Grok Imagine 1.5 Lite vs Grok Imagine：どちらを選ぶ？

TL;DR

• 1～5秒の短い動画や4:3、3:4などのアスペクト比が必要ならGrok Imagine 1.5 Lite、720pの単価を下げたい場合や6～30秒の長さが必要ならGrok Imagineを検討。Liteの720pは毎秒$0.043、Grok Imagineは$0.0214。詳しくはLite価格ページを参照。
• いずれも6秒・720pのリクエストで、Liteは$0.258、Grok Imagineは$0.1284、1本あたり$0.1296の差。価格差は課金の違いであり、画質の優劣ではない。
• どちらもHiAPIで利用可能：Liteモデルページ · Grok Imagineモデルページ。同じ /v1/tasks インターフェースを使用し、送信後にdata.taskIdを読み取って結果を照会。

ひと目でわかる比較

項目	Grok Imagine 1.5 Lite	Grok Imagine
480p 毎秒	$0.029	$0.0114
720p 毎秒	$0.043	$0.0214
6秒・720pリクエスト	$0.258	$0.1284
長さの範囲	1～15秒の整数、デフォルト6秒	6～30秒の整数、デフォルト6秒
アスペクト比	7種類：16:9、4:3、3:2、1:1、2:3、3:4、9:16	5種類：2:3、3:2、1:1、16:9、9:16
modeフィールド	このフィールドなし	modeに対応、パン職人リクエストではnormalを使用
本ページの生成設定	720p、6秒、16:9	720p、6秒、16:9

本ページでは両者が共通で対応する480pと720pの料率のみを比較する。リクエストでは解像度とアスペクト比を明示的に設定し、異なるデフォルト値が混在しないようにする。

横長シーン2組：棚田とパン職人

組A：日の出の棚田と熱気球

夜明けの霧に包まれた棚田の谷の上を、ガラス製の熱気球がゆっくりと漂う。金色の光が水を張った棚田に降り注ぎ、丘の間を霧が流れ、白いサギの群れが気球の下を滑空する。滑らかな空撮トラッキングショット、穏やかな風の音と遠くの鳥のさえずり、シネマティック、自然な色彩。テキストなし、ロゴなし。

Lite · 720p · $0.258	Grok Imagine · 720p · $0.1284
Liteの熱気球を視聴	Grok Imagineの熱気球を視聴

両方とも720p、6秒リクエスト、16:9。実際は1280×720、MP4、24fps、メインビデオストリームは約6.04秒。いずれも非無音の音声トラックを検出しているが、ここでは風の音や鳥のさえずりを個別に識別したとは主張しない。熱気球は既存の生成動画とプロンプトの説明をそのまま使用。元版の今回のリクエストではmodeを明示的に渡しておらず、Lite素材には完全なタスクリクエストが添付されていない。本組はシーンと構図の観察用であり、全入力パラメータが一致した対照実験ではない。

Liteで生成 → · Grok Imagineで生成 →

目に見える違い：両方とも水面の反射がある棚田、日の出の光、谷の霧、気球、白い鳥の群れがある。Liteでは気球と鳥が画面に占める割合が大きく、元版はより引きの構図。ここでは構図を描写しており、どちらの動きや霧の全体が優れているかを判断するものではない。

組B：パン職人が窯を開けて挨拶

朝の居心地のよい小さなパン屋での横長ミディアムショット。エプロンに小麦粉をつけた陽気な中年のパン職人が、焼き色のついたクロワッサンのトレイをオーブンから取り出し、カメラを見て温かく言う：「焼きたてだよ、一つ食べてみて！」湯気が立ち上り、柔らかな窓の光、自然な室内の環境音とオーブンの音。字幕なし、キャプションなし、画面上のテキストなし、ロゴなし。

Lite · 720p · $0.258	Grok Imagine · 720p · $0.1284
Liteのパン職人動画を視聴	Grok Imagineのパン職人動画を視聴

両方とも上記の同じ完全なプロンプトを使用し、720p、6秒、16:9をリクエスト。Grok Imagineにはmode=normalを明示的に渡した。元の生成動画はいずれも1280×720 MP4、24fps、コンテナの長さはそれぞれ6.042秒と6.0417秒。両方とも非無音の音声トラックがあるが、指定セリフやリップシンクの聴取審査は未実施。

Liteで生成 → · Grok Imagineで生成 →

目に見える違い：両方ともクロワッサンを持つパン職人、開いたオーブン、湯気がある。Liteでは窓が人物の背後にあり、元版では窓が画面左側にある。全編をサンプリングした画面に字幕や明らかなロゴは見られなかったが、この観察はセリフの内容やリップシンクの確認には用いない。

シーン別の選び方

• 予算重視の720pバッチ処理では、まずGrok Imagineの$0.0214/秒とLiteの$0.043/秒を比較。6秒のリクエスト1,000本で$129.60の差。
• 1、2、3、4、5秒の短い動画が必要ならLiteの長さ範囲が対応。Grok Imagineは6秒から。
• 16～30秒の単発タスクが必要ならGrok Imagineの長さ範囲が対応。Liteは最大15秒。
• 4:3または3:4のアスペクト比が必要ならLiteを使用。両者が共通で対応するのは16:9、1:1、2:3、3:2、9:16。
• セリフや環境音の要件がある場合は、生成動画を聴いて内容を確認し、「音声トラックがある」ことを「セリフが正確またはリップシンクが合致」とみなさない。

切り替えコスト：共通フィールドを明確に

{
  "model": "grok-imagine-1.5-lite/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

{
  "model": "grok-imagine/text-to-video",
  "input": {
    "prompt": "Landscape medium shot in a cozy small bakery at morning. A cheerful middle-aged baker with flour on her apron pulls a tray of golden croissants from the oven, looks at the camera and says warmly: \"Fresh out of the oven, come try one!\" Steam rises, soft window light, natural room tone and oven sounds. No subtitles, no captions, no on-screen text, no logos.",
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9",
    "mode": "normal"
  }
}

上記はパン職人シーンの完全なリクエストボディで、本ページの対応する生成動画で使用したプロンプトとパラメータと一致する。両方ともresolution、duration、aspect_ratioを明示的に設定し、modeはGrok Imagineにのみ渡す。タスク送信後はdata.taskIdを読み取り、タスクを照会してdata.outputからtype=videoの結果を取得し、速やかに保存する。

課金前に知っておくべき審査ルール

Grok Imagineのモデルページには明確な注意書きがある：生成完了後に結果が審査され、審査に通らなくても正常にクレジットが差し引かれる場合がある。「パラメータ検証でタスクが作成されなかった」場合と「生成後の審査に通らなかった」場合を混同せず、すべての失敗が無料であると約束しないこと。

よくある質問

Liteは720pで必ず安いですか？

いいえ。Liteは$0.043/秒、Grok Imagineは$0.0214/秒。6秒のリクエストではそれぞれ$0.258と$0.1284。

両方とも1秒や30秒の動画を生成できますか？

いいえ。Liteは1～15秒の整数、Grok Imagineは6～30秒の整数に対応。共通範囲は6～15秒。

同じ720pなら実際のピクセルも同じと判断できますか？

いいえ。アスペクト比と実際の出力サイズも確認する必要がある。本ページの2組の動画はいずれも16:9、1280×720であることを確認済み。

音声トラックが検出されれば指定セリフが正しく話されたと言えますか？

いいえ。音量検出で確認できるのは非無音信号の有無のみ。指定セリフ、発音、リップシンクは聴取審査と画面との照合が必要。

生成後の審査に通らなかった場合、必ず無料ですか？

そのような約束はできない。Grok Imagineのモデルページには生成後の審査に通らなくても正常にクレジットが差し引かれると記載されている。送信前に必ず関連ルールを確認すること。

次のステップ：Liteテキスト-to-ビデオ導入ガイド、プロンプト事例、価格ページを読み、自分の長さとアスペクト比に合わせてプランを選択。