Grok 最初以对话见长，但 xAI 在 2024 年底把图片生成也加了进来。现在的 Grok Imagine 不只能生图，连短视频也能生成，整个功能就集成在你和 Grok 对话的同一个界面里。

问题是，免费版能不能用？能做到什么程度？这篇把 Grok Imagine 的细节讲清楚。

认识 Grok Imagine

Grok Imagine 是 xAI 内置在 Grok 里的 AI 图片和短视频生成功能，最早的底层模型是 Aurora，于 2024 年 12 月推出。2026 年 8 月 7 日推出的 Imagine Image 2.0 已成为 grok.com/imagine 以及 iOS、Android app 的 Quality Mode。官方称排版和小字更清晰，也能精准修改指定区域（官方公告）。

Aurora 的技术路线和 Stable Diffusion 或 DALL-E 不同，它不走扩散架构，而是采用自回归 MoE（Mixture of Experts）。这个差异带来一个实际效果：图片内的文字渲染。扩散模型生成的图，里面的英文字母常常拼错、中文字也常常乱掉；Aurora 因为架构不同，在这个问题上的表现明显更好。如果你需要生成带有标语、说明文字、品牌名称的图，这个差异感受很明显。

功能集中在 Grok 界面的「Imagine」标签页，入口有三个：

  • grok.com 的 Imagine 标签页（浏览器版，最完整）
  • X app / x.com 内的 Grok 界面
  • Grok iOS / Android 独立 app

无论哪个入口，都需要 X 账号或 xAI 账号登录。

怎么用 Grok Imagine

步骤很直接：

  1. 打开 grok.com 或 Grok app，登录账号
  2. 确认方案：免费版每天有限量生图额度，要做视频需要 Premium 起的付费方案
  3. 进入「Imagine」标签页
  4. 输入 prompt（主体 + 动作 + 场景 + 风格 + 技术细节；中文 prompt 可以直接用）
  5. 选择宽高比（横版、竖版、正方形等）
  6. 点 Generate，生图约 3–5 秒；Video 1.5 Fast 生成一段 6 秒 720p 视频约需 25 秒
  7. 不满意就点 Regenerate，或在同一个对话里追加指令微调（比如「光线再暗一点」、「去掉背景里的人」）
  8. 下载，或直接分享到 X

Prompt 技巧上，越具体越好：主体的外形、动作、背景、光线、镜头、风格，能写的都写进去。Grok 在同一个对话里记得前面的图和指令，所以不用每次从头重写 prompt，追加一句微调比重新开始更高效。

中文 prompt 直接输入没问题。偶尔 Grok 的回复消息语气会不太一致，加上「请用简体中文回复」可以改善。

Grok Imagine 界面：Featured Templates 与「Type to imagine」输入框

中文提示词示例（可直接复制）

下面 5 组按「主体 + 动作 + 场景 + 风格 + 技术细节」写好，复制到 Imagine 就能用，也可以按需求替换名词。

1. 社交媒体配图（带标语）

一杯冒着热气的手冲咖啡放在木桌上，旁边摆着一本翻开的笔记本，清晨窗边的自然光，暖色调，简约风格，画面上方写着英文大字“Good Morning”，正方形构图

2. 商品照片

白色无线耳机放在浅灰色大理石台面上，柔和的影棚灯光，背景干净留白，高分辨率商品摄影风格，45 度俯拍

3. 活动海报

复古旅行海报风格，台湾东海岸的清晨海景，远处是绿色山脉，画面下方留白并写着“Taitung Summer”，粗体无衬线字体，暖橙色与深蓝色搭配，竖版构图

4. 插画角色

一只戴着圆框眼镜的小企鹅坐在书桌前用笔记本电脑打字，日系水彩插画风格，柔和的粉彩色，背景是堆满书的书架，温馨可爱

5. 短视频

镜头从高空缓慢推近台北 101，夕阳西下，城市灯光一盏盏亮起，电影感运镜，配上轻柔的城市环境音，16:9 横版

目前没有公开的图内中文文字准确率系统测试数据，加入中文标语前建议先生成几张试试。效果不理想时，可以在同一段对话里追加指令微调，例如「背景换成夜景」或「字再大一点」。

免费版能生图吗

可以，但有额度。 2026 年 10 月 12 日起，The X Subscription 的 Free 方案每天可以用 Imagine 生图，官方没有公布张数；视频生成只在 Premium 起的付费方案（官方公告）。

2026 年 3 月起，有用户反馈免费版 Imagine 会提示订阅（xAI 未公布确切日期），与年初 deepfake 风波有关。写于当时的「免费不能生图」说法已过时。

价格

生图不一定要付费，要更多额度或视频才需要订阅。新订阅只能选 The X Subscription（官方方案页，2026 年 10 月 14 日查询，美元标价、未含税）：

  • Free（US$0）：每天限量生图，不能生视频。
  • Plus（US$8）：生图额度更高，不含视频。
  • Premium（US$30）：增加 AI 视频，额度是 Plus 的 4 倍。
  • Super（US$100）／Ultra（US$200）：额度是 Plus 的 15／50 倍。

旧 SuperGrok 和 X Premium 已停止新订阅；老用户价格、功能不变。付费聊天、Imagine、语音共用每周额度，张数未公开，以 grok.com 显示为准，费用以结账页为准。

The X Subscription 的方案对比画面，列出 Free、Plus、Premium、Super、Ultra 等方案（截自 x.ai 官方方案页）

API 方面，标准模型每张图约 US$0.02、Pro 模型约 US$0.07（以官方最新定价为准）。

Grok Imagine 能做什么

文字生图

输入文字 prompt，选择宽高比（支持多种横竖比例），约 3–5 秒出图，生图速度在主流 AI 生图工具里算快的（官方写最高 2K 分辨率，实际选项以界面为准）。Image 2.0 还加入了 smart resize：选择比例后，模型会自动补满画面。

图内文字渲染是 Aurora 的显著强项。要生成带广告语的海报、带品牌 Logo 文字的产品图，Aurora 的文字准确率比扩散架构的工具好一截。图内中文文字目前没有系统性公开测试，建议自行测试确认。

图片编辑与风格转换

Image 2.0 一次最多可上传 5 张参考图，进行风格转换或指定元素替换。它还加入魔术棒局部修改、自动抠图，以及商品照、头像等现成模板。比如上传一张产品照，让 Grok 把它转成水墨画风格，或把背景换成指定场景。编辑深度比 Photoshop AI 工具浅，但在对话流程里操作很直观。

短视频生成

在 Imagine 里输入 prompt 也能生成视频：

  • 方案：新订阅要 Premium 起才能生视频，官方没有写各方案的时长和分辨率，以界面为准
  • 旧方案规格：旧 SuperGrok 方案页（2026 年 9 月 29 日查询）写最长 30 秒、720p，SuperGrok Plus 及以上 1080p；帧率 24fps
  • 生成时间：Video 1.5 Fast 生成一段 6 秒 720p 视频约需 25 秒
  • 可以只输入文字生成，也可以提供参考图或参考音频，让同一角色在不同视频中的外形和声音保持一致（官方公告）

和专业视频生成工具（比如 Kling）相比，动态连贯性仍有差距，这一点目前比较明显。Grok 视频功能的优势主要在于和对话界面的整合：在聊 Grok 的同一个窗口里输几个字就能出视频，上手门槛低。

从 2026 年 6 月发布的 Video 1.5 起，音效、环境音和对白会与画面一起生成（官方公告）。

deepfake 风波与内容政策

2025 年底到 2026 年初，Grok Imagine 因为被大量用于生成未经同意的 deepfake 图像（受害者多为女性和公众人物）而引发广泛批评。事件持续发酵后，xAI 先在 1 月 9 日将生图限定付费用户、大幅收紧内容过滤。之后有用户反馈免费版从 3 月起陆续无法生图，xAI 未公布确切日期。10 月 12 日改为 The X Subscription 后，Free 方案又可以每天限量生图。

这件事定义了 Grok Imagine 在 2026 年的现状：更严格的 NSFW 过滤、明显收窄的「允许范围」，以及视频只开放付费方案。

Grok 早期以相对宽松的生成尺度著称，网上有不少第三方文章教如何绕过限制。目前多数此类做法违反 xAI 服务条款，账号有被封禁的风险，这里不说明具体操作。

xAI 的内容政策仍在持续调整，细节以 docs.x.ai 和 x.ai/news 的官方公告为准。

和其他工具对比

Grok ImagineMidjourneyKling
图内文字强较弱n/a
艺术风格普通强n/a
写实摄影强强n/a
图片编辑深度浅中n/a
视频时长单条最长 30 秒（旧 SuperGrok 方案）n/a单条最长 15 秒（Kling 3.0），可续接延长至 3 分钟
视频质量普通n/a强
X 整合原生无无
入门成本免费可限量生图，视频需付费需付费需付费

几个判断基准：

选 Grok Imagine 的情况：你本来就在用 Grok、需要图内文字准确、或者想把生图和 X 发帖整合在同一个流程里。

视频选专业工具（如 Kling）的情况：需要把多段视频续接成更长片段，或对动态连贯性要求高。Grok 的视频功能目前还处于早期阶段。

图片艺术风格选 Midjourney 的情况：需要精细的艺术方向控制、风格一致性，或高级图片编辑能力。

结论

Aurora 的图内文字渲染是真实的差异化优势，不是营销说辞。这个架构选择让它在特定场景下（品牌图、信息图、带标语的社交媒体图）比同类工具好用，不需要事后去 Canva 手动加字。

视频功能目前的定位更像是「能用，但不惊艳」。Kling 这类专业视频工具在这条赛道上领先不少，Grok 的短视频更适合快速验证视觉概念，不适合作为正式视频内容的输出工具。

现在 Free 方案每天可以限量生图，先用免费版试过再决定要不要付费。付费理由目前主要来自图内文字渲染、X 整合和视频。如果这些不是你的核心需求，Midjourney 或其他免费生图工具可能更合算。付费的话，生图额度不够先看 Plus，要视频选 Premium，价格以结账页为准。

延伸阅读

整理：Penna｜小企鵝 Penchan