Grok image to video: so geht’s, Grenzen und Prompts

Erstellt Grok AI Videos? Ja, mit Grok Imagine

Grok image to video gibt es wirklich: Grok AI erstellt Videos über Grok Imagine, den Bild- und Videogenerator von xAI, der ein Standbild mit einem Text-Prompt animieren oder einen Clip nur aus Text erzeugen kann. Angeboten wird er in der Grok-App und für Entwickler über die xAI-API. Funktionen, Grenzen und Zugangsstufen legt xAI fest, und sie ändern sich oft – deshalb ist jedes Detail unten datiert und belegt, und du solltest die aktuellen Seiten von xAI prüfen, bevor du dich darauf verlässt. Willst du deine eigenen Fotos in kurze Glamour-Clips im Hochformat verwandeln, findest du weiter unten SpicyFrame als Alternative, ein unabhängiges Studio, das nicht mit xAI verbunden ist.

So funktioniert Grok image to video

Das Prinzip ist dasselbe wie bei den meisten Image-to-Video-Tools. Du startest mit einem Bild – einem Foto, das du hochlädst, oder einem Bild, das Grok Imagine für dich generiert hat –, fügst einen kurzen Text-Prompt hinzu, der die Bewegung beschreibt, und generierst. Das Bild ist der Ausgangspunkt des Clips, und der Prompt sagt dem Modell, was sich ändert: wer sich bewegt, wie die Kamera fährt und wie sich die Atmosphäre anfühlt. In der Entwicklerdokumentation von xAI ist das Videomodell zum Zeitpunkt des Schreibens als grok-imagine-video-1.5 geführt, und Länge, Auflösung und Seitenverhältnis sind einstellbare Parameter, die auch die Kosten beeinflussen. In der Grok-App sind die Bedienelemente einfacher, und welche Optionen du siehst, kann von deinem Plan und deiner Region abhängen.

Grok-AI-Videos 2026: was sich geändert hat

Grok-AI-Videos haben sich schnell entwickelt. Die Videogenerierung kam 2025 erstmals in Grok Imagine. Am 2. Februar 2026 veröffentlichte xAI Grok Imagine 1.0, das laut Presseberichten Text-zu-Video und Bild-zu-Video, Clips von bis zu 10 Sekunden in 720p und generierten Ton unterstützte, in der Grok-App und über die API. Im Juni 2026 brachte xAI Grok Imagine Video 1.5 als Vorschau über seine API heraus, ausgerichtet darauf, ein einzelnes Standbild in ein kurzes Video mit bis zu 720p zu verwandeln und dabei Details und Licht des Originalbilds zu erhalten. Der Videoleitfaden von xAI nennt inzwischen bis zu 15 Sekunden für Text-zu-Video. Rechne damit, dass sich diese Zahlen weiter verschieben; dieser Ratgeber gibt sie nur wieder.

Grenzen, die du vor dem Start kennen solltest

Vier Grenzen zählen am meisten. Erstens die Länge: Ein einzelner Grok-Clip ist kurz und wird in Sekunden gemessen; längere Szenen entstehen durch Aneinanderreihen oder Verlängern von Einstellungen. Zweitens die Auflösung: Veröffentlichte Angaben für Bild-zu-Video liegen bei etwa 720p, und höhere Stufen können von der Modellversion abhängen. Drittens der Zugang: Was du generieren kannst, wie viele Clips und in welcher Länge, kann sich zwischen kostenlosen und bezahlten Grok-Plänen sowie zwischen App und API unterscheiden. Viertens die Inhaltsregeln: xAI gibt an, dass generierte Medien einer Prüfung nach den Inhaltsrichtlinien unterliegen, ein Prompt oder ein Ergebnis kann also blockiert werden. Modi wie Spicy definiert xAI, und ihr Verhalten kann sich ändern – geh also nicht davon aus, dass ein Modus eine bestimmte Art von Inhalt erlaubt.

Grok-image-to-video-Prompts, die gut animieren

Image-to-Video-Prompts funktionieren am besten, wenn sie beschreiben, was sich ändert, nicht was das Foto schon zeigt. Nutze eine Aktion, eine Kamerabewegung und einen Hinweis zu Licht oder Stimmung. 1. „Sie dreht sich langsam zur Kamera und lächelt, langsamer Push-in, warmes Licht der goldenen Stunde.“ 2. „Wind bewegt Haare und Kleid, statische Kamera, weiches Nachmittagslicht.“ 3. „Er geht die Straße entlang nach vorn, ruhiger Tracking-Shot, leichter Regen und Neonspiegelungen.“ 4. „Hinter ihr rollen Wellen heran, während sie über die Schulter blickt, sanfte seitliche Kamerafahrt, Sonnenuntergangsglühen.“ 5. „Die Kamera umkreist das Motiv langsam, geringe Schärfentiefe, cineastische Stimmung.“ 6. „Dampf steigt aus der Kaffeetasse, während sie lacht, fixierter Bildausschnitt, gemütliche Café-Atmosphäre.“ Ergänze am Ende einen Hinweis zum Ton, wenn das Tool Audio generiert.

Ein Foto wählen, das sauber animiert

Egal mit welchem Tool: Das Ausgangsbild entscheidet den Großteil des Ergebnisses. Wähl ein scharfes Foto mit gutem Licht, klar sichtbarem Gesicht und sichtbaren Händen und etwas Platz um das Motiv, damit die Bewegung Raum hat. Vermeide starke Filter, winzige Gesichter in einer Menge, Hände vor dem Gesicht und unruhige Hintergründe mit geraden Linien, die sich verbiegen können. Ein Hochformatfoto passt zu einem Hochformat-Clip; ein zu eng beschnittenes Querformatfoto kann Details verlieren. Nutze nach Möglichkeit die Originaldatei statt eines komprimierten Screenshots.

SpicyFrame als Bild-zu-Video-Alternative

SpicyFrame ist für eine Aufgabe gebaut: deine eigenen Referenzen in eine einzelne Szene im Hochformat zu verwandeln. Du kannst ein Foto oder bis zu 12 Bilder als JPG, PNG oder WEBP mit je bis zu 10 MB hinzufügen – Fotos aus deiner Galerie, gespeicherte Social-Posts, Screenshots oder KI-Bilder, die du verwenden darfst – und sie im Prompt als @Image 1, @Image 2 und so weiter benennen. Ein Bild kann das Gesicht festlegen, ein anderes das Outfit, ein drittes den Ort. Jedes Rendering ist ein 9:16-MP4 mit 5, 10 oder 30 Sekunden in Mittel 480p, Hoch 720p oder Ultra 1080p mit nativem Umgebungston, erstellt mit Seedance 2.5, zum Zeitpunkt des Schreibens Platz 2 bei LMArena Image-to-Video. Gesichter, Outfits und Stil bleiben konsistent mit deinen Referenzen, eine exakte Ähnlichkeit ist aber nie garantiert. Für ein ganz normales Foto startest du am einfachsten auf der Seite Bild zu Video KI.

Prompts für SpicyFrame mit deinen eigenen Referenzen

1. „@Image 1 dreht sich unter warmem Neon langsam zur Kamera, langsamer Push-in, selbstbewusstes Lächeln, Gesicht und Outfit unverändert lassen.“ 2. „@Image 1 im Outfit aus @Image 2 geht einen Hotelflur entlang, ruhiger Tracking-Shot, leiser Raumklang.“ 3. „@Image 1 schiebt am Pool aus @Image 3 die Sonnenbrille hoch und lächelt, glitzernde Spiegelungen, sanfter Push-in, entferntes Plätschern.“ 4. „@Image 1 sitzt im Seidenmorgenmantel an einem hohen Fenster, Morgenlicht, sehr langsamer Push-in, verspielter Blick.“ 5. „@Image 1 wiegt sich in einem Satinkleid nachts sanft auf einer Dachterrasse, Lichter der Stadt dahinter, seitlicher Tracking-Shot, leichter Wind.“ Für einen ersten Test bleib bei einer Aktion und einer Kamerabewegung und render fünf Sekunden, bevor du länger gehst.

Was SpicyFrame kostet

Der Preis wird vor dem Erstellen angezeigt. Mittel 480p kostet 3,99 $, 4,99 $ oder 11,99 $ für 5, 10 oder 30 Sekunden; Hoch 720p kostet 4,99 $, 8,99 $ oder 24,99 $; Ultra 1080p kostet 11,99 $, 23,99 $ oder 70,99 $. Du kannst ein Video ohne Konto und ohne Abo bezahlen, Piments aufladen (100 Piments = 1 $) oder einen optionalen Wochenplan wählen, der dir 25 % mehr Piments fürs Geld gibt: Starter für 9,99 $ mit 1.249 Piments, Creator für 19,99 $ mit 2.499 oder Studio für 39,99 $ mit 4.999. Pläne verlängern sich wöchentlich und lassen sich vor der Verlängerung kündigen. Bei bestätigten Fehlschlägen des Anbieters bekommst du deine Piments zurück, und ein bestätigter Fehlschlag bei einer Einzelzahlung wird erstattet.

Was SpicyFrame nicht erstellt

SpicyFrame ist ein 18+-Studio für heiße, glamouröse Ästhetik im Dessous-, Bademode- und NSFW-Stil, erstellt aber keine expliziten sexuellen Inhalte und hat keine Funktion, die Kleidung entfernt. Jede gezeigte Person muss erwachsen sein, erkennbare reale Personen müssen der Verwandlung zugestimmt haben, und Prominente, Nachahmung und irreführende Inhalte sind nicht erlaubt. Vor jeder Generierung bestätigst du deine Rechte an den Bildern, und die Sicherheitsprüfung des Anbieters gilt zusätzlich, ein Prompt kann also abgelehnt werden. Willst du explizite Ergebnisse, sind weder diese Seite noch dieses Studio der richtige Ort.

Grok Imagine und SpicyFrame im Überblick (laut Berichten zum Zeitpunkt des Schreibens)

Fragen zu KI-Videos aus Bildern

Quellen

Externe Seiten, öffnen in einem neuen Tab. Platzierungen spiegeln den Stand zum Zeitpunkt des Schreibens.

1. xAI-Dokumentation: Leitfaden zur Videogenerierung
2. GIGAZINE: xAI veröffentlicht die Video-KI Grok Imagine 1.0 (Februar 2026)
3. The Decoder: xAI aktualisiert Grok Imagine auf 1.5 mit Bild-zu-Video in 720p (Juni 2026)

Passende Ratgeber