Grok Imagine

位置づけの概要

grok-imagine/text-to-image は xAI grok-imagine ファミリーのテキストtoイメージ経路であり、高品質な写実画像やスタイル化画像を大量に生成する必要がある開発者向けです。最大 8000 文字のテキストプロンプトを受け付け、出力は 1k と 2k の 2 段階の解像度、13 種類のアスペクト比から選択でき、jpeg、png、webp の 3 種類の納品フォーマットに対応します。画像生成をコンテンツ制作、コンセプトデザイン、素材のバッチ処理フローに組み込むチームに適しており、HiAPI.ai の統一インターフェースを通じて呼び出せます。

主な特長

• 2 段階の解像度と 13 種類のアスペクト比——出力は 1k と 2k の間で切り替え可能で、アスペクト比は 2:1 から 1:2 までの横長・縦長・正方形をカバーし、多様な掲載枠に対応します。
• プロンプト上限 8000 文字——長いプロンプトでもシーン、光と影、スタイルの完全な記述を担えるため、構造が複雑な生成ニーズに適しています。
• 3 種類の出力形式を選択可能——jpeg、png、webp を下流パイプラインに合わせて直接指定でき、生成後のトランスコード手順を省けます。

機能説明

長プロンプトによるテキストtoイメージ：1 から 8000 文字のテキスト記述を受け付けて画像を生成し、複雑なシーンや細部の制約を同じ 1 本のプロンプト内に書き込んで完結できます。

解像度とアスペクト比を制御可能：必要に応じて 1k、2k の解像度と 13 種類のアスペクト比から選択でき、1 回の呼び出しで掲載枠のサイズに合った完成画像が得られるため、後工程のトリミングを削減できます。

出力形式を直接指定：jpeg、png、webp の 3 形式に対応し、素材配信やウェブ表示など下流工程のフォーマット要件に合わせられます。

適用シーン

• コンテンツチームによる挿絵素材の一括生成——テキストの台本やタイトルを入力として横長・縦長の挿絵を一括生成し、CMS やデザイン稿にそのまま投入できる画像アセットを産出します。
• 製品・マーケティングのコンセプト図プレビュー——長いプロンプトでシーン、光と影、質感を記述し、2k のコンセプト図を素早く得て、案の比較検討やビジュアル方向の確認に用います。
• アプリへのテキストtoイメージ機能の組み込み——開発者がプロンプトと解像度、アスペクト比、フォーマットのパラメータをまとめて送信し、仕様に合致した完成画像をユーザーに出力してページへ直接反映できます。

制限と選定のアドバイス

本経路はテキストから画像への生成のみを行い、参照画像による誘導や画像編集には対応しません。スタイル変換や構図の微調整を伴うニーズには画像編集系の経路を、動的素材が必要な場合は動画生成経路を選ぶべきです。プロンプトはテキスト形式で完全に与える必要があり、参照できる視覚入力はありません。解像度の上限は 2k、アスペクト比は schema に列挙された 13 種類に限られるため、範囲外のサイズは下流でトリミングまたは二次処理が必要です。