映画のような動き
Grok Imagine Videoは、滑らかで自然な動きを生み出します。トラッキング、プッシュイン、プルバックなど、物理的に無理のないカメラワークと、クリップ全体で一貫したキャラクターの動きが得意。一部の競合モデルに比べて様式的な誇張が少なく、演出意図に沿った映像に仕上がります。
Grok Imagine Video: xAI 動画プロンプトガイド
このxAI 動画プロンプトガイドで紹介するGrok Imagine Videoは、xAIの動画モデルです。映画のような動きと優れたシーン構成が強み。解像度は480p / 720pの2段階で、動画の長さも指定でき、テキストから動画、画像から動画の両方に対応します。Grok Imageと組み合わせれば、ビジュアル制作を最初から最後までxAIで統一できます。
Grok Imagine Videoは、Grok Imageと同じファミリーに属するxAIの動画生成モデルです。映画的な構図、自然な動き、空気感のあるシーンが得意。静止画と動画で、xAIらしい一貫した表現をつくりたいときに活躍します。
解像度は試作用の480pと本番用の720pの2段階。動画の長さを指定でき、シネマ向けの横長から縦型まで6種類のアスペクト比に対応します。テキストから動画、画像から動画の両方を生成でき、Grokファミリーで使う基本的なプロンプト表現は、画像と動画で共通して使えます。
2
解像度の選択肢
対応
T2V + I2Vモード
xAI
Grok Imageと同じファミリー
Grok Imagine Videoは、滑らかで自然な動きを生み出します。トラッキング、プッシュイン、プルバックなど、物理的に無理のないカメラワークと、クリップ全体で一貫したキャラクターの動きが得意。一部の競合モデルに比べて様式的な誇張が少なく、演出意図に沿った映像に仕上がります。
風になびく布や髪、水面の揺らぎ、光の変化など、空気感を伝える動きが特に得意です。「吹きさらしの」「柔らかな自然光」「周囲に響く海の音」といった表現を、単なる見た目の指定ではなく、動きの指示として読み取ります。
解像度は2段階。480pはプロンプトを低コストで試すために、720pは本番の出力に使います。採用する映像は720pが基本。480pは、最終画質を気にせず、プロンプトの限界や挙動を試したいときに使います。
テキストから動画では、プロンプトだけで映像を構成します。画像から動画では、最初のフレームをもとに動きを加えます。Grok Imageの出力を動画にするのにぴったりです。同じ表現系統なので、画像から動画に切り替えてもルックを保てます。
各作例には、生成に使ったプロンプトをそのまま掲載しています。どのプロンプトもワンクリックでコピーできます。
720p · 16:9 · 6s
A black 1969 Mustang fastback drives down an empty Mojave Desert highway at sunset, heat shimmer rising from the asphalt, slow tracking shot from behind and above, distant engine rumble, cinematic warm grade
「後方の高い位置から、ゆっくり追うトラッキングショット」で、アングルと移動方向を同時に指定できます。Grok Videoはこの指示を的確に再現します。陽炎、暖色のカラーグレーディング、遠くに響くエンジン音。3層の感覚的な手がかりが重なり、ただ動くだけではない映像になります。
720p · 16:9 · 6s
A young woman in a yellow rain slicker stands on a windswept Irish cliff at dawn, looking out over the Atlantic, wind whipping her hair, the camera slowly pushes in toward her face, ambient ocean sounds, soft natural lighting
Grok Videoの人物クローズアップでは、「風が彼女の髪を激しくなびかせる」「風の吹きすさぶアイルランドの崖」といった空気感のある動きが効きます。ゆっくり寄るプッシュインは、感情を伝える定番のカメラワーク。Grokはブレなく処理します。「黄色いレインコート」のように上着を具体的に指定すると、人物の個性も明確になります。
720p · 1:1 · 5s
Macro slow-motion of dark chocolate truffles being lifted with a silver fork from a velvet-lined box, soft warm spotlight, premium confectionery commercial mood, gentle ambient kitchen sounds
1:1の正方形、5sは、SNS向け商品動画にぴったりです。商品のマクロ・スローモーション撮影では、Grokの滑らかな動きが生きます。フォークの動き、ベルベットのドレープ、柔らかくにじむスポットライトが、まとまりのある映像になります。「高級菓子のCM」と添えれば、細かく指定しすぎずに表現の軸を定められます。
720p · 9:16 · 6s
A snowboarder carves down a fresh powder slope at sunrise, vertical handheld follow shot from behind, golden alpenglow on the peaks, snow spray catching the light
モバイルSNS向けなら、720pの9:16縦型で。「後ろから追う縦型の手持ち追従ショット」で視点を指定すると、Grokがそれに合わせてフレーミングします。山肌を金色に染める夕映えや舞い上がる雪しぶきを組み合わせれば、アクションに空気感が加わり、映像が引き立ちます。
720pは本番用、480pはプロンプトの限界や挙動を低コストで試すための解像度です。採用する映像は720pで生成しましょう。見てわかる精細さの違いは、コスト差に見合います。
「後ろからゆっくり追うトラッキングショット」「カメラが彼女の顔に向かって寄る」「後ろから追う縦型の手持ち追従ショット」。Grokはカメラの指示を文字どおりに読み取り、1つの動きを的確に実行します。2種類の動きを組み合わせると、どちらも中途半端になりがちです。
Grok Videoは、「吹きさらしの」「風が激しくなびかせる」「陽炎が立ち上る」「雪しぶきが光を捉える」といった表現を、見た目だけでなく動きの指示として扱います。動作の字義的な解釈を重視するモデルより、こうしたプロンプトが強く効きます。
「遠くに響くエンジン音」「周囲に響く海の音」「キッチンの穏やかな生活音」。Grokは具体的な指示に応じて、環境音や画面内の音源から生じる音を重ねます。「音声付き」だけでは効果がありません。音の種類を指定すると、その音が生成されます。
静止画の構図づくりにはGrok Image、アニメーション化にはGrok Imagine Videoの画像から動画モードを使います。同じ表現系統なので、I2Vへの受け渡しでも色、キャラクターの特徴、構図を保ちながら動きを加えられます。
映画的な映像やYouTubeには16:9。TikTok / Reels / Shortsには9:16。SNS向けの正方形動画には1:1。配信先に合う比率で生成しましょう。Grokは比率ごとに構図を変えます。
| 設定 | 値 | 補足 |
|---|---|---|
| モード | Text-to-video · Image-to-video | I2Vには開始フレームが必要です。T2Vはテキストだけで映像を構成します。 |
| 動画の長さ | Variable seconds | クレジット消費量は動画の長さに応じて増えます。通常は5〜6s前後が最適です。 |
| 解像度 | 720p · 480p | 本番用は720p。480pはコストを抑えた試作専用です。 |
| アスペクト比 | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 + extras | 標準的なアスペクト比に対応。配信先のチャネルに合わせて選びます。 |
| I2Vの元画像 | Pass image as starting frame | 構図、被写体の特徴、配色の軸になります。プロンプトでは動きを指定します。 |
| プロバイダー系統 | xAI (same as Grok Image) | Grok ImageとGrok Imagine Videoに共通するビジュアルテイストです。 |
Grok VideoはxAIファミリーのモデルで、自然なカメラワークによる映画的な動きが得意です。Runway Gen-4.5はカメラ表現の理解力にさらに優れ、Veo 3は音声と会話のネイティブ生成に対応。Kling 2.6 Proは音声のネイティブ生成と上質な映像表現が特長です。Grok Imageと表現を統一したいときや、xAIならではの調整を求めるときは、Grokが適しています。
Grok Imagineは画像生成ツールです。パスは/xai-imageで、Grok Imageとも呼ばれます。Grok Imagine Videoは動画生成ツールで、パスは/xai-videoです。同じxAIファミリーですが、生成するメディアが異なります。静止画と動画の表現を統一したいときは、組み合わせて使いましょう。
プロンプトの限界や挙動を低コストで試すときだけ使います。同じプロンプト構成でも、480pの出力は精細さが下がります。完成版や完成に近い映像は720pで生成しましょう。480pのまま公開すると、画質の差が目立ちます。
Grok Imagine Videoは、「遠くに響くエンジン音」「周囲に響く海の音」のように具体的に指定すると、環境音や画面内の音源から生じる音を生成します。SNS向けの完成動画なら、標準で生成される音声だけで十分なことも多いです。音楽や会話を使った上質な広告映像では、ポストプロダクションで音声を重ねましょう。
30-70語が目安です。被写体と動作から始め、主役となるカメラワークを1つ指定し、照明や空気感を定め、最後に環境音を添えます。100語を超えると、Grokが尺の中に動きを詰め込みすぎて、過密な映像になることがあります。
はい。Canvasのモデル選択メニューでは、「animate」にGrok Imagine Videoが表示されます。公開APIのエンドポイントは/api/v1/models/xai-video/runです。フィールドはprompt、duration、resolution、aspect_ratio、imageです。imageはI2V用の任意フィールドです。