はじめに
動作と必要なセリフを書き、クリップの長さ、形、解像度を選んでください。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 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 |
aspect_ratio | いいえ | 16:9、9:16、1:1、4:3、3:4、3:2、2:3 から選びます。既定は 16:9 で、形は秒あたりの単価に影響しません。 |
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
文章から作る動画は、選んだ解像度の単価で秒数ごとに課金されます。音声の有無で料金は変わらず、リクエストが失敗した場合は課金されません。
| 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。
文章の説明から動画の場面へ
Grok Imagine Video 1.5 text-to-video は場面説明を 1–15 秒の動画にします。開始構図を特定の画像で決めず、言葉でショットを作る場合に使います。既定で音声を生成し、引用符内のせりふを話すこともできます。
屋上の例は、女性が短い誘いをささやき、男性が笑って手を取る具体的な展開です。同様に、被写体、場所、動作、必要な音を伴う小さな瞬間を計画します。
パラメータと出力設定
| パラメータ | 指定内容 | 既定・上限 |
|---|---|---|
| prompt | 場面、動作、光、任意の引用せりふ | 最大 4,096 文字です |
aspect_ratio | 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3 | 16:9 です |
| resolution | 480p, 720p, 1080p | 480p です |
duration_seconds | クリップの長さ | 1–15 秒、既定 6 です |
generate_audio | 音声生成の有効・無効 | 有効です |
形と解像度は場面説明に任せず、リクエストの設定で指定します。縦の配置なら 9:16、横なら 16:9 です。動作とせりふが収まる長さを選びます。
音と無音
話す言葉を引用し、同じ文で話し手を示します。複数人なら相手の反応を別に書きます。たとえば赤いイブニングドレスの 30 代女性にせりふをささやかせ、40 代男性が笑顔で応えると説明できます。
generate_audio を false にすると音声トラックがなくなり、テストでも無音になりました。既存編集の音楽に重ねる差し込みに向きますが、生成単価は下がりません。
1 つの瞬間を中心に書く
- 誰や何が見えるかを決め、人物なら年齢と服装も示します。
- 暖かな連なる明かりのある夕暮れの屋上など、場所と光を具体化します。
- 主な動きと見える反応を順番に説明します。
- 必要なら短いせりふを引用し、話し手を名指しします。
- 動作を支える構図やカメラの指示で締めます。
形容詞の羅列より短いショット説明が役立ちます。選んだ時間に収まる短い会話にし、声と反応を確認して再試行の要否を決めます。助言は意図を明確にする方法で、すべての演技の約束ではありません。
入力したテストが示すこと
新しい屋上例は音声あり、6 秒、480p、16:9 です。背中の開いた赤いドレスの女性が "Let's get out of here" とささやき、男性が笑顔で手を取ります。指定のせりふは音声で聞こえます。
別の 6 秒、16:9、480p の文章テストは 752x416 ピクセルでした。同じ段階の全動画が同寸法と考えず、観察したファイルとして扱います。参照テストの 480p は 848x480 なので、納品寸法が重要なら実ファイルを調べます。
これらは入力した場面と音声切替の観察です。すべての prompt の声、動き、構図を約束しません。自分の説明と結果を照合してください。
料金の考え方
選んだ解像度の秒単価で動画に課金します。長いほど秒数が増え、高解像度ほど単価が上がります。音声の有無は同額で、失敗は課金しません。設定前に Grok Imagine Video 1.5 のモデルページ の価格を確認します。
制約と別の処理
公開元のフィルターで検出した依頼は無料で拒否されます。prompt は 4,096 文字、長さは 1–15 秒以内です。生成物は 14 日後に削除するため期間内に取得します。
開始画像、終了画像、時刻付き中間画像、loop が必要なら image-to-video です。人物、小道具、場所を別画像で導くなら reference-to-video で、1–7 枚と 480p、720p に対応します。静止画なら Grok Imagine Image 2.0 が生成・編集を提供します。必要な成果物と手元の素材に合わせて選びます。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "xai/grok-imagine-video-1.5/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "480p",
"aspect_ratio": "16:9",
"duration_seconds": 6
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。











