Grok Imagine în platformă: model performant, cu voce nativă în română

Am adăugat în platformă Grok Imagine, modelul de generare video al xAI, pentru cazul de folosire cel mai cerut: un produs și o persoană combinate în același cadru, cu persoana vorbind natural către cameră despre produs. L-am testat manual, cu text în română, înainte să-l activăm, ca să nu adăugăm un model despre care doar presupunem că funcționează bine la noi.

De ce conta testul în română

Majoritatea modelelor de generare video cu audio nativ documentează oficial doar câteva limbi, de obicei engleză, chineză, poate spaniolă sau franceză. Pentru Grok Imagine, xAI nu publică o listă oficială de limbi suportate. Am preferat să testăm direct în loc să presupunem că lipsa unei liste înseamnă lipsă de suport. Rezultatul testelor noastre a fost bun, cu pronunție clară și diacritice respectate în text.

Ce poate concret

• ●Combină un produs și o persoană din două imagini de referință separate, păstrând identitatea reală din fiecare poză
• ●Audio nativ, generat odată cu imaginea, nu adăugat separat
• ●Până la 7 imagini de referință pe aceeași generare, pentru scene mai complexe
• ●Clipuri de până la 10 secunde pentru varianta cu mai multe imagini de referință

Cost per secundă, comparație directă

• ●Grok Imagine (480p) costă printre cele mai puține din tot catalogul per secundă generată
• ●G2V (Fast, 1080p) rămâne cel mai ieftin model de calitate completă din platformă
• ●Kling 2.5 Turbo Pro (1080p, fără audio) e o opțiune de mijloc, fără voce
• ●Veo 3.1 Fast (1080p, cu audio) rămâne opțiunea premium, cea mai scumpă dintre cele cu voce nativă

Unde îl găsești în platformă

Grok apare ca opțiune separată în lista de modele din Freeform, în categoria modelelor ieftine. În Wizard-ul ghidat, e folosit automat atunci când atașezi atât o poză de produs, cât și un avatar, fără să trebuiască să-l selectezi manual.