Grok Imagine レンズ言語ビジュアルノート：画像から動画へのカメラワーク示意

単一の静止コンティニュイティ（絵コンテ）を起点に、grok-imagine/image-to-video を用いて「プッシュイン、プルアウト、パン、トラック」という4種類の基本カメラワークによる画面の違いを実演する。参考画像は意図的に同一シーンの俯瞰平面注釈図として作成している。中景の人物、前景の遮蔽物、奥行きのある廊下を含み、カメラの移動による遠近感の変化を観察しやすくしている。送信時は image_urls に単一の参考画像を渡し、prompt では @image1 でその画像を指し示して運動方向を明示し、resolution は 720p、duration は 6 秒、mode は normal に設定し、出力アスペクト比は入力画像に従う。絵コンテ制作者やショート動画ディレクターが本番生成前にカメラワークの意図を素早く確認するのに適しており、開発者が単一画像入力におけるこのモデルの運動制御の書き方を理解するのにも適している。このモデルファミリー自体は画像から動画への一体型生成として位置づけられており、1 セグメントあたりの長さに制限があるため、本作品では単一ショット・単一アクションのみを行い、1 つのクリップに複数のカメラワークを重ねていない。