xAI動画 API$0.14から

Grok Imagine Video 1.5 API

xAI の Grok Imagine Video 1.5 は、最大1080pの高速なテキストから動画、画像から動画、最大7枚の参照画像からアイデンティティの一貫性を保つリファレンスから動画に対応し、アスペクト比も選べます。

3つのエンドポイントがあります。480p、720p、1080pの出力を選べるテキストから動画、テキストプロンプトでガイドする480pと720pの画像から動画、最大7枚の参照画像を、アイデンティティの一貫性を保った短いクリップに変えるリファレンスから動画です。

概要

Grok Imagine Video 1.5 APIについて

Grok Imagine Video 1.5でできること、xAIのモデルラインナップにおける位置づけ、そして多くのチームに選ばれる理由。

Grok Imagine Video 1.5はxAIの動画生成モデルで、WaveSpeedAIのREST APIから利用できます。xAI の Grok Imagine Video 1.5 は、最大1080pの高速なテキストから動画、画像から動画、最大7枚の参照画像からアイデンティティの一貫性を保つリファレンスから動画に対応し、アスペクト比も選べます。

3つのエンドポイントがあります。480p、720p、1080pの出力を選べるテキストから動画、テキストプロンプトでガイドする480pと720pの画像から動画、最大7枚の参照画像を、アイデンティティの一貫性を保った短いクリップに変えるリファレンスから動画です。

WaveSpeedAIのGrok Imagine Video 1.5ファミリーには、Reference-To-Video, Text-To-Video, Image-To-Videoのワークフローをカバーする3個のRESTエンドポイントがあります。各バリアントには、それぞれ独自の料金、パラメーター、作例があります。入力の種類と本番環境の制約に合うものを選ぶか、同じAPIキーで複数を呼び出して、多段階のパイプラインを組み立ててください。

WaveSpeedAIの他の1,000以上のAIモデルと同じAPIキー、請求アカウント、レート制限の枠組みでGrok Imagine Video 1.5を実行できます。ベンダーごとの設定も、プロバイダーごとのSDKも、ベンダーごとのレート制限も不要です。1つの連携で、テキストから画像、テキストから動画から、音声合成、3D生成、高画質化、編集まで、すべてカバーできます。

エンドポイント

Grok Imagine Video 1.5のAPIエンドポイント一覧

WaveSpeedAIで現在利用可能なGrok Imagine Video 1.5のエンドポイントは3個です。ワークフローに合ったバリアントを選んでください。

作例

Grok Imagine Video 1.5の実力を見る

Grok Imagine Video 1.5 APIで実際に生成された出力です。動画にカーソルを合わせるとプレビュー、クリックすると原寸のビューアで開きます。

使い方

Grok Imagine Video 1.5 APIの使い方

登録から生成完了まで4ステップ。Python、Node.js、cURLの完全なサンプルは、下のAPIセクションにあります。

  1. 01

    APIキーを取得

    WaveSpeedAIのアカウントに登録し、ダッシュボードからAPIキーをコピーします。新規アカウントには無料のスタータークレジットが付くので、課金が始まる前にプレイグラウンドを数十回実行できます。

  2. 02

    予測を送信

    入力をJSONとしてhttps://api.wavespeed.ai/api/v3/x-ai/grok-imagine-video-v1.5/text-to-videoにPOSTします。エンドポイントはすぐに予測IDを返します。生成は非同期なので、推論中に接続を開いたままにする必要はありません。

  3. 03

    完了までポーリング

    https://api.wavespeed.ai/api/v3/predictions/{request_id}/resultにGETします。completedなら出力を返し、failed、cancelled、timeout、deletedならエラーで停止し、それ以外のステータスの間はポーリングを続けます。

  4. 04

    出力URLを読み取る

    ステータスが"completed"になったら、data.outputs[0]からURLを読み取ります。URLは、WaveSpeedAIのCDN上にある生成されたメディアを指します。呼び出したGrok Imagine Video 1.5のバリアントに応じて、画像、動画、音声、3Dファイルのいずれかです。

活用例

Grok Imagine Video 1.5で作れるもの

開発者やクリエイターがGrok Imagine Video 1.5 APIでよく使うワークフロー。

01

最大1080pのテキストから動画

x-ai/grok-imagine-video-v1.5/text-to-video は、自然言語のプロンプトを、480p、720p、1080pの出力とアスペクト比を選べる、スタイライズされた短い動画に変換します。1080pの階層があるのは、v1.5 でこのバリアントだけです。

text-to-video1080pstylized
02

固定フレームから作る画像から動画

x-ai/grok-imagine-video-v1.5/image-to-video は、参照画像を、テキストプロンプトでガイドした短い動画に変換し、480pと720pの出力を選べます。開始フレームが固定されていて、プロンプトでモーションを指示する場合に使います。

image-to-videoprompt-guided720p
03

最大7枚の画像を使うリファレンスから動画

x-ai/grok-imagine-video-v1.5/reference-to-video は、最大7枚の参照画像を、アイデンティティの一貫性を保った、プロンプトでガイドする短い動画に変換します。参照した被写体を見分けられるように保ちたい、キャラクター主体のクリップに向いたバリアントです。

referenceidentityseven-images
04

SNSクリップとマーケティング動画

カタログでは、v1.5 の3つのバリアントすべてを、SNSクリップ、マーケティングコンテンツ、クリエイティブなストーリーテリング向けと位置づけています。高速な生成は、所要時間が重要な、大量のショートフォームのパイプラインに適しています。

socialmarketingshort-form
05

キャラクター主体のストーリーテリング

リファレンスから動画のアイデンティティの一貫性と、プロンプトによるガイドを組み合わせて、キャラクター主体のクリップやクリエイティブなストーリーテリングに使えます。生成した一連のショットを通して、同じ被写体を見分けられるように保てます。

characterstorytellingconsistency
06

最初にアスペクト比を制御

テキストから動画とリファレンスから動画では、アスペクト比を選べるため、後からトリミングや再エンコードをせず、生成時に納品形式を設定できます。

aspect-ratiodeliveryformats

コツ

Grok Imagine Video 1.5のプロンプトのコツ

Grok Imagine Video 1.5からより良い出力を得るための実践的なアドバイス。本番のパイプラインで動画モデル全般に通用するパターンに基づいています。

  1. 01

    カメラワークは具体的に

    orbit、dolly-in、push-in、pan-left、crane shot、handheld follow といった、具体的な撮影用語を使ってください。一般的なプロンプトでは、静的な、あるいは任意のカメラ位置になります。名前のついたカメラワークは、モデルの学習データでモーションの意図に直接対応し、ショットの品質を大きく高めます。

  2. 02

    参照画像でキャラクターのアイデンティティを固定する

    プロンプトが特定の人物、キャラクター、商品に依存する場合は、プロンプトと一緒に参照画像をアップロードしてください。参照がないと、フレームやショットをまたいでアイデンティティがずれ、同じキャラクターが、生成のたびに少し違う人物になってしまいます。

  3. 03

    ライティングと時間帯を記述する

    「ゴールデンアワー、柔らかく暖かい指向性の光」や「曇りの拡散光、スレートグレーの空」のようなライティングの手がかりは、曖昧な品質修飾語よりはるかに、品質と一貫性を高めます。ライティングは、モデルが条件付けする最も強い事前知識の1つです。

  4. 04

    ネガティブプロンプトで、よくある失敗を抑える

    動画で役立つネガティブプロンプトは、「frame flicker, motion blur, watermark, text artifacts, distorted hands, low resolution, jpeg compression」です。ネガティブプロンプトにコストはかからず、引き直しが必要になる生成の割合を目に見えて減らせます。

  5. 05

    見せ場を捉えられる最短の長さを選ぶ

    ほとんどのプロンプトは、5〜8秒が最適です。長いクリップでは、時間的な不整合(被写体の変形、環境のずれ)が増幅されます。20秒のシーケンスが必要なら、6〜8秒のクリップを3本生成して編集でつなげるほうが、1回の長い生成より品質が高く保てます。

  6. 06

    アスペクト比は最初にプラットフォームに合わせる

    TikTok / Reels / Shorts には9:16、横長のフィードやYouTubeには16:9、投稿のグリッドには1:1です。モデルはアスペクト比ごとに学習が少しずつ異なります。16:9を後から9:16にトリミングすると、精細さと、モデルが意図した構図の両方が失われます。

料金

Grok Imagine Video 1.5 APIの料金

料金は出力ごとです。最終的な請求額は、各バリアントのプレイグラウンドで設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。

最低料金

$0.14

3個のエンドポイント · Grok Imagine Video 1.5

プレイグラウンドを開く
エンドポイントタイプ最低料金
x-ai/grok-imagine-video-v1.5/reference-to-videoreference-to-video$0.14
x-ai/grok-imagine-video-v1.5/text-to-videotext-to-video$0.14
x-ai/grok-imagine-video-v1.5/image-to-videoimage-to-video$0.14

API

Grok Imagine Video 1.5 APIを呼び出す

wavespeed.ai/accesskeyでAPIキーに登録し、RESTで予測を送信します。プレイグラウンドでは、入力の組み合わせに応じて、そのまま貼り付けられるサンプルが生成されます。

POSThttps://api.wavespeed.ai/api/v3/x-ai/grok-imagine-video-v1.5/text-to-video

# 1. Submit the prediction.
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
  -X POST "https://api.wavespeed.ai/api/v3/x-ai/grok-imagine-video-v1.5/text-to-video" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $WAVESPEED_API_KEY" \
  -d '{
    "prompt": "A cinematic shot of a city at sunset, soft golden light",
    "duration": 6,
    "aspect_ratio": "16:9",
    "resolution": "720p"
}')

TASK=$(printf '%s' "$SUBMIT_RESPONSE" | jq 'if has("data") then .data else . end')
PREDICTION_ID=$(printf '%s' "$TASK" | jq -r '.id')
if [ -z "$PREDICTION_ID" ] || [ "$PREDICTION_ID" = "null" ]; then
  printf 'Submission response did not contain a prediction id
' >&2
  exit 1
fi
RESULT_URL="https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result"

# 2. Poll until the prediction finishes.
while true; do
  RESPONSE=$(curl --silent --show-error --fail-with-body "$RESULT_URL" \
    -H "Authorization: Bearer $WAVESPEED_API_KEY")
  RESULT=$(printf '%s' "$RESPONSE" | jq 'if has("data") then .data else . end')
  STATUS=$(printf '%s' "$RESULT" | jq -r '.status')
  case "$STATUS" in
    completed) printf '%s\n' "$RESULT" | jq '.outputs'; break ;;
    failed|cancelled|timeout|deleted) printf '%s\n' "$RESULT" | jq . >&2; exit 1 ;;
    *) sleep 2 ;;
  esac
done

比較

Grok Imagine Video 1.5と他モデルの比較

WaveSpeedAI上の類似モデルではなくGrok Imagine Video 1.5を選ぶべきケース。

Grok Imagine Video 1.5 vs Grok Imagine Video

オリジナルの Grok Imagine Video ファミリーには、video-extend と edit-video を含む5つのエンドポイントがあり、生成バリアントは同期オーディオに対応します。v1.5 は、テキストから動画(1080pのオプションつき)、画像から動画、最大7枚の参照画像によるリファレンスから動画に集中した、新しい高速な生成です。

Grok Imagine Video 1.5 vs Seedance 2.0

Seedance 2.0 は、全階層でのネイティブオーディオに加え、Fast/Standard/Turbo の料金階層と、専用の video-edit エンドポイントを備えています。Grok Imagine Video 1.5 は、xAI の Grok ブランドのもと、高速でスタイライズされた生成に集中し、7枚の画像によるリファレンスから動画のバリアントを備えています。

Grok Imagine Video 1.5 vs Wan 2.6

Wan 2.6 は、より幅広いパイプライン向けに、同じファミリーに同期オーディオ、video-extend、image-edit のバリアントを加えています。Grok Imagine Video 1.5 は、テキスト、画像、複数参照の入力という、コンパクトな3つのエンドポイントを保ち、高速な処理に最適化されています。

FAQ

Grok Imagine Video 1.5 API — よくある質問

料金、ライセンス、連携など、WaveSpeedAIでGrok Imagine Video 1.5を実行する際のよくある質問。

Grok Imagine Video 1.5 APIとは何ですか?

Grok Imagine Video 1.5は、xAIの動画生成モデルで、WaveSpeedAI上でREST APIとして提供されています。xAI の Grok Imagine Video 1.5 は、最大1080pの高速なテキストから動画、画像から動画、最大7枚の参照画像からアイデンティティの一貫性を保つリファレンスから動画に対応し、アスペクト比も選べます。プログラムから呼び出すことも、上にリンクされたプレイグラウンドで試すこともできます。

Grok Imagine Video 1.5 APIはどう呼び出しますか?

WaveSpeedAIのアカウントに登録し、/accesskeyからAPIキーをコピーして、入力をJSONとしてhttps://api.wavespeed.ai/api/v3/x-ai/grok-imagine-video-v1.5/text-to-videoにPOSTします。エンドポイントは予測IDを返します。結果のエンドポイントを約2秒ごとにポーリングし、長時間かかるタスクでは間隔を広げ、終端ステータスになったら停止してください。本番運用向けのPython / Node.js / cURLのサンプルは上にあります。

Grok Imagine Video 1.5 APIの料金はいくらですか?

Grok Imagine Video 1.5は$0.14からです。実際の料金は、設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。プレイグラウンドの「生成」ボタンの横に表示されるリアルタイムの料金プレビューで、現在の入力での正確な料金を確認できます。

Grok Imagine Video 1.5にはどのバリアントがありますか?

WaveSpeedAIでは、3個のGrok Imagine Video 1.5エンドポイントが利用可能です:x-ai/grok-imagine-video-v1.5/reference-to-video, x-ai/grok-imagine-video-v1.5/text-to-video, x-ai/grok-imagine-video-v1.5/image-to-video。各バリアントには、専用のプレイグラウンドページと料金があります。

Grok Imagine Video 1.5の出力を商用利用できますか?

商用利用の権利は、xAIのモデルライセンスに従います。xAIのほとんどのモデルは出力の商用利用を認めています。具体的なライセンスの概要は各モデルのプレイグラウンドページで、プラットフォーム全体の条件はWaveSpeedAIの利用規約でご確認ください。

なぜ直接ではなくWaveSpeedAIでGrok Imagine Video 1.5を使うのですか?

Grok Imagine Video 1.5と、他のプロバイダーの1,000以上のAIモデルを、1つのAPIキー、1つの請求アカウントで利用できます。ベンダーごとのSDK設定も、個別のレート制限も、ベンダーごとの連携コードの書き直しも不要です。料金は、通常xAIの直接のAPIと同等かそれ以下です。

提供元

xAIについて

WaveSpeedAIにおけるGrok Imagine Video 1.5と、xAIのモデルラインナップ全体を手がけるチーム。

xAI は、イーロン・マスク氏のAI企業で、チャット、推論、マルチモーダル生成のための Grok モデルを提供しています。Grok Imagine Video は、テキストから動画、画像から動画、リファレンスから動画、video-extend、edit-video に対応し、長さ、アスペクト比、解像度を調整できます。WaveSpeedAI の統合APIで、主要プロバイダーの各モデルと並べて利用できます。

WaveSpeedAIでGrok Imagine Video 1.5を使った開発を始めよう

登録時に無料のスタータークレジットを進呈。xAIをはじめ、あらゆるプロバイダーの1,000以上のAIモデルを、1つのAPIキーで。