
Grok Imagine Video 1.5 Liteは、Grok Imagine動画ファミリーの中でxAIが提供する最も低コストのモデルです。プロンプトまたはソース画像から、映像と音声を統合的に生成できるよう設計されています。口の動きに合わせた音声に対応し、720pからアップスケールした1080pを含む出力品質を選択できます。Atlas Cloudでは、1つのOpenAI互換キーで両方の生成モードにアクセスでき、料金は1秒あたり$0.02の従量課金です。今日から開発を始めましょう。
Grok Imagine Video 1.5 Lite は xAI が開発したモデルです。Atlas Cloud(運営:Atlas Cloud AI LLC)は本モデルへのアクセスを提供するものであり、その所有者ではありません。すべての商標は各所有者に帰属します。
ソース素材、出力要件、制作プロセスに合ったGrok Imagine Video 1.5 Liteのワークフローを選択してください。
| モダリティ | 説明 |
|---|---|
| Grok Imagine Video 1.5 Lite I2V API (Image To Video) | 開始画像をアニメーション化し、480p、720p、または1080pで1〜15秒の動画を生成します。1080pは720pからアップスケールされます。ネイティブ音声と同期したリップムーブメントに対応しており、キャラクターアニメーション、製品ビジュアル、ソーシャルメディア向けクリップに適したエンドポイントです。料金は1秒あたり$0.02です。 |
| Grok Imagine Video 1.5 Lite T2V API (Text To Video) | テキストプロンプトから、ネイティブ音声とリップシンクした音声を含む1〜15秒のクリップを生成します。480p、720p、または1080pの出力を選択でき、1080pは720pからアップスケールされます。コンセプト動画、短編ナラティブ、プロモーションコンテンツに適しており、料金は1秒あたり$0.02です。 |
Grok Imagine Video 1.5 Liteは、プロンプトまたは開始画像から、ネイティブ音声、リップシンク音声、7種類のtext to videoアスペクト比、最大アップスケール1080pまでの3段階の解像度を備えた1〜15秒のクリップを生成します。1つのAPIを通じて、生成1秒あたり$0.02という透明性の高い料金でAtlas Cloudにアクセスできます。
Grok Imagine Video 1.5 Liteは、text to videoとimage to videoの両方の生成に対応しています。文章でシーンを指定するか、開始フレームとして1枚の画像を用意し、プロンプトで動きを指示できます。どちらの方法でも、同じモデルファミリー内でクリップを生成できます。この柔軟性により、動画プロバイダーを切り替えることなく、迅速なコンセプト作成からアニメーション付きの商品静止画まで進められます。
1つの固定長に制限されることなく、1〜15秒の範囲で任意のクリップ長を選択できます。短い生成ならアイデアを低コストで検証でき、長めの生成なら動きやセリフの間をより豊かに展開できます。調整可能な長さにより、SNS投稿、商品紹介の演出、短いナラティブシーンなど、用途に合わせて出力時間をより正確に設定できます。
生成ごとに480p、720p、1080pの出力を選択できます。1080pは720pからのアップスケールで提供されます。高速な反復には低い解像度を使い、完成度の高いプレビューや最終納品には最大のフレームサイズを確保できます。明確な解像度の選択肢により、各クリップの実際の用途に応じて、映像の細部、後工程の帯域幅、コストのバランスを調整できます。
生成されたすべてのクリップにネイティブ音声が含まれ、セリフを目に見える唇の動きに同期させることもできます。シーンとともに会話、環境音、音楽、効果音を記述すれば、映像と音声を一体で生成できます。キャラクター同士の会話、音楽主導の編集、臨場感のあるストーリーテリングでは、別途オーディオ工程を組む必要を減らせます。
text to videoリクエストでは、16:9、4:3、3:2、1:1、2:3、3:4、9:16の7種類のアスペクト比でレンダリングできます。生成前にフォーマットを設定し、横長、正方形、縦長の出力に合わせられます。一方、image to videoでは指定した開始フレームに従うため、一般的なデジタル配信ワークフローにおいて、元画像で選んだ構図を保ちながら動きを加えられます。
生成1秒あたり$0.02という標準料金のGrok Imagine Video 1.5 Liteは、コストを意識した動画ワークフロー向けに設計されています。利用料金は1秒単位の明瞭な従量課金で、短いテストから長時間のレンダリングまで容易に見積もれます。Atlas Cloudでは、text generationとimage generationを1つのAPIから利用できるため、クリップを繰り返し生成するプロダクトへの統合を簡素化できます。
Grok Imagine Video 1.5 LiteとAtlas Cloudの2つの代替モデルが、同一のシネマティックプロンプトをリアルなアクションとスタイライズされたファンタジーでどのように解釈するかを紹介します。
バレエ初演の舞台裏を舞台にした、8~10秒の小さなアクション・ナラティブ。バレリーナがポワントシューズのひもを結ぶために身をかがめた瞬間、深紅のサテンリボンが突然生命を得て走り去る。靴先、張り詰めたひも、きらめく絹繊維を極端なマクロのクローズアップで始め、リボンがほどけて滑り出すと同時に素早く前進する。その後、床すれすれのトラッキングショットへ移行し、衣装ラックの周囲をコイル状に駆け抜け、回転する舞台装置の車輪の間を通り、幕の下を跳ね抜け、抜け落ちた羽根を渦巻くボルテックスへと巻き上げる。ダンサーはバレエのフォームを崩さず追跡する――素早いシェネの連続、長いクロスステップ、転がる小道具を正確に跳び越える跳躍、そして吊り下がった衣装の下をひざの高さですり抜けるシームレスな滑走。カメラはラックや舞台機構を通過しながら、説得力のあるオクルージョントラッキングを維持する。コールドブルーグレーの側廊へとホイップパンし、彼女の最後の加速シークエンスを横から捉えるワイドショットへ。幕が上がる1秒前、彼女は跳躍し、ポワントシューズでリボンを踏み留める。ひねりとして、リボンは生きたパートナーのように彼女の腕へ瞬時に螺旋状に巻き上がる。背後から間近に追従し、彼女が開いた幕を抜けてアンバーゴールドの舞台へ駆け込む様子を捉える。そこでリボンは優雅で半透明の仮想ダンスパートナーへと広がり、彼女の最初のターンに加わる。舞台裏の冷たいシアングレーの影から、輝くアンバーゴールドのフットライトへ劇的に照明が移り変わり、深紅が構図を一貫して導く。手描きのガッシュアニメーションに、フォトリアルな絹の質感、表情豊かな筆致、流動的で柔軟な身体物理、途切れのない優雅な動き、安定したキャラクターデザイン、精緻な布同士の衝突を融合する。スローモーションなし、静止した埋め草なし。音声:緊迫したポワントシューズのタップ音、擦れるサテン、揺れる舞台装置の車輪、舞う羽根、盛り上がるオーケストラの弦楽器、そして幕が開く瞬間の明るい音楽の一打。台詞なし、キャプションなし、テキストなし、インターフェース要素なし。16:9のアスペクト比。
Generated with Grok Imagine Video V1.5 Lite Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
夜明けの伝統的なヴェネツィアのガラス工房を舞台にした、8~10秒の超写実的なシネマティック・マクロシークエンス。汗で光る女性のガラス職人が、轟音を立てる炉のそばで長い吹き竿を絶えず回転させ、溶融したオレンジレッドのガラスの塊を、繊細なアンバー色の翼とコバルトブルーのアクセントを持つ透明な火の鳥へと膨らませていく。粘性のあるガラスが呼吸し、伸び、炎を屈折させる様子を極端なマクロのクローズアップで始める。生きたガラスの鳥が突然自由になり、揺らめく熱気の中を羽ばたき、吊り下げられたゴブレットのそばをかすめ、極小のガラスビーズの連なりを倒す瞬間、肩越しのトラッキングショットへ素早くドリーアウトする。ビーズは物理的に正確な衝突を伴って散らばり、跳ね、回転し、澄んだ音を奏でる。彼女は即座に反応し、長い鋼製トングを持ち上げてその軌道を追う。炉の周囲を高速かつシームレスに回り込むオービットショットへホイップパンし、火の鳥が流れるように1周する様子を捉える。透明な身体は、デザインを変えることなく反射と暖かな光を曲げる。最後はドラマチックなローアングルで、鳥が自らトングの先端に着地し、翼をたたみ、彼女が息を切らしながら支える中で精巧な小型オーナメントへと結晶化する。キーライトは暖かな炉の炎、窓から差し込む夜明けのインディゴ色のリムライト、制御されたアンバー、コバルトブルー、クリアなクリスタルのハイライト。リアルな熱の歪み、溶融ガラスの変形、反射、屈折、火花、汗、そして一貫した被写体のアイデンティティ。自然なモーションブラーを伴う鮮明な高速動作。スローモーションなし、静止した埋め草なし、連続性を損なうカットなし。没入感のある同期音声:炉の轟音、リズミカルなガラス職人の呼吸、翼のように響くクリスタルの音、揺れるゴブレット、連鎖するビーズの音、金属製トングのクリック音、そして最後の変身時に短くきらめく音楽。画面、ソフトウェアインターフェース、ダッシュボード、プログレスバー、チャート、キャプション、字幕、ロゴ、透かし、余分な手足、歪んだ手、重複した道具、整合性のない鳥の解剖学、不透明なガラス、プラスチックのような表面、物理的な相互作用なしに浮遊する物体、またはちらつくアイデンティティは不可。16:9のアスペクト比。
Generated with Grok Imagine Video V1.5 Lite Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Grok Imagine Video 1.5 Liteは、テキストプロンプトや開始画像から1~15秒の動画クリップを生成し、ソーシャルコンテンツの企画、商品アニメーション、リップシンク付きの会話、広告バリエーション、プレビュー、音声ナレーション付きの絵コンテなど、実用的な活用方法を広げます。
テキストで書かれたアイデアを、ネイティブ音声付きの1~15秒の動画クリップに変換し、ソーシャルコンテンツの試作に活用できます。クリエイターは、テキストだけで簡潔なキャンペーン案やプラットフォーム向けティーザー、継続的に投稿するビジュアルコンテンツを形にできます。
商品画像から始めて、ネイティブ音声付きの1~15秒のモーションシーケンスを指示できます。テキストのみを起点とせずに、商品の紹介、オンラインストアのプレビュー、販促素材などを作成できます。
生成動画、ネイティブ音声、リップシンク対応のセリフを1つの出力にまとめた会話シーンを作成できます。キャラクター同士のやり取り、ナレーション付きのリアクション、発話との視覚的な同期が求められる短い物語の展開などに活用できます。
1秒あたり$0.02で、プロンプトや開始画像からネイティブ音声付きの短い動画を生成できます。マーケティングチームは、生成コストを予測しやすく保ちながら、複数のコンセプト、フック、ビジュアルの方向性をテストできます。
レビューや納品の要件に合わせて、480p、720p、1080pの出力を選択できます。1080pは720pからアップスケールされます。開発者は、1つのモデルファミリーを通じて、軽量なプロトタイプ、プレゼンテーション用クリップ、高解像度のプレビューを作成できます。
シーンの説明を、ネイティブ音声とリップシンク対応のセリフを含む、タイミング調整済みの動画ドラフトに変換できます。映像制作やクリエイティブのチームは、長時間の制作に着手する前に、セリフの展開、雰囲気、テンポを視覚化できます。
Grok Imagine Video 1.5 LiteとAtlas Cloudの3つの動画モデルを、入力ワークフロー、クリップ長、解像度、ネイティブ音声、標準生成価格の観点から比較します。
| モデル | 入力ワークフロー | クリップ長 | 出力解像度 | ネイティブ音声 | 標準価格 |
|---|---|---|---|---|---|
| Grok Imagine Video 1.5 Lite | テキスト、画像 | 1~15秒 | 480p、720p、720pからアップスケールした1080p | √ | $0.02/秒 |
| MiniMax H3 Text-to-Video | テキスト | 4~15秒 | 480P、768P、2K | √ | $0.038/秒 |
| Seedance 2.0 Mini Text-to-Video | テキスト | 4~15秒または自動 | 480p、720p、720p-SR、1080p-SR、1440p-SR | √ | $0.056/秒 |
| Veo 3.1 Lite Text-to-video | テキスト | 4秒、6秒、または8秒 | 720p、8秒出力時は1080p | √ | $0.05/秒 |
数分で始められます — 以下の簡単なステップに従って、Atlas Cloud プラットフォームでモデルを統合・デプロイしましょう。
atlascloud.ai でサインアップし、認証を完了します。新規ユーザーには無料クレジットが付与され、プラットフォームの探索やモデルのテストに使用できます。
高度なGrok Imagine Video 1.5 LiteモデルとAtlas CloudのGPU加速プラットフォームを組み合わせることで、比類のないパフォーマンス、スケーラビリティ、開発者エクスペリエンスを提供。
低レイテンシ:
リアルタイム推論のためのGPU最適化推論。
統合API:
1つの統合でGrok Imagine Video 1.5 Lite、GPT、Gemini、DeepSeekを実行。
透明な料金:
サーバーレスオプション付きの予測可能なtoken単位の課金。
開発者エクスペリエンス:
SDK、分析、ファインチューニングツール、テンプレート。
信頼性:
99.99%の稼働率、RBAC、コンプライアンス対応ロギング。
セキュリティとコンプライアンス:
SOC 2 Type II、HIPAA準拠、米国内のデータ主権。
Grok Imagine Video 1.5 Liteは、Video 1.5ファミリーにおけるxAIの最も低コストなモデルで、テキストまたは開始画像から短いクリップを生成します。ネイティブ音声とリップシンク音声に対応し、1〜15秒の動画を生成できます。
文章によるプロンプトから完成した動画を生成したり、既存の画像を新しいシーンの冒頭フレームとしてアニメーション化したりできます。どちらの生成モードでも、同期したセリフ、環境音、効果音を1回の処理で生成できます。
プロンプトのみで生成する場合はtext-to-video endpointを、開始フレームがある場合はimage-to-video endpointを選択します。プロンプトを入力し、長さと解像度を選択してからリクエストを送信します。画像をアニメーション化する場合は、必要なソース画像も指定してください。
はい。モデルは映像と同時に音声をネイティブ生成し、リップシンク音声にも対応しています。意図するセリフ、雰囲気、効果音をプロンプトに記述すると、シーンに組み込めます。
クリップの長さは1〜15秒で、出力解像度は480p、720p、1080pに対応しています。1080pはネイティブ1080pでレンダリングされるのではなく、720pからアップスケールされます。
指定した画像が最初のフレームになり、プロンプトによってその後の動き、カメラワーク、音声を指定します。生成されたクリップは、ソース画像のアスペクト比に従います。
Atlas Cloudでは、text-to-video endpointとimage-to-video endpointのいずれも、生成1秒あたり$0.02の標準価格が設定されています。従量課金制のため、料金は指定した出力時間に応じて変動します。
Liteは、よりシンプルな制作ニーズ向けに、低コストなtext-to-videoおよびimage-to-video生成を重視しています。フルモデルのVideo 1.5は、参照画像、音声リファレンス、固定フレーム、またはネイティブ1080p出力を必要とするワークフローを想定しています。これらの高度な制御よりも、コスト効率の高い反復作業を重視する場合はLiteを選択してください。
Atlas Cloud を最大限に活用するためのガイド、チュートリアル、製品アップデート。