบรรยากาศไปพร้อมกับวิดีโอในกระบวนการเดียว จึงไม่ต้องทำขั้นตอนหลังการผลิตแยกต่างหาก