Grok Imagine Video 1.5とは？
Grok Imagine Video 1.5は、旧xAIのSpaceXSIによる動画生成モデルです。2026年5月末にプレビューとなり、2026年6月16日にgrok-imagine-video-1.5としてAPI、grok.com/imagine、Grokアプリで一般提供されました。効果音、環境音、口の動きに合った発話を含む同期した音声付きの動画を、1回の処理で生成します。
テキストから動画、画像から動画、リファレンスから動画に対応します。7月31日の更新で、テキストから動画と画像から動画がネイティブの1080pになりました。リファレンスから動画は720pのままです。クリップの長さは1〜15秒（初期値8秒）で、9種類のアスペクト比を選べます。最初と最後のフレームの固定、最大4つのキーフレームの指定、最大3人の話者の音声リファレンスに対応するImagineモデルは1.5だけです。
Tech Timesによると、APIの料金は1秒あたり480pで$0.08、720pで$0.14、1080pで$0.25です。1秒$0.02からのLite版は、720pを拡大して1080pにします。
Grok Imagine Video 1.5の料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| 480p | $0.08 per second | |
| 720p | $0.14 per second | |
| 1080p | $0.25 per second | |
| Lite | From $0.02 per second |
API、動画1秒あたり：480pで$0.08、720pで$0.14、1080pで$0.25。grok-imagine-video-1.5-liteは$0.02から。GrokアプリではSuperGrokとXのサブスクリプションプランで利用。
Grok Imagine Video 1.5は使う価値があるか？
Grok Imagine Video 1.5は、短い動画づくりの工程を多くの競合より多く1回の呼び出しでこなします。映像、動き、セリフ、音がまとめて生成され、画像から動画、リファレンスから動画、編集、延長が1つのAPIにそろっています。クリップは最長15秒です。7月31日の更新以降、テキストから動画と画像から動画はネイティブの1080pで出力され、公開時の上限720pから上がりました。
仕様の最大の強みは制御のしやすさです。1.5では、最初と最後のフレームを固定し、3分の1秒刻みの格子上に最大4つのキーフレームを置き、最大3人の話者の音声リファレンスを渡せます。Tech Timesによれば、参照画像は一度に最大7枚まで使えます。SpaceXSI によると、Fast版は720pの6秒クリップを約25秒で作り、従来モデルの40秒超から短縮しました。SpaceXSIは自社のベンチマーク結果を公表していません。
料金は解像度によって大きく変わります。Tech Timesによると480pで1秒$0.08、720pで$0.14、1080pで$0.25なので、1080pの完成映像1時間は撮り直しを除いて$900です。1秒$0.02のLiteモデルは下書き用の安い手段ですが、その1080pは720pを拡大したものです。生成は非同期で、結果はすぐにダウンロードすべき一時URLで返り、編集は元のモデルのままで8.7秒の素材と720pが上限です。
より大きな問題は開発元の経歴です。2026年1月、Grokの画像ツールはアップロードされた写真の実在の人物を、子どもを含めて裸にするのに使われ、欧州委員会とインドの調査につながり、マレーシアは一時Grokを遮断しました。4月にはNBC Newsが、Grokが実在の女性の性的な画像や動画を、実際の写真を動画に変える方法も含めて作り続けていることを確認し、カリフォルニア州司法長官、欧州委員会、英国のOfcomを含む8つの機関が調査を続けていると報じました。音声リファレンスによって、実在の人物の顔と声を場面をまたいで保てるようになりました。Tech Timesは、発表に同意に関する安全策への言及がなかったと指摘しており、APIで音声リファレンスを使うにはSpaceXSIの営業を通す必要があります。APIはSpaceXSIの一般条件に従い、許可なく入出力で学習せず、監査のため30日保存します。米国専用エンドポイントは動画に対応していません。
真価を発揮する場面
EC事業者向けに商品ティーザーを作る2人のスタジオ
商品写真を音声付きの10秒クリップにする
1.5の画像から動画は写真を最初のフレームにして、環境音とナレーションを同時に生成します。720pの10秒テイクは$1.40なので、先にLiteで下書きすれば撮り直しの費用を抑えられます。
カットシーンの絵コンテを作るインディーゲーム開発者
2人のキャラクターの顔と声をショット間でそろえる
キャラクター画像と音声リファレンスを使ったリファレンスから動画で安定させられますが、上限は720pで、APIの音声リファレンスにはSpaceXSIの営業が必要です。
マーケティング会社の信頼・安全担当責任者
顧客のキャンペーンでこのモデルを使ってよいか判断する
SpaceXSIに対する進行中の調査と、音声リファレンスについて公表された同意確認がないことを比べて検討します。実在の人物の肖像には、どのツールでも書面での許諾が必要です。
導入前に確認すること
- 導入
- console.x.aiでキーを作り、grok-imagine-video-1.5を指定して動画生成エンドポイントにリクエストします。クリップができるまでrequest_idを照会し、SDKは最大10分待ちます。
- 連携
- xai-sdkとVercel AI SDKを使うxAI API。編集と延長は別のエンドポイント。VercelのAI Gatewayにも掲載。
- データとプライバシー
- SpaceXSIのAPI条件：許可なく入出力で学習しない、監査のため30日保存、保存済みメディアを無効にするチーム全体のデータ保持ゼロを選択可能。結果は一時URLです。
- 大規模利用時のコスト
- Tech Timesによると、完成動画を月60分作ると失敗テイクを除いて1080pで約$900、720pで$504です。
- 制限
- 1クリップ1〜15秒。リファレンスから動画は720p。編集は素材の長さを保ち最長8.7秒。米国専用エンドポイントでは動画不可。
良い点
- 効果音と口の動きに合った発話が同期した動画
- テキストから動画と画像から動画でネイティブ1080p
- 最初と最後のフレーム、4つのキーフレーム、3人分の音声リファレンス
- Fast版は720pの6秒を約25秒で生成
- 下書き向けに1秒$0.02からのLiteモデル
気になる点
- 1080pは1秒$0.25、映像1時間で$900
- 開発元が複数の大陸でディープフェイクの調査対象
- 音声リファレンスの同意に関する安全策が公表されていない
- 編集は720pと8.7秒の素材が上限
- SpaceXSIのベンチマーク報告なし、米国専用の動画エンドポイントなし
おすすめの人
音声付きの短いクリップとフレー ム単位の細かい制御を求め、ブランドとしてSpaceXSIの経歴を受け入れられる開発者やスタジオ。
Grok Imagine Video 1.5の代替
Grok Imagine Video 1.5：よくある質問
- Grok Imagine Video 1.5は使う価値があるか？
- 有能で速く、価格も手頃な音声付き動画ですが、作っている企業の画像ツールは今も複数の大陸の規制当局に調査されています。 評価は5点満点中3.6点です。
- Grok Imagine Video 1.5の料金は？
- API、動画1秒あたり：480pで$0.08、720pで$0.14、1080pで$0.25。grok-imagine-video-1.5-liteは$0.02から。GrokアプリではSuperGrokとXのサブスクリプションプランで利用。
- Grok Imagine Video 1.5の欠点は？
- 1080pは1秒$0.25、映像1時間で$900; 開発元が複数の大陸でディープフェイクの調査対象; 音声リファレンスの同意に関する安全策が公表されていない; 編集は720pと8.7秒の素材が上限; SpaceXSIのベンチマーク報告なし、米国専用の動画エンドポイントなし.
- Grok Imagine Video 1.5は誰に向いているか？
- 音声付きの短いクリップとフレーム単位の細かい制御を求め、ブランドとしてSpaceXSIの経歴を受け入れられる開発者やスタジオ。
- チームや本番環境でGrok Imagine Video 1.5を使うと費用はいくらか？
- Tech Timesによると、完成動画を月60分作ると失敗テイクを除いて1080pで約$900、720pで$504です。
- Grok Imagine Video 1.5は企業データを扱っても安全か？
- SpaceXSIのAPI条件：許可なく入出力で学習しない、監査のため30日保存、保存済みメディアを無効にするチーム全体のデータ保持ゼロを選択可能。結果は一時URLです。
- Grok Imagine Video 1.5の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はVeo 3.1, Kling 4.0, Runway Gen-4.5 、 Seedance 2.5です。
回答確認日：2026年11月6日