Grok 画像から動画：Lite vs Grok 1.5 の選び方

TL;DR

• 画像から動画の予算を抑えたいなら、まず Grok Imagine 1.5 を検討。720p・6 秒リクエストは $0.1284。Grok Imagine 1.5 Lite は同じ条件で $0.273（$0.015 の入力画像料を含む）で、前者の約 2.13 倍。詳細な料金表はLite 料金ページとGrok 1.5 料金ページを参照。
• 両方とも 1080p と 1〜15 秒の整数时长に対応。移行時は入力フィールド、画像枚数、デフォルト値に注意が必要。
• 以下ではサーフィンとラテアートの 2 組を、同じ画像・同じプロンプトで生成した動画で比較する。Lite 画像入力モデルページまたはGrok 1.5 画像入力モデルページを開けば、同じ入力画像で試せる。

ひと目でわかる比較

項目	Lite：grok-imagine-1.5-lite/image-to-video	Grok 1.5：grok-imagine-1.5/image-to-video
480p 毎秒	$0.029	$0.0114
720p 毎秒	$0.043	$0.0214
1080p 毎秒	$0.20	$0.057142
720p・6 秒リクエスト	$0.273（1 件あたり $0.015 の入力画像料を含む）	$0.1284（入力画像の追加料金なし）
入力画像	image_url 文字列、1 枚	image_urls 配列、1〜7 枚；1080p は 1 枚まで
リクエスト时长	1〜15 秒の整数、デフォルト 6 秒	1〜15 秒の整数、デフォルト 8 秒
プロンプト	必須、1〜4096 文字	任意、最大 4096 文字
出力画角	入力画像に従う。サイズは丸められる	単一画像なら同様に入力画像に従う；aspect_ratio は複数画像のときのみ有効

Lite のデフォルトは 720p、Grok 1.5 のデフォルトは 480p。同じ条件で比較する際は、両方とも resolution と duration を明示的に指定する。料金確認日：2026 年 10 月 27 日。リクエスト秒数で計算し、失敗の終状態になると事前に引き落とした費用は自動で全額返還される。

同じ入力画像・同じプロンプトで両方の実生成動画

各組の 2 つの入力ファイルはバイト数と SHA-256 が一致し、英語プロンプトも一字一句同じ。各モデルにつき既存の生成動画を 1 本ずつ掲載する。以下では英語の元プロンプトをそのまま残す（音声に関する指定も含む）。入力のアスペクト比はそれぞれ 16:9 と 9:16 に近く、キャプションに実際の生成サイズを記載する。

組 A：サーファー（入力 1672×941）

両モデル共通の入力画像 · 1672×941

The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.

プロンプトの日本語説明：波がサーファーの背後で巻いて砕け、彼が波面を滑り降りる。白い水しぶきが金色の逆光の中で弾けてきらめく。カメラはサーファーを滑らかに追従する。大きな波の音と水の流れる音。写真的なリアリズムを保つ。文字なし、ロゴなし。

Lite：$0.273（画像料込み）	Grok 1.5：$0.1284
Lite のサーファー生成動画を再生（MP4）	Grok 1.5 のサーファー生成動画を再生（MP4）

両方とも 720p・6 秒をリクエスト。元の生成動画はいずれも 1264×720、24fps、145 フレーム、ファイル長 6.042 秒、形式は MP4。料金はリクエストした 6 秒で計算。

同じプロンプトで Lite で生成 → · 同じプロンプトで Grok 1.5 で生成 →。上の入力画像をアップロードし、720p・6 秒を選択する。

組 B：ラテアートコーヒー（入力 941×1672）

両モデル共通の入力画像 · 941×1672

Steamed milk pours in a thin stream into the espresso and a rosetta pattern slowly blooms on the surface, light steam rises, the barista's hand moves steadily. Slow push-in close-up. Soft cafe ambience, gentle pouring sound, quiet chatter in the background. No text, no logos.

プロンプトの日本語説明：スチームミルクが細い流れでエスプレッソに注がれ、ロゼッタ模様が表面にゆっくりと広がる。かすかな湯気が立ち上り、バリスタの手は安定して動く。ゆっくりと寄るクローズアップ。柔らかなカフェの環境音、注ぐ音、背景の静かな話し声。文字なし、ロゴなし。

Lite：$0.273（画像料込み）	Grok 1.5：$0.1284
Lite のラテアート生成動画を再生（MP4）	Grok 1.5 のラテアート生成動画を再生（MP4）

両方とも 720p・6 秒をリクエスト。元の生成動画はいずれも 720×1264、24fps、145 フレーム、ファイル長 6.042 秒、形式は MP4。料金はリクエストした 6 秒で計算。

同じプロンプトで Lite で生成 → · 同じプロンプトで Grok 1.5 で生成 →。上の入力画像をアップロードし、720p・6 秒を選択する。

目に見える違い：

• サーフィン組：両方とも波面を滑る動きと逆光の水しぶきが現れる。Lite のサーファーは中盤以降でより早くボードの先端を上げ、カメラの方向へ向きを変える。Grok 1.5 は波面に沿って横方向の滑走をより長く保つ。
• ラテアート組：入力画像にはすでにロゼッタ模様がある。両方の動画とも注乳と模様の変化が続く。Grok 1.5 は中盤で一度はっきりと注乳が止まり、その後再開する。Lite のミルクの流れはより連続的。この組を「空白のコーヒー表面から描き始める」と表現してはならない。
• 4 本の動画はいずれも無音でない音声トラックを含み、ラテアートの 2 本は全体の音量が低め。音声トラックがあることは、プロンプト内のあらゆる音が確認されたことを意味しない。ここでは波の音、注乳音、話し声、音と映像の同期品質については評価しない。

シーン別の選び方

• 予算優先の 720p 画像入力バッチ：Grok 1.5 は 1 リクエスト 6 秒で $0.1284、Lite より $0.1446 安い。
• 1080p が必要：両方とも対応。6 秒リクエストで Lite は画像料込み $1.215、Grok 1.5 は $0.342852。本ページで掲載しているのは 720p の生成動画。
• 既存の Lite 単一画像ワークフロー：引き続き image_url を使える。コスト削減のために移行する場合は、まずフィールド型とデフォルト値を確認し、自分の画像で出力を比較する。
• 複数の参照画像が必要：Grok 1.5 は 480p、720p で 1〜7 枚を受け付ける。1080p は依然として単一画像のみ。本ページの 2 組はいずれも 1 枚のみ入力。

切り替えコスト：入力型、デフォルト値、画角ルール

以下ではサーフィン事例の英語プロンプト、720p、6 秒の設定を維持する。Lite のリクエスト例は事例のパラメータに合わせて整理したもの。Grok 1.5 のリクエストは当時の記録にある入力アドレスと aspect_ratio: "16:9" を保持している。2 つの入力アドレスは同じ画像ファイルを指す。

{
  "model": "grok-imagine-1.5-lite/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_url": "https://static.hiapi.ai/gallery/2026/10/3f75ff28db9e0070.png",
    "resolution": "720p",
    "duration": 6
  }
}

{
  "model": "grok-imagine-1.5/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_urls": [
      "https://static.hiapi.ai/model-covers/2026/10/19/1792426689343-54aa29a700fa9530-1792144202117-54aa29a700fa9530-surf-in.png"
    ],
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

移行時は image_url 文字列を image_urls 配列に変更し、resolution と duration を明示的に保持する。Grok 1.5 の単一画像では aspect_ratio は出力比率を変えない。auto は利用可能なデフォルト値だが、上では当該生成動画のリクエストにあった 16:9 を保持している。Lite には aspect_ratio フィールドはない。

タスクの送信から結果の取得まではLite 画像入力 API 導入ガイドを、再利用可能な動きの記述については画像から動画のプロンプトガイドを参照。

よくある質問

Lite の画像入力は 1 件ごとに入力画像料が必要ですか？

はい、1 件あたり $0.015 が加算される。720p・6 秒リクエストで合計 $0.273。Grok 1.5 の同条件は $0.1284 で、Lite は約 2.13 倍。

1080p や 1〜15 秒の整数时长は Lite だけの対応ですか？

いいえ、両方とも対応している。1080p は毎秒 Lite が $0.20、Grok 1.5 が $0.057142。Lite は別途入力画像料がかかる。

モデルを変えるときは model を変えるだけで十分ですか？

十分ではない。Lite は単一画像の文字列 image_url を使い、Grok 1.5 は image_urls 配列を使う。両方でデフォルト解像度、デフォルト时长、プロンプトの必須可否も異なる。同じ条件で出力を比較するときは 720p と 6 秒を明示的に指定する。

本ページの 4 本の動画には音声がありますか？

4 本とも無音でない音声トラックを含み、ラテアートの 2 本は音量が低い。これはこれらのファイルに音声信号が含まれていることだけを示し、プロンプトの各効果音が実現されたことを保証するものではなく、将来のすべての出力における音声の保証でもない。

生成に失敗すると課金されますか？

タスクが失敗の終状態になると、作成時に事前に引き落とした金額は自動で全額返還される。

次のステップ：上の英語プロンプトをコピーし、対応する入力画像をアップロードし、両方のモデルページで 720p・6 秒を選択して、目的の動きと構図を比較する。