Grok Imagine 動画 API：1.0 と 1.5 の画像から動画、テキストから動画

TL;DR

• HiAPI 上の Grok Imagine 動画 API には 3 つのエンドポイントがあります：1.0 テキストから動画、1.0 画像から動画、そして 1.5 画像から動画です。3 つとも価格は同じで、480p は 1 秒あたり $0.015、720p は 1 秒あたり $0.0282。さらに各クリップには生成された効果音が付属し、追加料金はかかりません。
• 1.0 は 6〜30 秒で、参照画像を最大 7 枚まで受け付けます。1.5 は 1〜15 秒で、画像は 1 枚のみ受け付け、aspect_ratio: "auto" を使うと出力がその画像の形状に従います。
• 6 秒 480p のドラフトクリップのコストは $0.09 です。画像から動画のモデルページを開くとすぐに試せます。新規アカウントには 200 の無料クレジットが付与されます。

どのエンドポイントを使うべきか

モデル ID	入力	長さ	アスペクト比	追加項目
grok-imagine/text-to-video	prompt	6〜30 秒（デフォルト 6）	2:3（デフォルト）、3:2、1:1、16:9、9:16	mode：normal または fun
grok-imagine/image-to-video	1〜7 枚の画像 + 任意の prompt	6〜30 秒（デフォルト 6）	上記と同じ	mode；@image1、@image2 で画像を参照
grok-imagine-1.5/image-to-video	ちょうど 1 枚の画像 + 任意の prompt	1〜15 秒（デフォルト 8）	auto（デフォルト）、1:1、16:9、9:16、3:2、2:3	mode なし

3 つのエンドポイントはいずれも秒単位の課金です：$0.015（480p、デフォルト）または $0.0282（720p）。HiAPI のリアルタイム価格、2026 年 10 月 19 日時点の取得値。失敗したタスクには課金されません。

選び方：

• 15 秒を超える長さ、または複数の製品画像を参照したい場合：1.0 画像から動画。
• 静止画が 1 枚だけで、短いクリップが必要で、出力が静止画の形状を保つべき場合：1.5 画像から動画。6 秒未満にできる唯一のエンドポイントでもあるため、4 秒のループクリップはより安くなります。
• 画像がまったくない場合：1.0 テキストから動画。

クリップ	480p	720p
4 秒（1.5 のみ）	$0.06	$0.11
6 秒	$0.09	$0.17
15 秒	$0.23	$0.42
30 秒（1.0 のみ）	$0.45	$0.85

実際の出力

1.0 画像から動画、参照画像 1 枚。週末旅行用バッグの製品カタログ用静止画：

焦げ茶色のキャンバス製ウィークエンダーバッグの周りをゆっくりと映画のように周回し、カメラは正面から斜め 45 度のアングルへ滑らかに回り込み、スタジオ照明が真鍮のジッパーに反射し、継ぎ目のない白い背景は清潔で影のないまま、製品は完璧にシャープで変化せず、さりげない高級 E コマースの雰囲気。

grok-imagine/image-to-video、6 秒、720p、参照画像 1 枚、$0.17。9:16 を指定しましたが、正方形の元画像からは正方形（960×960）が返りました。

1.0 画像から動画、参照画像 2 枚。ライフスタイル写真と製品画像を同時に渡すと、バッグを新しいシーンでも外観を保ったままにできます：

grok-imagine/image-to-video、6 秒、720p、9:16、参照画像 2 枚、$0.17。

1.5 画像から動画、同じ静止画で 2 種類のカメラワーク。カメラワークはプロンプトに表現します。動詞を変えれば、異なるカメラワークが得られます：

雨に濡れた市場の通りを、光るヌードル屋台に向かってゆっくりと着実にドリーインし、鍋から湯気が立ち上って渦を巻き、雨が細い筋になって降り、ネオンサインの反射が濡れた路面にきらめき、歩行者が傘を差してゆっくりと遠ざかり、カメラ速度は滑らかで一定、ワンカットで途切れなく、映画的なテンポ

このプロンプトでモデルページを開く（先に静止画をアップロードしてください）→

grok-imagine-1.5/image-to-video、6 秒、720p、16:9、$0.17。

カメラが滑らかな横方向のトラッキング移動でゆっくりと左へ流れ、手前の屋台と通りの奥との間に強い視差が生まれ、雨は降り続け、ネオンの反射が濡れた地面を滑り、店主はカウンターの後ろでかき混ぜ続け、湯気が横に流れ、ワンカットの連続した動きで、カットなし、ズームなし

grok-imagine-1.5/image-to-video、6 秒、720p、16:9、$0.17。

1.5、4 秒の環境ループ。カメラが固定されているとき、すべての動きはシーン自体から生まれます：

grok-imagine-1.5/image-to-video、4 秒、720p、16:9、$0.11。

curl

1.0 の画像から動画：

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine/image-to-video",
    "input": {
      "image_urls": ["https://your-cdn.example.com/product.jpg"],
      "prompt": "製品の周りをゆっくり周回、スタジオ照明、背景は清潔なまま",
      "duration": 6,
      "resolution": "480p",
      "aspect_ratio": "9:16"
    }
  }'

taskId が返ります。GET https://api.hiapi.ai/v1/tasks/{taskId} を data.status が success になるまでポーリングし、その後 data.output[0].url をダウンロードします。リンクは期限切れになるため、ファイルはすぐに保存してください。

テキストから動画の場合は、モデルを grok-imagine/text-to-video に変更し、image_urls を削除します。1.5 を使う場合は、モデルを grok-imagine-1.5/image-to-video に変更し、画像を 1 枚だけ残して mode を削除します。

Python：送信、ポーリング、ダウンロード

# pip install requests; export HIAPI_KEY=your-key first
import os, time, uuid, requests

API = "https://api.hiapi.ai/v1/tasks"
H = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}

def generate(model, timeout_s=900, **inp):
    body = {"model": model, "input": inp}
    # Reuse the same Idempotency-Key if you retry a submit, so a retry never bills twice
    r = requests.post(API, json=body, headers={**H, "Idempotency-Key": str(uuid.uuid4())}, timeout=30)
    res = r.json()
    if res.get("code") != 200:
        raise RuntimeError(res)  # 400s list every invalid field
    task_id = res["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"{API}/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d)
        time.sleep(10)
    raise TimeoutError(task_id)

still = "https://your-cdn.example.com/still.jpg"

# Draft cheaply on 1.5 at 480p, then re-render the keeper at 720p
draft = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=4, resolution="480p")
final = generate("grok-imagine-1.5/image-to-video", image_urls=[still],
                 prompt="slow push-in, steam rising, camera steady", duration=6, resolution="720p")

# A 20-second clip needs 1.0
long_clip = generate("grok-imagine/image-to-video", image_urls=[still],
                     prompt="slow push-in, steam rising, camera steady", duration=20, resolution="480p")

with open("clip.mp4", "wb") as f:
    f.write(requests.get(final).content)

パラメータ

フィールド	1.0 テキストから動画	1.0 画像から動画	1.5 画像から動画
prompt	必須、最大 5,000 文字	任意	任意、最大 4,096 文字
image_urls	受け付けない	1〜7 枚、jpeg/png/webp、各最大 10 MB	ちょうど 1 枚、jpeg/png/webp、最大 20 MB
duration	6〜30	6〜30	1〜15
resolution	480p（デフォルト）/ 720p	上記と同じ	上記と同じ
aspect_ratio	2:3 デフォルト	2:3 デフォルト	auto デフォルト（画像に従う）
mode	normal（デフォルト）/ fun	上記と同じ	受け付けない

遭遇するエラー

以下のエラーはすべて送信時に HTTP 400 で返されるため、タスクは作成されず、料金も発生しません：

• duration: minimum: got 4, want 6：1.0 は 6 秒からです。より短いクリップには 1.5 を使ってください。
• duration: maximum: got 20, want 15：1.5 は最長 15 秒です。より長いクリップには 1.0 を使ってください。
• image_urls: maxItems: got 2, want 1：1.5 は画像を 1 枚しか受け付けません。
• additional properties 'mode' not allowed：1.5 には mode がありません。
• resolution: value must be one of '480p', '720p'：1080p は存在せず、小文字でなければなりません。

FAQ

1.0 と 1.5 のどちらを選ぶべきか？

1 秒あたりの価格は同じです。入力と長さで選んでください：複数の参照画像や 15 秒超なら 1.0、静止画 1 枚と短いクリップなら 1.5 です。迷ったら、同じ静止画を両方のエンドポイントで 480p・6 秒で生成すると、合計コストは $0.18 です。

音声はありますか？

あります。上記の各クリップは生成された音声トラックを返しており、灯台のループクリップでは波の音がはっきり聞こえます。オフにするスイッチはなく（generate_audio と audio は未知のフィールドとして拒否されます）、音声は価格にも影響しません。不要な場合は編集時に音声トラックを外してください。

1080p は出せますか？

できません。3 つのエンドポイントの最高解像度はいずれも 720p です。

mode: "fun" は何をしますか？

これは 1.0 のオプションで、動きをより活発で誇張されたものにします。normal がデフォルトで、製品クリップにはより安全な選択です。

その他の例：ショート動画向けの Grok Imagine 1.5。シリーズ全体の価格については Grok Imagine API の価格をご覧ください。静止画像の生成については Grok Imagine 画像 API ガイドをご覧ください。