比較レビュー

LTX 2.5 Fast vs Grok Imagine 1.5 Lite：どちらを選ぶ？

720p は同価格で毎秒 $0.043、1080P では分岐して $0.086 対 $0.2。2 組を同じプロンプトで比較。

Oct 23, 2026

TL;DR

「制御可能な音声オン/オフと 12 段階の長さ」が必要なら LTX 2.5 Fast（ltx-2.5-fast/text-to-video、720p 毎秒 $0.043、1080P $0.086）。「音効付き、1〜15 秒の任意の整数」が必要なら Grok Imagine 1.5 Lite（grok-imagine-1.5-lite/text-to-video、480P $0.029、720P $0.043、1080P $0.2）。
最も明確な数字：720p は毎秒同価格の $0.043。1080P では分岐し、LTX は $0.086、Grok Lite は $0.2（約 2.3 倍）。
どちらも HiAPI で利用可能：LTX モデルページ、Grok Lite モデルページ。同じ /v1/tasks インターフェースで、新規ユーザー登録時に 200 クレジットを進呈。

ひと目でわかる比較

	LTX 2.5 Fast（`ltx-2.5-fast/text-to-video`）	Grok Imagine 1.5 Lite（`grok-imagine-1.5-lite/text-to-video`）
720p 毎秒	$0.043	$0.043（同価格）
1080P 毎秒	$0.086	$0.2
480P	この段階なし	$0.029
長さ	12 段階の列挙値（2〜20 秒）	1〜15 秒の任意の整数
アスペクト比	16:9 / 9:16	7 種類（1:1、4:3 を含む）
音声	`generate_audio` をオン/オフ可能、追加料金なし	音効付き、オフ不可
適する用途	縦型ショート動画、クリーンな映像を求めるポストプロセス	セリフ系、広告クリエイティブ、音声を一発で揃えたい場合

両モデルとも HiAPI の現行価格、2026 年 10 月 23 日に確認。生成成功分のみ課金、失敗時は課金なし。

同一プロンプトで、両者の実際の生成結果

どちらも 720p、5 秒、16:9 で生成（両者同価格の 1 本 $0.215）。

グループ A：スニーカー広告

Product commercial: a white running sneaker drops onto wet asphalt in slow motion, water splashes outward, dramatic rim light, bass hit sound

（日本語の意味：製品広告：白いランニングシューズがスローモーションで濡れたアスファルトに落ち、水しぶきが飛び散り、ドラマチックなリムライト、低音の衝撃音。）

LTX $0.215	Grok Lite $0.215
LTX スニーカー →	Grok Lite スニーカー →

左：ltx-2.5-fast/text-to-video、720p、5 秒、16:9、1280×720、音声あり（generate_audio はデフォルトでオン）。右：grok-imagine-1.5-lite/text-to-video、720P、5 秒、16:9、$0.215。同一プロンプトで各 1 回生成。Grok Lite の音効は付属でオフ不可、完成映像でそのまま聴ける。

グループ A で見える違い：両者ともスローモーションの着地＋水しぶき＋リムライト。LTX はデフォルトで音声オン、Grok Lite は映像に付随して音声トラックが生成される。構図とシューズ表面のディテールはそれぞれの傾向があり、完成映像を見て選ぶとよい。

グループ B：高山湖の空撮

Sweeping cinematic aerial drone shot gliding low over a glacial turquoise alpine lake at sunrise. Pine forests cling to steep granite shoulders, morning mist curls off the still water and drifts between the trees, and golden light spills over snow-capped peaks as the camera slowly rises to reveal a winding river valley. Crisp natural detail, rich greens and deep blues, realistic motion. Soft wind rustling pine needles, distant birdsong, and gentle flowing water over stones.

（日本語の意味：日の出の氷河ターコイズ色の高山湖を低空で滑るように飛ぶ、映画的な空撮ドローンショット。松林が切り立った花崗岩の斜面に張り付き、朝霧が静かな水面から巻き上がって木々の間に漂い、金色の光が雪を頂く峰々に降り注ぎ、カメラはゆっくりと上昇して蛇行する川の谷を映し出す。鮮明で自然なディテール、濃い緑と深い青、リアルな動き。松葉をそよぐ柔らかな風の音、遠くの鳥のさえずり、石の上を流れる穏やかな水音。）

LTX $0.215	Grok Lite $0.215
LTX 高山湖 →	Grok Lite 高山湖 →

左：ltx-2.5-fast/text-to-video、720p、5 秒、16:9、$0.215。右：grok-imagine-1.5-lite/text-to-video、720P、5 秒、16:9、$0.215。同一プロンプトで各 1 回生成。

グループ B で見える違い：両者とも「湖面を低く滑る → 上昇して谷を望む」というカメラ設計を実現。霧と雪峰の扱いはそれぞれの解釈があり、プロンプトで指定した 3 種類の音は両者ともそれぞれの方法で生成している。

シーン別の選び方

縦型ショート動画の配信ならどちらでも可（ともに 9:16 を選択、同価格）。
ポストプロセスで音楽を自分で付ける広告映像なら LTX：generate_audio をオフにしてクリーンな映像を取得、追加料金なし。
人物のセリフ、対話系のコンテンツなら Grok Lite：プロンプトにセリフを書き、音声トラックが付属。
予算に敏感な草稿段階なら Grok Lite には 480P（$0.029/秒）がある。LTX は最低 720p。
1080P の最終版なら LTX が $0.086/秒で明らかに安い（Grok Lite は $0.2/秒）。
奇数秒の長さ（7 秒、9 秒）は Grok Lite のみ生成可能。LTX は列挙値のみ受け付ける。

切り替えコスト：model と一部フィールドの変更のみ

{
  "model": "ltx-2.5-fast/text-to-video",
  "input": {
    "prompt": "Product commercial: a white running sneaker drops onto wet asphalt in slow motion, water splashes outward, dramatic rim light, bass hit sound",
    "resolution": "720p",
    "duration": 5,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }
}

{
  "model": "grok-imagine-1.5-lite/text-to-video",
  "input": {
    "prompt": "Product commercial: a white running sneaker drops onto wet asphalt in slow motion, water splashes outward, dramatic rim light, bass hit sound",
    "resolution": "720p",
    "duration": 5,
    "aspect_ratio": "16:9"
  }
}

Grok Lite には generate_audio フィールドがない（音効付き）。それ以外は完全に同構造。