Grok Imagine API से पाँच सेकंड की क्लिप की कीमत $0.10 से $0.40 के बीच आती है, यह इस पर निर्भर करता है कि आप कौन-सा वीडियो मॉडल कॉल करते हैं, और एक इमेज की कीमत $0.02 से $0.05 के बीच है। ये संख्याएँ मामूली लगती हैं, जब तक आप कुछ हज़ार जनरेशन नहीं चलाते, उनमें से एक-चौथाई फेंक देते हैं, और पता चलता कि एक फ़िल्टर ने वही प्रॉम्प्ट ब्लॉक कर दिया जिसकी आपके क्लाइंट को सबसे ज़्यादा परवाह थी। यह लेख असली आँकड़े सामने रखता है: xAI प्रति इमेज और प्रति सेकंड कितना लेता है, इमेज-टू-वीडियो जॉब का कुल खर्च कैसे जुड़ता है, मॉडरेशन कैसे व्यवहार करता है, बहुत-से यूज़र इसे सेंसरशिप क्यों कहते हैं, और जब कोई रिक्वेस्ट बार-बार रिजेक्ट हो तो क्या करें। अगर आप API कोड लिखने से पहले किसी विचार को परखना चाहते हैं, तो Picasso IA पर Grok Imagine Video 1.5 से फ़ोटो को एनिमेट करने का एक छोटा ट्यूटोरियल भी है।
Grok Imagine API में क्या शामिल है
Grok Imagine xAI का मीडिया परिवार है: इमेज जनरेशन, इमेज एडिटिंग और वीडियो जनरेशन, जो सभी उसी REST API और अकाउंट से उपलब्ध हैं जो Grok टेक्स्ट मॉडल को चलाते हैं। इमेज कॉल जल्दी लौटते हैं। वीडियो कॉल एसिंक्रोनस होती हैं: आप जॉब सबमिट करते हैं, एक रिक्वेस्ट ID पाते हैं और स्टेटस done, failed या expired होने तक पोल करते हैं।
इमेज मॉडल
xAI अभी तीन इमेज टियर बेचता है:
grok-imagine-image: बेस मॉडल, जो बड़ी मात्रा और ड्राफ़्ट के लिए बना है।
grok-imagine-image-2.0: नया मॉडल, वह टियर जिसकी xAI के मॉडल पेज पर इमेज के लिए सिफ़ारिश की गई है।
grok-imagine-image-quality: सबसे ऊँची फ़िडेलिटी वाला टियर, जो हीरो शॉट और फ़ाइनल आर्ट के लिए है।
एक जनरेशन रिक्वेस्ट में अधिकतम 10 इमेज लौट सकती हैं, और एक एडिट रिक्वेस्ट में अधिकतम 5 सोर्स इमेज दी जा सकती हैं, जो सार्वजनिक URL या base64 data URI के रूप में दी जाती हैं। वही मॉडल परिवार Picasso IA पर Grok Imagine Image 2 और Grok Imagine Image Quality के रूप में उपलब्ध हैं, जिससे पैसे खर्च करने से पहले उनके आउटपुट की तुलना करना आसान हो जाता है।
वीडियो मॉडल और मोड
प्राइस लिस्ट में तीन वीडियो मॉडल हैं: grok-imagine-video-1.5-lite, grok-imagine-video और grok-imagine-video-1.5। ये मिलकर पाँच मोड संभालते हैं:
- टेक्स्ट-टू-वीडियो: एक प्रॉम्प्ट डालें, एक क्लिप निकले।
- इमेज-टू-वीडियो: एक स्थिर इमेज को मोशन प्रॉम्प्ट से एनिमेट करें।
- रेफ़रेंस-टू-वीडियो: एक या अधिक रेफ़रेंस इमेज से नई क्लिप को दिशा दें।
- वीडियो एडिटिंग: टेक्स्ट प्रॉम्प्ट से मौजूदा क्लिप बदलें।
- वीडियो एक्सटेंशन: क्लिप के आखिरी फ़्रेम से उसे आगे बढ़ाएँ।
क्लिप 15 सेकंड तक लंबी हो सकती हैं, और उनमें आस्पेक्ट रेशियो और रिज़ॉल्यूशन की सेटिंग होती है। जॉब की शुरुआत https://api.x.ai/v1/videos/generations पर POST से होती है और https://api.x.ai/v1/videos/{REQUEST_ID} को पोल करके खत्म होती है। अगर आप बिना कोड के वही मॉडल परिवार आज़माना चाहते हैं, तो Picasso IA पर Grok Imagine Video और Grok Imagine R2V मौजूद हैं।

Grok Imagine API प्राइसिंग का ब्रेकडाउन
नीचे की कीमतें xAI के सार्वजनिक मॉडल पेज से ली गई हैं, जिन्हें अक्टूबर 2026 में जाँचा गया था। xAI समय-समय पर रेट बदलता है, इसलिए बजट तय करने से पहले इन्हें ज़रूर पक्का कर लें।
| मॉडल | आउटपुट | कीमत | किसके लिए सबसे अच्छा |
|---|
grok-imagine-image | इमेज | प्रति इमेज $0.02 | ड्राफ़्ट और बड़ी मात्रा में थंबनेल |
grok-imagine-image-2.0 | इमेज | प्रति इमेज $0.04 | रोज़ के प्रोडक्शन वाली इमेज |
grok-imagine-image-quality | इमेज | प्रति इमेज $0.05 | हीरो शॉट और फ़ाइनल आर्ट |
grok-imagine-video-1.5-lite | वीडियो | प्रति सेकंड $0.020 | प्रीव्यू और मोशन टेस्ट |
grok-imagine-video | वीडियो | प्रति सेकंड $0.050 | स्थिर मिड-टियर काम |
grok-imagine-video-1.5 | वीडियो | प्रति सेकंड $0.080 | फ़ाइनल रेंडर |
xAI बताता है कि वीडियो की अवधि और रिज़ॉल्यूशन दोनों मिलकर कुल लागत पर असर डालते हैं। कुछ तीसरे-पक्ष प्राइस ट्रैकर बेस वीडियो मॉडल के लिए 480p और 720p की अलग दरें दिखाते हैं (जैसे प्रति सेकंड $0.05 और $0.07), लेकिन xAI की अपनी तालिका इन्हें अलग नहीं करती। एक छोटा टेस्ट बैच चलाएँ और किसी भी ब्लॉग पर भरोसा करने के बजाय अपना बिलिंग डैशबोर्ड पढ़ें, इस ब्लॉग पर भी।

एक क्लिप का असली खर्च
वीडियो का बिल प्रति सेकंड बनता है, इसलिए गणित सीधा गुणा है:
| क्लिप की लंबाई | Lite | Base | Video 1.5 |
|---|
| 5 सेकंड | $0.10 | $0.25 | $0.40 |
| 10 सेकंड | $0.20 | $0.50 | $0.80 |
| 15 सेकंड | $0.30 | $0.75 | $1.20 |
इमेज-टू-वीडियो जॉब के दो हिस्से होते हैं: स्थिर इमेज और मोशन। grok-imagine-image-2.0 से बनी $0.04 की स्थिर इमेज और grok-imagine-video-1.5 पर पाँच सेकंड की क्लिप मिलकर $0.44 बनते हैं। मोशन के लिए लाइट मॉडल इस्तेमाल करें, तो वही जोड़ी $0.14 में पड़ती है। अगर फ़ोटो पहले से आपके पास है, तो स्थिर इमेज मुफ़्त पड़ती है और आप सिर्फ़ क्लिप का भुगतान करते हैं, एक छोटे इनपुट शुल्क के थोड़े-बहुत फ़र्क़ के साथ, जो कुछ ट्रैकर प्रति इमेज $0.002 बताते हैं।
रीट्राई से गणित बदल जाता है
सूची में लिखी कीमत असली कीमत नहीं है। उसे अपनी सफलता दर से भाग दें। अगर हर चार में से एक जनरेशन फेंकनी पड़ती है, किसी विज़ुअल गड़बड़ी, गलत मोशन या मॉडरेशन ब्लॉक की वजह से, तो $0.40 की क्लिप का असली खर्च लगभग $0.53 बैठता है।
चार आदतें इस संख्या को नीचे रखती हैं:
- लाइट पर ड्राफ़्ट बनाएँ, 1.5 पर रेंडर करें। मोशन प्रॉम्प्ट को $0.10 प्रति पाँच सेकंड पर परखें, फिर सिर्फ़ उस वर्ज़न पर $0.40 खर्च करें जिसे आप प्रकाशित करने वाले हैं।
- पहले स्थिर इमेज फ़ाइनल करें। स्थिर इमेज को दोबारा बनाने में $0.02 से $0.05 लगते हैं। क्लिप को दोबारा बनाने में उससे 20 गुना तक ज़्यादा लगता है।
- क्लिप छोटी रखें। आप हर सेकंड का भुगतान करते हैं, इसलिए जब तक कहानी को सच में ज़्यादा की ज़रूरत न हो, पाँच सेकंड माँगें।
- हर रिक्वेस्ट ID लॉग करें। जब इनवॉइस और आपको मिली क्लिप मेल न खाएँ, तो लॉग बताता है कि ऐसा क्यों हुआ।
💡 बजट टिप: लाइट मॉडल को अपना डिफ़ॉल्ट बनाएँ और सिर्फ़ विजेता क्लिप को Video 1.5 पर प्रमोट करें। 200 क्लिप वाले महीने में यह आदत बिल को लगभग आधा घटा सकती है।
मासिक बजट के उदाहरण
| वर्कलोड | सेटअप | मासिक खर्च |
|---|
| 1,000 थंबनेल | grok-imagine-image | $20 |
| 1,000 हीरो इमेज | grok-imagine-image-quality | $50 |
| 200 पाँच-सेकंड की क्लिप | सब कुछ grok-imagine-video-1.5 पर | $80 |
| 200 लाइट ड्राफ़्ट और 60 फ़ाइनल | लाइट, फिर grok-imagine-video-1.5 | $44 |
| 500 इमेज और 150 क्लिप | Image 2.0 और Video 1.5 | $80 |
पैमाना सवाल को कीमत से हटाकर थ्रूपुट पर ले जाता है। मैंने जो मॉडल तालिका जाँची, उसमें रेट लिमिट प्रकाशित नहीं हैं, इसलिए कई हज़ार जॉब का बैच शेड्यूल करने से पहले अपने अकाउंट की लिमिट xAI से पूछ लें।

व्यवहार में इमेज-टू-वीडियो का खर्च
पहले स्थिर इमेज, फिर मोशन
सबसे सस्ता वर्कफ़्लो स्थिर इमेज को ही असली क्रिएटिव फ़ैसला मानता है। ऐसी फ़ोटो चुनें जिसमें सब्जेक्ट साफ़ हो, किनारे साफ़ हों और उस मूवमेंट की जगह हो जो आप चाहते हैं। भीड़-भाड़ वाला फ़्रेम मॉडल को बहुत कुछ खुद गढ़ने पर मजबूर करता है, और गढ़ना ही विज़ुअल गड़बड़ियों की जड़ है। तीन उम्मीदवार इमेज बनाएँ या चुनें, सबसे अच्छी को चुनें, और उसके बाद ही मोशन पर खर्च करें।
यही क्रम मॉडरेशन के झटकों से भी बचाता है। सोर्स फ़ोटो भी जाँच का हिस्सा है, इसलिए कोई संदिग्ध स्थिर इमेज क्लिप के स्टेज पर रिजेक्ट हो सकती है, जब आप इमेज के लिए पहले ही पैसे दे चुके होते हैं।

ऐसे प्रॉम्प्ट जो सही चीज़ों को हिलाएँ
एक अच्छा मोशन प्रॉम्प्ट एक सब्जेक्ट, एक मूवमेंट और एक कैमरा मूव का नाम लेता है। बाकी सब स्थिर रहता है, और ठीक यही आप चाहते हैं। एक सरल फ़ॉर्मूला: सब्जेक्ट और शुरुआती पोज़, फिर पाँच सेकंड में मोशन, फिर कैमरा, फिर रोशनी।
- कमज़ोर: "इसे सिनेमैटिक और भव्य-नाटकीय बनाएँ।"
- मज़बूत: "खिड़की के पास खड़ी एक महिला धीरे-से धूप की ओर मुड़ती है, कैमरा से हल्का पुश-इन, गर्म रोशनी उसके चेहरे पर फैलती हुई।"
तीन गलतियाँ बार-बार दिखती हैं:
- बहुत सारे एक्शन। पाँच सेकंड में चलना, हाथ हिलाना और मुड़ना माँगेंगे तो नतीजा धुंधला होगा।
- मोशन की जगह स्टाइल वाले शब्द। "सिनेमैटिक" एक लुक है, मूवमेंट नहीं।
- स्थिर इमेज से टकराव। अगर फ़ोटो दोपहर की है, तो मोमबत्ती की रोशनी वाला प्रॉम्प्ट सोर्स इमेज से लड़ेगा।

Grok Imagine मॉडरेशन कैसे काम करता है
xAI बताता है कि जेनरेट किया गया मीडिया कंटेंट पॉलिसी की समीक्षा के अधीन है। इसकी Acceptable Use Policy यूज़र से कहती है कि वे कानून का पालन करें, हानिकारक इस्तेमाल से बचें, प्राइवेसी और कॉपीराइट का सम्मान करें, लोगों से जुड़े यौन कंटेंट की सीमाओं का आदर करें, और सुरक्षा उपायों को बायपास करने की कोशिश न करें। इनमें से कुछ भी अनोखा नहीं है। जो बात लोगों को चौंकाती है, वह यह है कि यह एक सामान्य वर्कफ़्लो में कितनी बार सामने आ जाता है।

क्या जाँचा जाता है
सेकंडरी रिपोर्ट बताती हैं कि गार्डरेल प्रॉम्प्ट और जेनरेट हुए आउटपुट दोनों को स्कैन करते हैं। कोई हानिरहित वाक्य भी रिजेक्ट हो सकता है अगर नतीजा गड़बड़ लगे, और कोई जोखिम भरा वाक्य रेंडर होने से पहले ही रोका जा सकता है। इमेज-टू-वीडियो के लिए, अपलोड की गई स्थिर इमेज को इनपुट का हिस्सा मानें।
आम तौर पर रिपोर्ट किए गए ट्रिगर:
- असली लोगों को यौन या अपमानजनक दृश्यों में दिखाना
- नाबालिगों को किसी भी आपत्तिजनक या सुझावात्मक संदर्भ में दिखाना
- मशहूर कैरेक्टर और ब्रांड लोगो
- ग्राफ़िक हिंसा
- ऐसे प्रॉम्प्ट जो घुमा-फिराकर नियमों को चकमा देने की कोशिश करते हैं
ब्लॉक हुई रिक्वेस्ट कैसी दिखती है
रिपोर्ट बताती हैं कि जब मॉडरेशन वीडियो रिक्वेस्ट ब्लॉक करता है, तो invalid_argument एरर आता है। मैंने जिन पेजों को जाँचा, उनमें मॉडरेशन एरर कोड की सूची नहीं है, और वे यह भी नहीं बताते कि ब्लॉक हुई जनरेशन का बिल बनता है या नहीं। जब तक आपका अपना जवाब न मिल जाए, इसे बिल योग्य मानकर चलें: पहले इनवॉइस पर दी गई क्लिप की संख्या और लिए गए शुल्क की तुलना करें।
💡 कोड में रिफ़्यूज़ल संभालें: एरर को पकड़ें, प्रॉम्प्ट और सोर्स इमेज लॉग करें, और एक ही इनपुट को अपने-आप कभी दोबारा न भेजें। ब्लॉक हुई रिक्वेस्ट पर रीट्राई लूप बजट तेज़ी से उड़ाने का सबसे आसान तरीका है।
सेंसरशिप की शिकायतें और असली सीमाएँ
मॉडरेशन का मतलब है ऐसे नियम जिन्हें आप पढ़ सकें और अनुमान लगा सकें। सेंसरशिप वह महसूस होती है जब कोई नियम ऐसा काम रोक दे जो हानिरहित लगता था। Grok Imagine की ज़्यादातर शिकायतें दो श्रेणियों में आती हैं।
समानता और वयस्क कंटेंट की सीमाएँ
xAI की Acceptable Use Policy असली लोगों की समानता का पोर्नोग्राफ़िक तरीके से चित्रण करने पर रोक लगाती है, और यह नियम हर सब्सक्रिप्शन स्तर के हर यूज़र पर लागू होता है। इसलिए असली लोगों की फ़ोटो सबसे संवेदनशील इनपुट है जो आप भेज सकते हैं। गैर-स्पष्ट ग्लैमर और स्विमवियर एक धूसर क्षेत्र में आते हैं, जहाँ एक रिक्वेस्ट से दूसरी तक नतीजे बदल सकते हैं, और यह उन पेशेवरों को परेशान करता है जिन्हें अनुमानित आउटपुट चाहिए।
सामान्य काम पर गलत पहचान
फ़ैशन शूट, समुद्र तट की छुट्टियाँ, मेडिकल डायग्राम, बॉक्सिंग मुकाबले और ऐतिहासिक तस्वीरें भी कभी-कभी फ़्लैग हो जाती हैं। सुरक्षित आदतें:
- शरीर के बजाय मूवमेंट का वर्णन करें।
- साफ़ संदर्भ वाली स्थिर इमेज चुनें, जैसे रनवे, स्टूडियो या जिम।
- ऐसे अस्पष्ट शब्दों से बचें जो संदर्भ से बाहर अलग अर्थ देते हों।
- दो रिफ़्यूज़ल के बाद रुकें और रीरोल करने के बजाय इनपुट बदलें।
⚠️ फ़िल्टर से बचने के लिए प्रॉम्प्ट को घुमाकर लिखना xAI के नियमों का उल्लंघन है, जो सुरक्षा उपायों को बायपास करने की कोशिशों पर रोक लगाते हैं। अपने प्रॉम्प्ट का वैध इरादा साफ़ करें। उसे छिपाने की कोशिश न करें।

फ़िल्टर रोकें तो विकल्प
अगर आपके प्रोजेक्ट में स्विमवियर, ग्लैमर या फ़ैशन जैसे वयस्क लेकिन गैर-स्पष्ट विषय हैं, तो सख्त फ़िल्टर लगातार रोकेगा, और हर रिफ़्यूज़ल पैसे खर्च कराएगा। Picasso IA पर ऐसे मॉडल हैं जिनके नियम ढीले हैं। स्पष्ट कंटेंट हर जगह बाहर है, लेकिन ये विकल्प गैर-स्पष्ट काम संभालते हैं:
- Seedream 4.5: बहुत यथार्थवादी आउटपुट, अंतर्निहित इमेज एडिटिंग और 3 सेकंड से कम में नतीजे। पहला पड़ाव सबसे अच्छा है।
- PicassoIA Image Editor Pro: एक इमेज-टू-इमेज एडिटर जिसमें Elite और Infinite प्लान पर असीमित जनरेशन हैं, एक सेकंड से कम में नतीजे, और बिना क्रेडिट कार्ड के 3 जनरेशन का फ़्री ट्रायल। वहाँ 1,000 इमेज बनाने का कोई अतिरिक्त खर्च नहीं आता, जबकि आम पे-पर-इमेज मॉडल पर लगभग $100 लगते हैं।
- Qwen Image 2: ओपन-सोर्स, बहुत विस्तृत रियलिज़्म के साथ।
- P-Image: 1 सेकंड से कम में टेक्स्ट-टू-इमेज।
- Wan 2.2 I2V Fast: स्थिर इमेज को सुचारु छोटे वीडियो में बदलता है।
- PicassoIA Video: 720p और 5 सेकंड तक असीमित वीडियो जनरेशन।
- P-Video: 1080p तक, तुरंत प्रीव्यू के लिए ड्राफ़्ट मोड के साथ।
- Grok Imagine Video: 15 सेकंड तक की क्लिप, बिना वॉटरमार्क के।
- LTX 2.3 Pro: 50 fps पर 4K तक, रीटेक और एक्सटेंड एडिटिंग के साथ।
तुलना के लिए: xAI के सबसे सस्ते टियर पर 1,000 इमेज की कीमत $20 है, और क्वालिटी टियर पर 1,000 की $50। अनलिमिटेड प्लान बहुत ज़्यादा मात्रा वाले क्रिएटर्स के लिए यह गणित पूरी तरह बदल देता है।
PicassoIA पर फ़ोटो कैसे एनिमेट करें
API कोड लिखने से पहले यहाँ एक त्वरित टेस्ट का रास्ता है। Picasso IA पर Grok Imagine Video 1.5 एक स्थिर इमेज और मोशन का वर्णन लेता है, और सिंक्रोनाइज़्ड ऑडियो के साथ क्लिप लौटाता है। मॉडल पेज हर रन में अधिकतम 5 सेकंड की क्लिप बताता है, जो API की 15 सेकंड की सीमा से छोटी है, लेकिन मोशन टेस्ट के लिए काफ़ी है।
- मॉडल पेज खोलें Grok Imagine Video 1.5 का।
- अपनी स्थिर इमेज अपलोड करें JPG, JPEG, PNG या WEBP फ़ाइल के रूप में। अभी तक कोई इमेज नहीं है? पहले Grok Imagine Image 2 से एक बना लें।
- ऊपर के फ़ॉर्मूले से मोशन प्रॉम्प्ट लिखें: एक सब्जेक्ट, एक मूवमेंट, एक कैमरा मूव।
- विकल्प सेट करें। अवधि 5 पर, रिज़ॉल्यूशन 720p पर और आस्पेक्ट रेशियो ऑटो पर छोड़ें।
- चलाएँ और जाँचें। मॉडल पेज का उदाहरण लगभग 33 सेकंड में बना। एक ही इमेज पर दो-तीन प्रॉम्प्ट वैरिएशन चलाएँ और सबसे अच्छा रखें।
- क्लिप डाउनलोड करें और उसे अपनी एडिट में डालें।
| पैरामीटर | डिफ़ॉल्ट | टिप |
|---|
| इमेज | ज़रूरी | साफ़ सब्जेक्ट जिसमें मूवमेंट की जगह हो |
| प्रॉम्प्ट | ज़रूरी | एक सब्जेक्ट, एक मूवमेंट, एक कैमरा मूव |
| अवधि | 5 | 5 सेकंड पर छोड़ें, जो सूची में सबसे लंबा विकल्प है |
| रिज़ॉल्यूशन | 720p | त्वरित ड्राफ़्ट के लिए 480p पर घटाएँ |
| आस्पेक्ट रेशियो | ऑटो | वर्टिकल पोस्ट के लिए 9:16, वेब के लिए 16:9 चुनें |
उसी स्थिर इमेज पर दूसरी राय चाहिए? इसे इन मॉडलों से चलाएँ और मोशन, ऑडियो और रिफ़्यूज़ल को साथ-साथ तुलना करें:

Picasso IA पर खुद आज़माएँ
यह जानने का सबसे सस्ता तरीका कि Grok Imagine आपके प्रोजेक्ट में फ़िट होता है या नहीं, एक स्थिर इमेज को कई मॉडलों पर चलाना और खर्च, क्वालिटी व रिफ़्यूज़ल को साथ-साथ तुलना करना है। Picasso IA खोलें, एक फ़ोटो अपलोड करें, एक-मूवमेंट वाला प्रॉम्प्ट लिखें और Grok Imagine Video 1.5 से रेंडर करें। फिर उसी इमेज पर Seedance 2.0 या Wan 2.7 I2V आज़माएँ। दस मिनट के प्रयोग आपको किसी भी प्राइसिंग पेज से ज़्यादा बता देंगे।

इमेज और वीडियो मॉडल की पूरी सूची picassoia.com/en/all-models पर देखें, और आज ही अपनी इमेज और वीडियो बनाना शुरू करें।