はじめに
必須の最初のフレームと、動きの説明を送ります。中間キーフレームを使うと、場面を変える時刻を指定できます。
| 項目 | 値 |
|---|---|
| 入力 | 画像 |
| 出力 | 動画 |
| モデルの公開元 | xAI |
| 開始素材 | 場面の文章、必須の開始画像、または 1–7 枚の参照画像です。 |
| 説明の上限 | 最大 4,096 文字です。 |
| クリップの時間 | 1–15 秒で、既定は 6 秒です。 |
| 文章・静止画アニメーションのサイズ | 480p(既定)、720p、1080p です。 |
| 参照動画のサイズ | 480p または 720p です。 |
| 文章生成の比率 | 16:9(既定)、9:16、1:1、4:3、3:4、3:2、2:3。静止画アニメーションでは auto も使えます。 |
| 静止画アニメーションのガイド | 必須の開始画像、任意の終了画像、最大 4 枚の時刻付き keyframes、任意参照 1 枚です。 |
| loop の制約 | 開始と終了を一致させ、loop と |
| 生成する音声 | 既定で有効です。無効にしても単価は変わりません。 |
| 動画の課金 | 動画秒数と解像度段階によります。reference-to-video は参照ごとの料金も加算し、失敗した依頼は無料です。 |
| ファイルの保存期限 | 生成動画は 14 日後に削除します。 |
主な機能とハイライト
ささやきの後に見える返事
夕暮れの屋上バーで、背中の開いた赤いドレスの女性が男性へ寄り、"Let's get out of here." とささやきます。6 秒の 480p サンプルにはその音声と、男性の笑顔、手を取る動作があります。短いやり取りには話し手、引用せりふ、相手の反応を指定し、返された発話と動きを一緒に確認します。
せりふを伴う横断
テストでは小さな漁船が朝日のフィヨルドを渡り、カモメが旋回しました。6 秒の結果には音と船長の引用せりふが含まれました。
3 秒目に温室へ
雨のちょうちんの路地が、指定した 3 秒目の keyframe で明るいビクトリア様式の温室へ変わりました。全体は音声付きの 6 秒です。
揺れて元へ戻る鶴
白い折り鶴が青い机の上でゆっくり動く 4 秒のループになりました。最初と最後のフレームが一致しました。
ダンサーと折り鶴を同じスタジオへ
黒い練習着のダンサーが白いスタジオでゆっくり動き、近くに紙の鶴が浮かびました。2 枚の参照から 6 秒、848x480 の結果を得ました。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 動作、場所、必要なら引用符で囲んだセリフを 4,096 文字以内で説明します。プロンプトの文字数で課金区分は変わりません。 1 文字以上 · 4096 文字以内 |
image_url | はい | アニメーションの開始フレームとなる必須の画像です。開始点を決める設定で、別の料金区分にはなりません。 1 文字以上 |
last_image_url | いいえ | 終了フレームを任意で渡せます。loop が有効なときは併用できないため省略してください。 1 文字以上 |
reference_image_urls | いいえ | 参照画像を 1 枚だけ任意で追加し、プロンプト内で @image1 として指定できます。画像から動画を作る料金は秒数と解像度に従います。 1 件以内 |
aspect_ratio | いいえ | 開始画像に合わせる場合は auto を使い、それ以外は 16:9、9:16、1:1、4:3、3:4、3:2、2:3 を選べます。共通の既定値は 16:9 です。 |
keyframes | いいえ | 中間画像を最大 4 枚指定し、それぞれ |
loop | いいえ | 開始と終了のフレームを合わせ、ループできるようにします。 |
resolution | いいえ | 480p、720p、1080p から選択します。既定は 480p で、上位の解像度ほど秒あたりの料金が上がります。 |
duration_seconds | いいえ | 1〜15 秒を指定します。既定は 6 秒です。 |
generate_audio | いいえ | 既定では音声を生成します。無効にすると音声トラックのない出力になり、単価は変わりません。 デフォルト値: |
料金
静止画のアニメーションは、選んだ解像度の単価で出力秒数に応じて課金されます。音声の設定で単価は変わらず、失敗時の請求はありません。
| 仕様 | 料金 |
|---|---|
| $0.028 / 秒 |
| $0.0505 / 秒 |
| $0.09 / 秒 |
ユースケース
せりふが導く物語の瞬間
引用した短い言葉と見える反応を中心にします。屋上例は、ささやく誘いと笑顔、手を取る動作を音声付きの 6 秒にしました。
到着時刻を決めた場面転換
指定秒の中間画像で場所変更を導けます。路地から温室のテストは、6 秒のうち 3 秒目に晴れた温室へ到着しました。
静止画から繰り返す動作
loop を有効にして開始へ戻る動きを作ります。テストは開始終了の一致に従いましたが、繰り返し配置に使う前に継ぎ目を確認します。
参照から組み立てる場面
人物、小道具、場所に別画像を使い、prompt で @image の役割を与えます。1–7 枚に対応し、渡した参照ごとに料金がかかります。
既存編集に差し込む無音動画
既存の音楽を使う場面なら音声を無効にします。検証では音声トラックがなくなり、動画の単価は選んだ長さと解像度で決まりました。
プロンプトガイドと実践のヒント
場面の元を選びます
文章のショットなら text-to-video、開始静止画を決めるなら image-to-video、複数画像を基準に構成するなら reference-to-video を選びます。
動作と音を説明します
被写体、服装、場所、光、無理のない動作を示します。せりふを引用符に入れ、誰が話すかを明記します。
時間と出力を決めます
1–15 秒、対応比率、解像度段階を選びます。静止画を動かすなら時刻付き keyframes と、必要に応じて終了画像または loop を加えます。
動画を確認して残します
動作とせりふを確認し、ループの継ぎ目や時刻指定の移行を調べます。生成ファイルが消える 14 日以内に採用動画を保存します。
開始静止画から動きを演出
image-to-video は必須の image_url と、動きを説明する文章で始めます。Grok Imagine Video 1.5 は開始フレームを音付きの 1–15 秒へ動かせます。最初の構図が重要なときに使い、必要なら終了や中間の画像ガイドを加えます。
last_image_url は終了、keyframes は中間の時刻、loop は開始終了の一致という別の役割です。任意の参照 1 枚で追加の見た目も導けます。すべての画像を同じ入力と扱わず、ショットに必要な操作を選びます。
パラメータ一覧
| パラメータ | 役割 | 選択肢・上限 |
|---|---|---|
image_url | 開始フレームを決めます | 必須です |
| prompt | 動作、場所、任意のせりふ | 最大 4,096 文字です |
aspect_ratio | 出力の形 | auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3。既定 16:9 です |
| resolution | 出力段階 | 480p, 720p, 1080p。既定 480p です |
duration_seconds | 再生時間 | 1–15 秒、既定 6 です |
generate_audio | 音声を制御します | 既定で有効です |
last_image_url | 終了フレームを導きます | 任意で、loop と併用しません |
reference_image_urls | 追加の視覚参照 | 任意の 1 枚を @image1 と呼びます |
| keyframes | 指定時刻に中間画像を置きます | 最大 4 枚で各々に time_seconds があります |
| loop | 開始終了を一致させます | last_image_url と組み合わせません |
開始画像の比率に従うなら auto、それ以外は配置先に合う比率を選びます。広い眺めという文章は構図を説明し、aspect_ratio が形を決めます。
冒頭、中間、終わりを計画
指定秒に場所へ到達
特定の瞬間に特定の画像を通るなら keyframes を使います。各画像に動画内の time_seconds を与えます。入力したテストは雨のちょうちんの路地から、6 秒動画の 3 秒目に晴れた温室へ到達しました。
カメラの進行、光の変化、目的地へどう開けるかを prompt に説明します。時刻付き画像は予定する見た目の目標で、間の動作指示を置き換えません。
目的地か開始への帰還か
終了画像は特定の構図で終えるショット、loop は開始へ戻る動作に使います。両者は併用できないため、送信前に結末を決めます。
ループなら、紙の物が揺れて元のポーズへ戻るような小さい動作を説明します。繰り返し再生で継ぎ目を見ます。テストはフレーム一致に従いましたが、自分の動作も連続動画として確認が必要です。
既存構図からの指示
動かすもの、方向、速さから始め、カメラの動きは別に示して被写体の動作を明確にします。人物の提案は 30 代以上とし、服装、雰囲気、光を具体的にします。
写真のイブニングドレスと暖かな照明を保ち、人物が窓へ向き、笑って振り返る、と指示できます。任意参照は @image1 と呼び、貢献を説明します。写真と声は使用権のあるものを用い、成人を描き、なりすましを避けます。
引用したせりふを音声に含められます。無音が必要なら generate_audio を無効にし、テストでも音声トラックがなくなりました。採用時は音と動きを一緒に調べます。
観察した動作
各テストで終了フレーム、loop、keyframes の操作を確認しました。時刻付き移行は音声付きの 6 秒の中で 3 秒目に温室へ到達しました。特定の操作と掲載移行の根拠で、任意画像間のすべての動作の保証ではありません。
生成後は冒頭、指定の中間時刻、終了を入力画像と比べ、個々のフレームだけでなく間の動きも確認します。
料金と保存期間
動画の長さと解像度で課金され、高い段階ほど秒単価が上がります。音を切っても同じ単価で、失敗は無料です。設定を選ぶときに モデルページの最新価格 を確認します。採用動画は削除前の 14 日以内に保存します。
制約と関連処理
公開元のコンテンツフィルターで検出すると無料で拒否されます。中間画像は最大 4 枚で、終了画像と loop を同時に送りません。必須の開始画像に任意参照 1 枚を追加できます。
開始画像が不要なら text-to-video、複数素材を合わせるなら reference-to-video で、1–7 枚と 480p、720p を使えます。開始フレーム、時刻を決めた到達、loop が目的なら image-to-video を続けます。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-imagine-video-1.5/image-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 6,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。











