xAI Speech with Subsecond Latency
xAIが開発したxAI音声ファミリーは、1秒未満のレイテンシで自然かつ高品質な音声を生成します。表現タグによって、20言語での間、ささやき、強調、話すテンポを調整できます。さらに、音声速度の調整やテキスト正規化により、発話の表現をより細かく制御できます。Atlas Cloudは、一貫したUnicode文字単位の課金と透明性の高い標準価格を備えた統合オーディオエンドポイントを提供し、本番ワークフローを支援します。
xAI 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。
AI Video Models by xAI
Atlas Cloud の最新 AI 動画生成モデルで、テキストと画像からシネマティックで高精細な動画を生成しましょう。
Grok Imagine Video
Grok Imagine Video は、開発者が xAI の動画ファミリーにアクセスし、クリップの作成、アニメーション化、拡張、編集を行えるようにします。プロンプトから 1～15 秒の動画を生成し、最大 7 枚の参照画像を使って人物、オブジェクト、スタイルを指定できます。また、480p または 720p で利用できます。Atlas Cloud は、透明性の高い従量課金制の料金体系と OpenAI 互換エンドポイントを通じて、これらの機能を一つにまとめます。今すぐ開発を始めましょう。
Grok Imagine Video 1.5 Lite
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。
xAI TTS V1
xAI TTS v1は、テキストコンテンツを自然で表現力豊かな音声に変換する、xAIの高忠実度テキスト音声合成モデルです。20言語に対応し、アプリケーションごとに音声の印象を調整できるきめ細かな発話制御を提供します。Atlas Cloudでは、OpenAI互換の1つのキーと、透明性の高い従量課金でこのモデルにアクセスできます。今すぐ開発を始めましょう。
Grok Imagine Video 1.5
Grok Imagine Video 1.5は、プロンプトや視覚入力から動きを自在に制御したい開発者向けのxAIの動画生成ファミリーです。自然言語による動きの指示で開始フレームをアニメーション化し、リファレンスワークフロー向けに480pまたは720pを選択できます。さらに、結果を誘導するオプションのリファレンス音声を追加できます。透明性の高い従量課金制のもと、OpenAI互換のAtlas Cloudキー1つで対応モードにアクセスできます。今すぐ開発を始めましょう。
AI Image Models by xAI
Atlas Cloud の最先端 AI 画像生成モデルを使い、プロンプトと参照画像から、そのまま実用できる息をのむようなビジュアルを生み出します。
Grok Imagine Image 2.0
xAIが開発したGrok Imagine Image 2.0は、高品質なテキストから画像への生成と、自然言語による編集機能を組み合わせ、参照画像を活用したワークフローを実現します。1Kまたは2Kの出力を生成し、プロンプトから完成したビジュアルへと仕上げたり、既存の画像を直接指示で調整したりできます。Atlas Cloudでは、対応するすべてのエンドポイントを1つのOpenAI互換APIキーで利用でき、透明性の高い従量課金制とシンプルな統合を提供します。今すぐ開発を始めましょう。
Grok Imagine
Grok Imagine API は、Image 2.0 から Video 1.5 および xAI TTS v1 まで、xAI の画像、ビデオ、音声モデルをカバーしています。1K または 2K の静止画を 14 のアスペクト比でレンダリング、シーンを 15 秒の 1080p モーション映像に変換、最大 7 つの参照画像でショットを操作、または 20 言語でナレーション可能です。Atlas Cloud はすべてのモードを 1 つのエンドポイント上で実行でき、画像あたり $0.02、秒あたり $0.05 からの従量課金制です。今すぐビルドを開始してください。
Large Language Models by xAI
Atlas Cloud では、業界をリードする大規模言語モデルを高速かつ低コストで提供し、チャット・推論・エージェントを大規模に支えます。
xAI Models API Pricing Details
Compare standard vs. our pricing across every xAI model.
| Model | Standard Price (USD) | Our Price (USD) | Discount | |
|---|---|---|---|---|
| Grok Imagine Image 2.0 Developer Edit | $0.04/pic | Start from$0.014/pic | -65% | View |
| Grok Imagine Image 2.0 Developer Text-to-Image | $0.04/pic | Start from$0.014/pic | -65% | View |
| Grok Imagine Video V1.5 Lite Developer Image-to-Video | $0.02 | Start from$0.007/s video | -65% | View |
| Grok Imagine Video V1.5 Lite Developer Text-to-Video | $0.02 | Start from$0.007/s video | -65% | View |
| Grok Imagine Video v1.5 Developer Reference-to-Video | $0.08 | Start from$0.028/s video | -65% | View |
| Grok Imagine Video v1.5 Developer Text-to-Video | $0.08 | Start from$0.028/s video | -65% | View |
Explore models from other providers
Instantly explore and experiment with 400+ production-ready models in the Atlas Playground. Start customizing with one click.
Atlas Cloud で構築できる xAI API のユースケース
Grok Imagineの画像および動画エンドポイントは、単一のAPIから生成、編集、アニメーションを処理します。チームはこれらを使用して、静的アセットを音声付き動画コンテンツに変換し、以前は現実的ではなかったペースとコストで視覚的なクリエイティブを制作しています。
自動化されたEC商品動画
Eコマースチームは、Grok Imagine Video v1.5を使用して製品画像を短いビデオクリップにアニメーション化するパイプラインを構築し、同じコールで環境音と製品コンテキストのオーディオを生成します。1枚の製品写真が、ビデオ撮影やオーディオ編集なしで、広告や製品ページですぐに使える音声付きクリップになります。Atlas Cloudでは1秒あたり0.096ドルで、10秒の製品ビデオのコストは1ドル未満です。
静的アセットからのブランド広告クリエイティブ
ブランドチームは Grok Imagine Video v1.5 を使用して、承認済みのキャンペーン写真をネイティブ生成された音声付きのアニメーションソーシャル広告に変換します。オーディオトークンとビデオトークンは同じ推論パスで生成されるため、セリフ、効果音、環境音楽がポストプロダクション作業なしで映像と同期します。これにより、広告制作のワークフローから音声制作のプロセスが完全に排除されます。
映画プリプロダクション絵コンテ制作
監督や撮影監督は Grok Imagine Image を使用して、制作開始前にショットの構図、カメラアングル、照明を示す視覚的な絵コンテを作成します。2K解像度の出力は、各シーンの視覚的な指示書としてスタッフと共有するのに十分な詳細さを備えています。1画像あたり0.06ドルで、複数のショットの選択肢を繰り返し検討しても、そのコストは制作時間のわずか1時間分にも満たないものです。
不動産ライフスタイル動画
不動産開発業者は、建築レンダリングや室内写真から映画のようなライフスタイルクリップを生成するために Grok Imagine Video v1.5 を使用しています。バルコニーのレンダリングは環境音付きの夕景クリップになり、キッチンの写真は自然音付きの朝の風景になります。これにより、物件情報やプレセールスのマーケティング資料のための高価なライフスタイル写真撮影を代替できます。
マルチリファレンス画像合成
クリエイティブチームは、Grok Imagine Image Editの3ソース入力を使用して、複数の参照画像からの要素を1つの出力に合成します。つまり、商品画像、背景、および照明の参照画像を1回のAPIコールで組み合わせます。これにより、異なるシーン設定にわたってブランドの一貫性を維持するキャンペーンバリエーションを実用的に制作できるようになります。Atlas Cloudでの合成画像1枚あたりの料金は0.06ドルです。
インディーゲームのコンセプトアートとトレーラー
小規模なゲームスタジオは、プリプロダクション中に Grok Imagine Image を使用してコンセプトアートを生成し、そのキーフレームを Grok Imagine Video v1.5 に渡してアニメーションの予告編シーケンスを制作します。ビデオ拡張機能を使用すると、チームは単一の開始フレームからクリップを連結し、1回の呼び出しあたり15秒の制限を超えて、より長いシネマティックなシーケンスを構築できます。このワークフローは、初期段階のマーケティングコンテンツを制作するための外部のアニメーション請負業者に代わるものです。
あなたの企業ビジョンを、Atlas Cloud AI で現実に。
営業に問い合わせるxAI TTS v1 APIに関するよくある質問
xAI TTS v1は、xAIが提供するテキスト音声合成モデルで、書かれたコンテンツを自然で表現力豊かな音声に変換します。Atlas Cloudでは、共有音声生成エンドポイントを通じてモデル xai/tts-v1 として利用できます。
ナレーション、製品紹介用のボイスオーバー、アクセシビリティ向け音声、ローカライズ音声、音声アプリケーション用の対話を生成できます。表現タグや調整可能な発話設定により、さまざまなシーンや対象者に合わせて生成音声を調整できます。
Bearer認証を使用し、モデル値 xai/tts-v1、テキスト、言語設定を指定して、https://api.atlascloud.ai/api/v1/model/generateAudio に POST リクエストを送信します。その後、返されたタスクIDを使ってpredictionエンドポイントをポーリングするか、完了時に通知するwebhookを登録します。
Atlas Cloudでは、80種類以上のボイスと20種類の言語オプションが提供されており、auto設定による自動言語検出も利用できます。多言語対応ボイスの Ara、Eve、Leo、Rex、Sal は、エンドポイントのスキーマに記載されているすべての言語をサポートします。
[pause]、[laugh]、[sigh] などのインラインタグを追加したり、<whisper> や <slow> などのタグでテキストを囲んだりして、発話方法を調整できます。音声速度は 0.7 から 1.5 の範囲で調整でき、オプションのテキスト正規化により、数字、略語、記号の読み上げ方を改善できます。
再生環境やテレフォニー要件に応じて、MP3、WAV、PCM、μ-law、A-law の出力を選択できます。対応サンプルレートは 8,000 から 48,000 Hz の範囲で、MP3出力では 32,000 から 192,000 bps のビットレートを指定できます。
Atlas Cloudでは、xAI TTS v1 の料金として入力文字 1,000 文字あたり標準料金 $0.015 が請求されます。課金対象は Unicode 文字であるため、CJK文字 1 文字はラテン文字 1 文字と同じようにカウントされます。
Atlas Cloudの各リクエストでは、最大 15,000 文字のテキストを受け付けます。より長い台本は複数のリクエストに分割し、セグメント間で一貫した発話にしたい場合は、同じボイス、言語、速度、出力設定を使用してください。
現在のAtlas Cloudドキュメントでは、ジョブを送信し、ポーリングまたはwebhookで結果を取得する非同期ワークフローが説明されています。リクエストスキーマには3つのレイテンシー最適化レベルが含まれていますが、公開ドキュメントではAtlas Cloudの直接的なWebSocketエンドポイントの提供は確認されていません。
さらにファミリーを探索
Kling 4.0
Kling 4 APIは、Kuaishouが2026年10月15日にリリースした動画モデルKling 4.0を提供します。1回のパスで最大30秒を生成し、最大10個のキーフレームに追従し、Omni Referenceを介して15の画像、動画、被写体をブレンドし、リップシンク付きのステレオオーディオを追加します。Atlas Cloudは、動画編集を含む全4つのエンドポイントを、OpenAI互換の単一キーで1秒あたり0.11ドルから提供します。今日から構築を始めましょう。
Seedance 2.5
Seedance 2.5 APIは、開発者にByteDance Seedの音声・動画統合モデルを提供し、テキスト、最初のフレーム、または画像、動画、音声にわたる最大50の参照元から、1回の処理で4〜30秒のコンテンツを生成します。選択した領域の編集、クリップの拡張、白モデルおよびグリーンスクリーン入力への追従が可能です。米国の正規販売代理店であるAtlas Cloudは、480pのドラフトモード、ネイティブ1080pの完成版、および強化された4K配信を、従量課金制の価格設定で追加提供します。
Wan 3.0
Wan 3.0はAlibabaの最新の動画生成モデルであり、1回の生成で音声付きの1080p、30fpsの動画を最大30秒作成できます。テキストプロンプト、最初のフレーム、最大10枚のリファレンス画像、またはドキュメントを使用して制御可能です。Standardは1秒あたりのコストが低く、Primeは同じ機能を維持しながらより迅速に結果を返します。どちらも、Wan 2.7、2.6、2.5と同じAtlas Cloudキーで実行されます。
MiniMax H3
MiniMax H3は、テキスト、画像、リファレンスによる生成に対応したMiniMaxのマルチモーダル動画ファミリーです。対応するルート全体で参照メディアの被写体を保持し、柔軟なアスペクト比を提供します。また、H3 Developerを通じて生成音声と映像を組み合わせ、出力プロファイルはエンドポイントごとに選択されます。Atlas Cloudは、1つのOpenAI互換キーのもとでこのファミリーを統合し、標準料金である1秒あたり$0.038からの明瞭な従量課金制を提供します。今すぐ開発を始めましょう。
GPT Image 2.5
GPT Image 2.5は、2026年9月8日に2つのAPIバージョンでリリースされたOpenAIの画像生成・編集モデルです。Flareはデフォルト設定で、GPT Image 2と比較して最大50％低いレイテンシを実現しています。一方Sunburstは、より詳細な編集操作を可能にするため処理に時間がかかります。どちらも最大16枚の参照画像、5段階の品質レベル、透明背景、最大3840pxまでのカスタムサイズに対応しています。Atlas CloudはGPT Image 2.5 APIを提供しており、料金はOpenAIのトークン単位レート、または1K、2K、4Kの各レベルに応じた画像1枚あたりの固定価格から選択可能です。
Seedream 5.0 Pro
Seedream 5.0 Pro API は、開発者に Atlas Cloud 上で ByteDance の制御可能な画像編集モデルを提供します。アンカーと座標を使用して編集を正確に配置し、画像を編集可能なレイヤーに分離し、複数の参照を融合し、正確な色と素材を一致させ、2K および 3K での多言語テキストをサポートします。Atlas Cloud では、単一のキーでアクセスできます！
Seedance 2.0
Seedance 2.0は、正確なショット作成に対応したByteDanceの本番向け動画モデルです。プロンプトから動画を生成したり、オプションの最終フレームガイダンスを使って先頭フレームの画像をアニメーション化したり、参照メディアとオプションのウェブ検索で結果を形作ったりできます。Atlas Cloudは、これらのワークフローを透明性の高い従量課金と1つのOpenAI互換キーで、統合されたAPIにまとめます。今すぐ開発を始めましょう。
Kling V3.0
快手が提供するKling V3 APIファミリーは、テキスト・画像・参照動画を使ったワークフローに対応しています。キャラクターの一貫性を保ちながら動きを転写し、ビジュアル参照で生成をガイドし、自然言語の指示で動画を編集できます。Atlas Cloudでは、用途に応じてStandardとProのエンドポイントを利用できます。更新：Atlas CloudでKling V4が利用可能になりました。[Kling V4](https://www.atlascloud.ai/zh/models/kling-v4)のページをご覧ください。
Grok Imagine Video
Grok Imagine Video は、開発者が xAI の動画ファミリーにアクセスし、クリップの作成、アニメーション化、拡張、編集を行えるようにします。プロンプトから 1～15 秒の動画を生成し、最大 7 枚の参照画像を使って人物、オブジェクト、スタイルを指定できます。また、480p または 720p で利用できます。Atlas Cloud は、透明性の高い従量課金制の料金体系と OpenAI 互換エンドポイントを通じて、これらの機能を一つにまとめます。今すぐ開発を始めましょう。
Vidu Q4 Preview
Vidu Q4は、画像から動画およびリファレンスから動画を生成するために設計された、Viduの最新フラッグシップ動画モデルです。1枚の静止画をアニメーション化し、シーン間のトランジションを自動で作成できるため、さまざまなプロダクトワークフローに対応する2つの入力パスを開発者に提供します。Atlas Cloudでは、公開済みのパラメータスキーマを備えた専用APIエンドポイントを、確認済みの標準価格である1秒あたり$0.04で利用できます。今すぐ開発を始めましょう。
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flashは、柔軟な制作ワークフローに対応するGoogle DeepMindのネイティブマルチモーダル動画ファミリーです。テキスト指示で既存の映像を編集したり、最大10枚の参照画像と3本の動画クリップでビジュアルの一貫性を維持したり、ショットを連結可能なセグメントとして拡張して最大40秒の映像を作成したりできます。OpenAI互換APIキー1つで、Atlas Cloud上のすべてのワークフローにアクセスできます。従量課金制で、Day-0から利用可能です。今すぐ開発を始めましょう。
Nano Banana 2.1
Nano Banana 2.1は、Gemini 3.6 Flashを基盤にGoogleが構築した画像モデルファミリーです。Flashレベルの速度でProレベルの生成・編集を実現し、1〜14枚の入力画像をまたいだ自然言語による編集や合成に対応しています。また、最大4人のキャラクターと10個のオブジェクトの一貫性を維持できます。Atlas Cloudを通じて、開発者は1つのOpenAI互換キーでこのモデルファミリーにアクセスでき、安定した稼働率とDay-0での利用開始が可能です。今すぐ開発を始めましょう。
おすすめ記事
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。
