La tarification de l’API de génération vidéo Grok dépend du tarif à la seconde, des frais par image source et du nombre de reprises. Découvrez le coût de l’image vers vidéo en 480p, 720p et 1080p, la limite de 15 secondes, la limite de 10 requêtes par seconde et le calcul pour un budget de 20 clips.
Si vous calculez le coût d’une intégration de l’API de génération vidéo Grok, le tarif affiché sur la page de prix n’est pas le chiffre qui compte. Ce qui compte, c’est ce que vous payez pour un clip que vous publierez réellement. xAI facture la vidéo Grok Imagine à la seconde de sortie, ajoute de petits frais pour chaque image envoyée et limite le volume de requêtes à 10 requêtes par seconde et par modèle. En combinant ces trois éléments avec votre taux de reprises, vous obtenez votre véritable budget.
Cette page détaille les tarifs à la seconde des deux modèles vidéo de xAI, les règles de facturation de l’image vers vidéo, les limites de résolution et de durée, ainsi que le calcul pour un lot réel de clips. Lorsque la documentation officielle et les suivis tiers se contredisent ou restent muets, je le signale. Tout a été vérifié par rapport à la documentation de génération vidéo de xAI et aux suivis publics des prix au début d’octobre 2026. Confirmez donc les chiffres en vigueur dans votre console xAI avant de fixer un budget.
💡 En bref : l’ancien modèle démarre à 0,05 $ par seconde, le nouveau modèle 1.5 démarre à 0,08 $ par seconde, la résolution 1080p n’existe que sur la version 1.5, et un clip unique dure de 1 à 15 secondes.
xAI propose deux modèles vidéo via le même point d’accès, POST https://api.x.ai/v1/videos/generations. Ils partagent la même structure de requête et la même limite de débit, mais pas le prix, les types d’entrée ni la résolution maximale.
Les pages officielles des modèles affichent un tarif de sortie principal pour chaque modèle :
grok-imagine-video) : 0,050 $ par seconde. Accepte une entrée de texte, d’image et de vidéo.grok-imagine-video-1.5) : 0,080 $ par seconde. Accepte uniquement une entrée de texte et d’image.Les pages officielles ne détaillent pas ces tarifs par résolution. Un récapitulatif tarifaire tiers publié le 8 septembre 2026 le fait, et c’est le tableau sur lequel la plupart des développeurs établissent leur budget :
| Modèle | 480p | 720p | 1080p |
|---|---|---|---|
| Grok Imagine Video | 0,05 $ | 0,07 $ | Non proposé |
| Grok Imagine Video 1.5 | 0,08 $ | 0,14 $ | 0,25 $ |
Regardez la colonne 480p : elle correspond exactement aux tarifs principaux. Cela signifie que le chiffre officiel constitue le plancher, et non la facture typique. Un clip en 720p sur la version 1.5 coûte 75 % de plus par seconde que ne le laisse supposer le tarif principal, et un clip en 1080p coûte plus de trois fois plus.
💡 Considérez la répartition par résolution comme rapportée, et non officielle. Les pages de xAI n’affichent que le tarif d’entrée. Lancez un test de 5 secondes à chaque résolution et comparez-le à la page d’utilisation de votre console avant de passer à grande échelle.
L’image vers vidéo ajoute un montant forfaitaire par image source, en plus des secondes de sortie. Les frais rapportés sont de 0,002 $ par image sur le modèle de base et de 0,01 $ par image sur la version 1.5. Sur un seul clip, cela ne représente presque rien. Sur 50 000 clips, cela fait 100 $ contre 500 $ rien que pour les frais d’image, il faut donc les intégrer à votre modèle de coûts dès le premier jour.
L’image vers vidéo est le mode que la plupart des équipes utilisent réellement en production. Une photo fixe vous permet de contrôler le sujet, le cadrage et l’apparence avant de payer la moindre seconde de mouvement.
Lorsque vous renseignez le champ facultatif image, xAI utilise cette image comme image de départ du clip. Si vous ne modifiez pas le format, la sortie suit les proportions de l’image source au lieu du format 16:9 par défaut. Le coût de chaque tentative se résume à une seule ligne :
coût par tentative = (secondes × tarif de la résolution choisie) + frais d’image
Je n’ai trouvé dans la documentation aucun frais distinct pour le prompt ou les tokens, le prompt textuel ne semble donc pas être facturé en plus. Les prompts ont toutefois une longueur maximale, et un prompt trop long renvoie une erreur invalid_argument.
💡 Générez vos premières images avec un modèle d’image fixe photoréaliste, comme PicassoIA Image, avant de payer pour le mouvement. Une image fixe défaillante donne un clip défaillant, et corriger une image fixe coûte une fraction du prix d’un nouveau rendu vidéo.
L’exemple officiel de xAI pour l’image vers vidéo avec le SDK Python est court :
response = client.video.generate(
prompt="Slow push-in on the cliff as waves roll in",
model="grok-imagine-video-1.5",
image="https://example.com/cliff.jpg"
)
En coulisses, il s’agit du même point d’accès asynchrone que pour la génération texte vers vidéo. Vous soumettez la tâche, recevez un request_id, puis interrogez le serveur jusqu’à la fin du traitement. La durée, la résolution et le format sont définis comme paramètres de requête, et la section suivante détaille leurs limites.
Les limites déterminent d’abord les idées que l’API peut réellement produire, et elles fixent le plafond de votre coût par clip. Trois réglages comptent : la résolution, la durée et le format.
Comme la valeur par défaut est le 480p, une requête qui omet le champ de résolution renvoie une sortie moins chère et moins nette. Réglez-le volontairement.
Le paramètre duration accepte de 1 à 15 secondes pour la génération standard. La facturation se fait à la seconde, donc le coût évolue de façon strictement linéaire : un clip de 10 secondes coûte exactement deux fois plus qu’un clip de 5 secondes à la même résolution.
La modification vidéo fait exception. Elle ne permet pas de choisir la durée, conserve la longueur de la vidéo source et est plafonnée à 8,7 secondes.
La plupart des clips marketing tiennent en 5 à 6 secondes. Payer 15 secondes alors que votre montage en utilise 4 est la cause de gaspillage la plus courante.
Sept formats sont pris en charge : 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 et 2:3. La génération texte vers vidéo utilise 16:9 par défaut, tandis que l’image vers vidéo suit l’image source sauf si vous la modifiez. Le format vertical 9:16 sert aux flux de contenus courts, si bien que vous n’avez pas besoin de recadrer après le rendu.
Le prix indique ce que coûte un clip. Les limites de débit indiquent à quelle vitesse vous pouvez en acheter.
Les deux modèles vidéo affichent le même plafond dans la documentation de xAI : 10 requêtes par seconde. Cela représente 600 soumissions par minute. Pour la plupart des produits, ce n’est pas le facteur limitant, car les tâches vidéo sont lentes à générer et vous ne soumettez que rarement plus d’une poignée de tâches par seconde. Cela devient important lors des reprises en masse, où une boucle naïve qui lance des milliers de tâches d’un coup sera bridée.
Les pages des modèles n’indiquent aucun plafond journalier et ne précisent pas combien de tâches un même compte peut traiter simultanément. Les quotas au niveau de l’équipe peuvent différer, vérifiez donc la page des limites dans votre console avant une grosse production.
Les deux modèles fonctionnent dans us-east-1, us-west-2 et us-saltlake-2, et l’API Batch est prise en charge dans us-east-1 et us-west-2.
La génération vidéo est asynchrone. Vous soumettez une requête, recevez un request_id, puis interrogez le serveur jusqu’à ce que le statut change. Les états documentés sont pending, done, expired et failed.
Les vidéos terminées sont livrées sous forme d’URL temporaires. xAI demande aux développeurs de télécharger ou de traiter le fichier rapidement s’ils veulent en conserver une copie. En pratique :
done, copiez le MP4 dans votre propre stockage.request_id à côté de votre propre fiche, afin de pouvoir retrouver le prompt et l’image source de chaque clip.Le tarif à la seconde correspond au prix d’une tentative. Le prix d’un clip fini correspond au prix d’une tentative multiplié par le nombre de prises nécessaires.
Voici le coût de sortie pour des tentatives uniques, d’après les tarifs rapportés par résolution. Ajoutez les frais d’image (0,002 $ ou 0,01 $) à chaque ligne.
| Clip | Grok Imagine Video | Grok Imagine Video 1.5 |
|---|---|---|
| 5 secondes en 480p | 0,25 $ | 0,40 $ |
| 5 secondes en 720p | 0,35 $ | 0,70 $ |
| 10 secondes en 720p | 0,70 $ | 1,40 $ |
| 15 secondes en 720p | 1,05 $ | 2,10 $ |
| 5 secondes en 1080p | Non proposé | 1,25 $ |
| 15 secondes en 1080p | Non proposé | 3,75 $ |
Prenons maintenant un cas réaliste : 20 clips finis, de 5 secondes chacun, en 720p, avec une image source par clip. Avec une seule tentative par clip, le modèle de base coûte 20 × 0,352 $ = 7,04 $ et la version 1.5 coûte 20 × 0,71 $ = 14,20 $. Ce sont des chiffres dans le meilleur des cas.
L’image vers vidéo n’est pas déterministe. Les plans avec des personnes, des mains ou des mouvements de caméra rapides nécessitent souvent deux ou trois prises, alors qu’un paysage statique réussit fréquemment dès la première. Voici à quoi ressemble la même tâche de 20 clips une fois les prises par clip retenu comptées :
| Prises par clip retenu | Grok Imagine Video | Grok Imagine Video 1.5 |
|---|---|---|
| 1 | 7,04 $ | 14,20 $ |
| 2 | 14,08 $ | 28,40 $ |
| 3 | 21,12 $ | 42,60 $ |
| 4 | 28,16 $ | 56,80 $ |
Trois habitudes permettent de réduire ce multiplicateur :
Les réponses comportent un indicateur respect_moderation qui indique si la vidéo a passé la modération. Les prompts trop longs ou contraires aux règles de contenu renvoient une erreur invalid_argument, et une tâche peut aussi se terminer avec le statut failed.
Je n’ai trouvé aucune mention indiquant si les tâches échouées ou modérées sont facturées. Ne partez pas du principe qu’elles sont gratuites. Lancez un petit test, surveillez votre page d’utilisation et consignez chaque request_id afin de pouvoir contester une facturation avec des preuves.
Le tarif à la seconde n’est pas la seule façon d’utiliser ces modèles. Trois modes supplémentaires modifient ce qu’un clip peut faire.
Audio natif. Sur PicassoIA, Grok Imagine Video 1.5 génère un son correspondant au mouvement de l’image, si bien qu’une rue pluvieuse s’accompagne de pluie. Les pages de tarification de xAI ne mentionnent aucun coût audio distinct, ce qui fait que le son est en pratique inclus dans le tarif à la seconde.
Référence vers vidéo. Seul le modèle de base accepte la vidéo comme type d’entrée, et c’est sur cela que reposent la référence vers vidéo et l’extension vidéo. Si vous voulez qu’un sujet reste cohérent à partir d’un ensemble de photos, regardez Grok Imagine R2V, et gardez à l’esprit la limite de 720p.
Modification vidéo. La modification conserve la durée d’origine et s’arrête à 8,7 secondes, elle convient donc aux petites corrections et aux changements de style, mais pas aux montages longs.
Si vous voulez des clips sans écrire de code d’API ni ouvrir de compte de facturation xAI, vous pouvez utiliser la même famille de modèles dans votre navigateur. PicassoIA propose Grok Imagine Video 1.5 comme modèle d’image vers vidéo avec audio synchronisé.
La page du modèle indique 1,6 crédit par seconde de vidéo, donc un clip de 5 secondes consomme 8 crédits. Un essai gratuit est disponible avant que les abonnements payants ne s’appliquent.
Grok n’est pas la seule voie vers un bon clip image vers vidéo. Ces modèles de PicassoIA valent la peine d’être testés côte à côte sur la même image fixe :
| Modèle | Pourquoi l’essayer |
|---|---|
| Seedance 2.5 Lite | Présenté comme un générateur gratuit et illimité, avec des clips allant jusqu’à 10 secondes |
| PicassoIA Video | Vidéo gratuite et illimitée à partir d’un texte ou d’une image |
| Wan 2.7 I2V | Anime n’importe quelle image fixe en vidéo |
| Veo 3.1 Lite | Vidéo avec audio natif |
| Grok Imagine R2V | Transforme des photos de référence en vidéo |
Si vous avez besoin d’une API HTTP plutôt que d’un navigateur, PicassoIA propose aussi une API pour développeurs à https://api.picassoia.com/v1, avec des prédictions au style Replicate. Elle prend actuellement en charge PicassoIA Video et Seedance 2.5 Lite pour la vidéo, autorise 5 prédictions simultanées par compte, et n’inclut pas Grok. Consultez les conditions d’accès sur la page de tarification de PicassoIA avant de construire dessus.
Les tableaux de prix ont leurs limites. Le moyen le plus rapide de voir ce qu’un clip Grok vaut pour vous est d’en créer un et de le juger image par image.
Voici un plan simple. Générez une image fixe photoréaliste avec PicassoIA Image. Animez-la avec Grok Imagine Video 1.5. Passez la même image dans Seedance 2.5 Lite et comparez le mouvement, le son et le coût. Dix minutes de test vous en apprendront davantage que n’importe quelle grille tarifaire.
Ouvrez PicassoIA, importez votre propre photo et essayez votre premier clip image vers vidéo. Modifiez un seul réglage à la fois, conservez les prises qui vous plaisent et notez ce que chacune a coûté. Ce journal deviendra votre véritable budget, et c’est ce chiffre qui gardera votre facture d’API sous contrôle.
Choisissez votre langue
