Grok Imagine 1.5

位置づけの概要

grok-imagine-1.5/image-to-video は xAI が提供する画像生成動画モデルで、HiAPI.ai の統一インターフェースを通じて呼び出せます。1 枚または複数の参照画像を 1〜15 秒の短い動画に変換し、480p・720p・1080p の 3 段階の解像度で出力できます。また、任意のプロンプトで希望する動きを記述できます。複数画像を入力する場合は、アスペクト比パラメータで画面構成を制御することも可能です。商品画像・コンセプトフレーム・ブランド素材を素早く動かしたい開発者やクリエイティブチームに適しており、ショートフォームコンテンツのプレビューや納品に活用できます。

主な特長

• 複数画像を参照した動的なカメラワーク合成——最大 7 枚の参照画像をアップロードでき、複数画像入力時には aspect_ratio で出力画角を統一的に指定できます。
• 長さと解像度を用途に応じて組み合わせ——クリップの長さは 1〜15 秒の間で連続的に調整でき、解像度は 480p・720p・1080p に対応。用途に応じて品質とコストのバランスを取れます。
• プロンプトで動きを細かく制御——最大 4096 文字の任意プロンプトに対応し、希望するカメラワークや被写体の動きを記述できます。

機能説明

画像駆動の動画生成：JPEG・PNG・WebP 形式の画像を 1〜7 枚と任意のプロンプトを入力するだけで動的な短い動画を生成でき、静止素材を撮り直す必要はありません。

複数段階の解像度出力：480p・720p・1080p の 3 段階から選択可能。下書き段階では低解像度で素早く試行錯誤し、完成段階では 1080p に切り替えて納品できます。

柔軟な長さ制御：長さは整数秒で指定でき、範囲は 1〜15 秒です。課金は出力時間の増加に伴うため、コンテンツのリズムに合わせてクリップの長さを調整できます。

複数画像のアスペクト比制御：auto・1:1・16:9・9:16・3:2・2:3 の 6 種類の画角オプションを提供し、複数の参照画像を使う際の構図統一に適しています。単一画像入力時は画面比率が元画像に従います。

活用シーン

• EC・製品チームによる静止商品画像の動画化——商品メイン画像と短い動きの記述を入力し、数秒の紹介動画を生成。詳細ページ、広告素材、ソーシャルメディアでの紹介コンテンツに活用できます。
• マーケティングチームのコンセプト検証と広告下書き——ブランドのコンセプト画像から、さまざまな長さと画角の動的プレビューを素早く生成し、社内レビュー後に本制作へ進めます。
• ソーシャルメディア向け縦型ショート動画の制作——1 枚のクリエイティブ画像と動きのプロンプトから短い動画を生成し、フィードやショート動画プラットフォームの日常的なコンテンツ更新に利用できます。
• クリエイターによる絵コンテの事前シミュレーション——キーフレームのイラストやデザイン案を短いクリップに変換し、クライアントとのやり取りや撮影前のリハーサルに直感的な動的参考資料を提供します。

制限と選定のアドバイス

画像生成動画のみに対応しており、少なくとも 1 枚の参照画像が必須で、テキストのみから直接生成することはできません。出力は短い動画形式で、長さの上限は 15 秒のため、長尺の動画叙事には適していません。1080p は単一入力画像のみ受け付け、複数画像を合成する場合は 480p または 720p のみ利用できます。単一画像入力では aspect_ratio は反映されず、画角は元画像によって決まります。長回し、正確なリップシンク、複雑な叙事が求められるプロジェクトでは、複数セグメントの結合で対応可能かどうかを事前に評価したうえで、モデル選定を決めることをお勧めします。