xAI Models on Atlas Cloud | Grok Imagine Models

xAIはAtlas Cloud上で2つの画像エンドポイントを提供しています。テキストから画像を生成するGrok Imagine Image Qualityと、既存の画像を編集するGrok Imagine Image Quality Editです。どちらも最大2Kの解像度で出力し、価格は1画像あたり0.06ドルです。すべてのエンドポイントは、単一のAPIキーによる従量課金制（pay-as-you-go）で利用可能です。

はい。Atlas Cloudは4つのxAIビデオエンドポイントをホストしています。テキストからビデオ、画像からビデオ、リファレンスからビデオ、そしてネイティブオーディオ付きの画像からビデオを生成する新しいGrok Imagine Video v1.5です。すべての標準ビデオエンドポイントの価格は1秒あたり0.06ドルです。Video v1.5の価格は1秒あたり0.096ドルです。

はい、Grok Imagine Video v1.5 は同じ推論パスで音声と動画を生成します。セリフ、リップシンク、効果音、環境音楽は、後処理で追加されるのではなく、動画フレームと共同で生成されます。つまり、個別の位置合わせステップなしで、音声と視覚のイベントが同期されます。

はい。Grok Imagine Image Quality Edit エンドポイントは、既存の画像とテキスト指示を受け取り、変更されたバージョンを生成します。マルチリファレンス編集用に、1回の呼び出しにつき最大3枚のソース画像を提供できます。Atlas Cloud での価格は、画像1枚あたり0.06ドルです。

Grok Imagine Image は 1K および 2K の解像度出力に対応しています。2K オプションはスタジオ品質の画像を提供し、1枚あたり0.06ドルという同じ料金で利用できます。解像度は各 API 呼び出しのパラメータとして設定されます。

各リクエストでは、最大15秒のクリップが生成されます。より長いシーケンスを作成する場合は、動画拡張機能を使用して、前のクリップの最後のフレームから新しいクリップを継続して生成し、ショットをつなぎ合わせることができます。これにより、単一クリップの制限を超えたマルチショットシーケンスが可能になります。

はい。Grok Imagine Image は、複数の言語においてクラス最高のテキストレンダリングを備えていると Atlas Cloud によって説明されています。プロンプトに英語以外のテキストを含めて、生成された画像内に正確にレンダリングさせることができます。特定の言語カバレッジの詳細は、Atlas Cloud Grok Imagine モデルページでご確認いただけます。

画像生成と画像編集はどちらも1画像あたり0.06ドルです。標準的な動画生成は1秒あたり0.06ドルとなります。ネイティブオーディオ対応の Grok Imagine Video v1.5 は、1秒あたり0.096ドルです。すべてのモデルは従量課金制で、月額の最低利用料金はありません。