Grok Imagine 1.5 画像→動画プロンプトレシピ：そのままコピーできるプロンプトと実際の出力

概要

• これは何か：grok-imagine-1.5/image-to-video 用の、そのままコピーできる4つのモーションプロンプト。それぞれに開始時の元静止画とライブ API 上で実際に生成されたクリップを添付——初回出力をそのまま提示し、リトライを隠さず、ここに永久ホストしています。
• このモデルについて知っておくべきこと1つ：API にはモーションやカメラのパラメータが一切ありません。入力 schema（ライブ検証済み）は prompt + image_urls、および任意の duration、resolution、aspect_ratio のみで構成されます。カメラワーク、モーションスタイル、テンポの決定はすべてプロンプトテキストの内部で行われます——これこそがこれらのレシピの用途です。
• Schema の事実（ライブタスク API に対して 2026-07-07 に検証）：image_urls は公開アクセス可能な画像 URL を含む必須配列。duration は1〜15秒の整数。resolution は480p または 720p。aspect_ratio は auto、1:1、16:9、9:16、3:2、2:3 を受け付けます。その他のパラメータ（motion_mode、seed など）は 400 で拒否されます。
• 料金（出力1秒あたり、料金ページより）：480p は $0.015/秒、720p は $0.0282/秒。乗数は duration のみ——6秒の 720p クリップは約 $0.17、4秒の 480p 試しは $0.06 です。
• 本記事のメディア合計請求額：gpt-image-2 の静止画4枚が各 $0.03、加えて 22秒の 720p 動画——現在の価格で合計約 $0.74。これが画像→動画の意味です。静止画は一度きりのコストで、何度でも再アニメーション化できます。

これらのレシピの作り方

各レシピは3つの部分で構成されます：元静止画、正確なモーションプロンプト（そのままコピー可能）、そしてそれが生成したクリップです。各静止画は gpt-image-2 で生成し、各モーションプロンプトは自分で書き、すべてをライブ hiapi タスク API 経由で grok-imagine-1.5 上で実行しました。各説明には設定と実際のコストを記載しているので、まったく同じ呼び出しを再現できます。

grok-imagine-1.5 はモーションパラメータを受け付けないため、プロンプトの文言がすべての仕事を担います。常に有効な習慣：

• カメラ動詞から始める。「Slow steady dolly push-in」「camera glides slowly to the left」——これを最初に置くと、モデルはそれをクリップの背骨として扱います。
• 単一の連続した動きを要求し、「no cuts」を宣言する。放っておくと、モデルが勝手にカットを発明することがあります。プロンプトの最後に「one continuous shot, no cuts」を加えると確実に抑制できます。
• カメラだけでなく、何が継続的に動くかを描写する。蒸気、雨、反射、人々——環境の動きを明示すると、写真の上をパンしているだけではなく、画面が生き生きと保たれます。
• 人物の場合、微細な動きを要求しカメラを固定する。「Camera locked off on a tripod … facial features stay perfectly stable, no warping」が、生き生きとした肖像と溶けた顔の違いを生みます。

レシピ 1——カメラ言語：ゆっくりとしたプッシュイン

目標：古典的な映画的ドリーショット。雨、蒸気、反射が持続的に働く中、通りを進み食品屋台に着地します。

元静止画（gpt-image-2、16:9、$0.03）。レシピ 1 と 2 は同じフレームをアニメーション化します。

Slow steady dolly push-in down the rain-soaked market street toward the glowing noodle stall, steam rising and curling from the pots, rain falling in thin streaks, neon sign reflections shimmering on the wet pavement, pedestrians walking slowly away under umbrellas, smooth constant camera speed, one continuous shot, no cuts, cinematic pacing

麺屋台に向かってゆっくりプッシュインするドリーショット——grok-imagine-1.5/image-to-video、6秒 @ 720p、16:9、現在の価格で $0.17。実際の出力、本ガイド用に生成。

なぜ効果的か：プッシュインが最初の節なので、モデルは6秒間ずっとそれを維持します。次にプロンプトは継続的に動くべきもののリスト——蒸気、雨筋、反射、歩行者——を渡し、これがショットを静止画のズームではなく動画のように見せる理由です。最終フレームで料理人と鍋がどれだけ近づいたかに注目してください：これは実際のカメラ移動であり、クロップではありません。

レシピ 2——同じ静止画、異なるカメラ動詞：横方向トラッキング

目標：まったく同じ静止画を横方向トラッキングで再アニメーション化し、grok-imagine-1.5 ではカメラ言語が完全にプロンプト内に存在することを示す——動詞を変えれば別のショットが得られる。

Camera glides slowly to the left in a smooth lateral tracking move, strong parallax between the near market stalls and the far end of the street, rain keeps falling, neon reflections slide across the wet ground, the cook keeps stirring behind the counter, steam drifts sideways, one continuous move, no cuts, no zoom

市場の通りを横切る横方向トラッキング——grok-imagine-1.5/image-to-video、6秒 @ 720p、16:9、現在の価格で $0.17。実際の出力、本ガイド用に生成。

なぜ効果的か：「glides slowly to the left」に加えて、近くの屋台と通りの奥との間の視差を明示的に要求することで、モデルにアニメーション化できる奥行きの手がかりを与えます。これは最も安価な反復方法でもあります：静止画は $0.03 の埋没コストなので、新しいカメラ処理ごとに動画の秒数だけがかかります——ここでは2つの処理で合計約 $0.34。あるルックを探索しているなら、画像を再生成する前に同じフレームを再プロンプトしてください。

レシピ 3——被写体主導の動き：肖像の微細モーション（9:16）

目標：縦型でソーシャル向けの肖像。被写体が呼吸し、まばたきし、髪とスカーフが動く——それ以外は何も動かない。

元静止画（gpt-image-2、9:16、$0.03）。

Gentle micro-motion only: her hair lifts and drifts in a soft evening breeze, the silk scarf ripples lightly, she blinks naturally and takes one calm slow breath, city bokeh lights flicker softly behind her, camera locked off on a tripod, facial features stay perfectly stable, no warping, subtle photoreal motion

肖像の微細モーション：髪、スカーフ、呼吸——grok-imagine-1.5/image-to-video、6秒 @ 720p、9:16、現在の価格で $0.17。実際の出力、本ガイド用に生成。

なぜ効果的か：肖像はまさに画像→動画モデルが顔を溶かす場所なので、プロンプトは言葉の大部分を制約に費やします：「micro-motion only」「camera locked off」「facial features stay perfectly stable, no warping」。モーション予算は安全でリターンの高い要素——髪、シルク、まばたき、呼吸——に配分されます。フィード用に 9:16 で撮影します。アスペクト比は一流の API フィールドであり、クロップではありません。

レシピ 4——環境の雰囲気：シーン自体を動かす

目標：固定カメラの自然なループ。すべての動きはシーン自体から生まれます——波、霧、掃引する灯台の光。4秒で十分です。

元静止画（gpt-image-2、16:9、$0.03）。

Waves keep rolling in and bursting against the dark rocks in slow rhythm, sea spray and fog drift across the frame, the lighthouse beam sweeps slowly through the mist, clouds crawl overhead, camera completely static on a tripod, natural documentary motion, no camera movement

環境海景：波、霧、掃引する光——grok-imagine-1.5/image-to-video、4秒 @ 720p、16:9、現在の価格で $0.11。実際の出力、本ガイド用に生成。

なぜ効果的か：「camera completely static on a tripod」と宣言することでモデルが解放され、すべてのエネルギーを水の物理とボリュームフォグに注ぎます——grok-imagine-1.5 はこれを印象的に処理します。光が実際に霧の中を掃引することに注目してください。4秒 720p でこのクリップのコストは $0.11。環境ループはめったにそれ以上必要としません。

秒単位の請求をコントロールする

ここでの動画料金は爽やかなほど一次元です：duration × 秒あたりの料率、それだけです。これはシンプルなワークフローを示唆します：

操作	計算	コスト
モーションのアイデアを試す	4秒 × $0.015（480p）	$0.06
納品品質でプロンプトを反復	6秒 × $0.0282（720p）	$0.17
最大長で撮影	15秒 × $0.0282（720p）	$0.42
既存の静止画を再アニメーション化	画像コスト	追加 $0

この表から3つの習慣が導かれます。480p と短い duration で試す——失敗したアイデアは1ドルではなく数セントで済むべきです。静止画を容赦なく再利用する——上のレシピ 1 と 2 は同じ $0.03 の画像に2つの異なるカメラワークを着せたものです。必要な秒数を正確に要求する——duration は最小1まで設定でき、レシピ 4 のような環境ショットは数秒後には改善しなくなります。本ページの4つのクリップすべては現在の価格で動画 $0.62 の合計です。

自分で実行する：送信、ポーリング、ダウンロード

このモデルはタスクベースです：POST /v1/tasks がタスク id を返し、成功するまでポーリングしてから出力 URL をダウンロードします（期限切れになるので、リンクではなくファイルを保存してください）。知っておくべきことが1つ：image_urls は公開アクセス可能でなければなりません——プライベートまたはローカル URL を渡すと、モデルが実行される前に normalize input media エラーで送信が失敗します。

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY"}

task = requests.post(API, headers=HEADERS, json={
    "model": "grok-imagine-1.5/image-to-video",
    "input": {
        "prompt": ("Slow steady dolly push-in down the rain-soaked "
                   "market street toward the glowing noodle stall, "
                   "steam rising, one continuous shot, no cuts"),
        "image_urls": ["https://your-host.com/your-still.jpg"],
        "duration": 6,          # int, 1-15 seconds
        "resolution": "720p",   # 480p | 720p
        "aspect_ratio": "16:9", # auto | 1:1 | 16:9 | 9:16 | 3:2 | 2:3
    },
}).json()
task_id = task["data"]["taskId"]

while True:
    t = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if t["status"] in ("success", "fail"):
        break
    time.sleep(5)

assert t["status"] == "success", t.get("error")
url = t["output"][0]["url"]  # expiring link - download it now
open("clip.mp4", "wb").write(requests.get(url).content)

完全なリクエストのウォークスルー（curl を含む）はgrok-imagine 画像→動画 API ガイドにあり、テキスト→動画ガイドはプロンプトのみの兄弟モデルを扱っています。一般的なプラットフォームのドキュメントはこちらです。

クイック Schema リファレンス

フィールド	必須	値（ライブ検証済み）
prompt	推奨	自由テキスト——これが唯一のモーション制御
image_urls	はい	公開アクセス可能な画像 URL の配列
duration	いいえ	整数、1–15（秒）
resolution	いいえ	480p、720p
aspect_ratio	いいえ	auto、1:1、16:9、9:16、3:2、2:3

motion_mode はなく、seed もなく、ネガティブプロンプトもありません——schema は未知のフィールドを 400 で拒否するので、他のモデルからパラメータを流用する必要はありません。違う動きが欲しければ、違う文章を書いてください。

クリップにもっと長い duration やネイティブ音声が必要なら、seedance-2.0-fast がその範囲で利用可能で、seedance-2.0-mini レシピ集は同じ送信-ポーリング-ダウンロードのパターンを使っています——プロンプトとパイプラインは少しの修正で移行できます。

---

4つのプロンプトすべてをコピーできます。キーを取得し、上のコードスニペットを grok-imagine-1.5 に向ければ、最初の静止画を 480p でアニメーション化するのに約5セントかかります。