Grok Imagine 動画生成：バージョン 1.5 と初代モデル

ImageVideoAI では、このモデルの2つの世代を使えます。設定はほぼ共通で、本当の違いは動画の長さです。新しいほうは短いテイク向け、最初のリリースは長いテイク向けに調整されています。

このページの標準はバージョン 1.5 です。SNS 用の動画、商品のループ、15秒未満のものなら、こちらを選びましょう。通りをゆっくり歩くショットや、風景の上をドローンのように長く進む動きなど、シーンが展開する時間が必要なときは初代に切り替えてください。このファミリーで30秒に届くのは初代だけです。

1080p について補足します。どちらのバージョンも、まず 720p で生成し、その結果を超解像で拡大して 1080p にしています。ファイルのサイズは 1080p ですが、ネイティブ 1080p の精細さではないので、動画を見せる場所と追加のクレジットを比べて判断しましょう。

Grok 動画生成が得意なこと

このサイトでの設定から見ると、Grok の動画生成にはいくつかはっきりした強みがあります。

• 5種類のアスペクト比。 おなじみの 16:9、9:16、1:1 に加えて 3:2 と 2:3 でも作れるので、写真らしい横長の構図やプリント風の縦長ポートレートに向いています。
• 2つの入口。 アップロードした写真から始めることも、アップロードせずにシーン全体を言葉で説明することもできます。
• 長いワンテイク。 初代モデルなら、カットなしで最大30秒まで作れます。
• 安いプレビュー用の設定。 480p なら 1.5 の6秒動画が30クレジットなので、シャープな生成にクレジットを使う前に動きを確かめられます。

できないこともあります。動画には音声が付かないので、音楽やナレーションは編集ソフトで加える前提で考えましょう。最後のフレームは固定できないため、終わり方はプロンプトの中で書く必要があります。

次の習慣を身につけると、思い描いたとおりの動きにモデルが沿いやすくなります。

1. 写真の中の被写体を特定する。 「赤いジャケットの自転車の人」のように見たままの言葉で呼ぶと、動きが正しい人物にとどまります。
2. 書く前にアスペクト比を決める。 9:16 なら被写体の上下に余白が生まれ、3:2 なら横方向の動きが映えます。枠の形に合う動作を書きましょう。
3. 終わり方を文章に書く。 終了フレームをアップロードできないので、動画の最後の瞬間を決めるのはあなたの言葉だけです。どこで終わるかをはっきり書いてください。
4. 長いテイクは段階に分ける。 20秒や30秒の生成では、動作を始まり・中盤・終わりに分け、カメラはゆっくりした動きひとつにとどめます。
5. 音の言葉は省く。 出力は無音なので、雨音や音楽を書いてもプロンプトの字数を使うだけです。かわりに雨がどう見えるかを書きましょう。
6. 480p で下書きする。 安い設定で動きを確かめてから、残したい1本を 720p 以上で生成します。

このモデルに合う3つのプロンプト：

このサイトで Grok にいちばん近いのは2つのファミリーです。Wan は最長のテイクが同じで、Vidu は終了フレームを指定できます。どれも画像から動画 AI のツールのモデルメニューに並んでいるので、1枚の写真をそれぞれで試せます。

Alibaba の Wan 3.0 は30秒という上限が同じで、さらに音声と最初・最後のフレームの指定にも対応しています。長いテイクに音が必要なときや、終わり方を固定したいときは Wan のほうが有力です。すべての設定は Wan AI 動画生成のページで確認できます。

Vidu も同じく無音で、上限は16秒ですが、Pro と Turbo のどちらも開始画像と終了画像を受け付けます。Turbo は低コストの選択肢で、540p・5秒の動画が18クレジットです。2つのバージョンの比較は Vidu AI のページで。

16:9・9:16・1:1 の Vidu と比べると、Grok には 3:2 と 2:3 の形があり、初代モデルなら最長のテイクも Vidu のほぼ2倍です。