Grok image to video：Grok の動画生成のしくみと制限

Grok AI は動画を作れる？はい、Grok Imagine で

Grok image to video は実在する機能です。Grok AI は、xAI が開発した画像・動画生成機能 Grok Imagine で動画を作れます。静止画をテキストのプロンプトで動かすことも、テキストだけからクリップを作ることもできます。Grok アプリで提供され、開発者向けには xAI の API でも使えます。機能、制限、利用プランは xAI が決めており頻繁に変わるため、以下の内容にはすべて日付と出典を添えています。頼る前に xAI の最新のページを確認してください。自分の写真を短い縦型のグラマラスなクリップにしたいなら、このページの後半で、xAI と提携していない独立したスタジオ SpicyFrame を代替として紹介します。

Grok image to video のしくみ

考え方はほとんどの image-to-video ツールと同じです。アップロードした写真か Grok Imagine が生成した画像を 1 枚用意し、動きを描写する短いテキストのプロンプトを加えて生成します。画像はクリップの出発点になり、プロンプトが何を変えるかを伝えます。誰が動くか、カメラがどう移動するか、どんな雰囲気か。執筆時点の xAI の開発者向けドキュメントでは、動画モデルは grok-imagine-video-1.5 と記載され、長さ、解像度、アスペクト比は設定可能で、料金にも影響します。Grok アプリでは操作がよりシンプルで、表示されるオプションはプランや地域によって異なることがあります。

2026 年の Grok AI 動画：何が変わったか

Grok AI の動画は急速に進化してきました。動画生成が Grok Imagine に初めて登場したのは 2025 年です。2026 年 2 月 2 日、xAI は Grok Imagine 1.0 をリリースし、報道ではテキストから動画と画像から動画、720p で最長 10 秒のクリップ、生成音声に対応し、Grok アプリと API で使えると紹介されました。2026 年 6 月には、xAI が Grok Imagine Video 1.5 を API でプレビュー公開しました。1 枚の静止画を、元画像のディテールと光を保ちながら最大 720p の短い動画にすることに重点を置いたものです。現在の xAI の動画ガイドには、テキストから動画で最長 15 秒と記載されています。これらの数字は今後も変わるはずで、このガイドは報告されている内容を伝えているだけです。

始める前に知っておきたい制限

特に重要な制限は 4 つです。1 つ目は長さ。Grok の 1 クリップは秒単位の短いもので、長いシーンはショットをつなげたり延長したりして作ります。2 つ目は解像度。image-to-video で公表されている数値は 720p 前後で、より高い画質はモデルのバージョン次第です。3 つ目は利用条件。何を、何本、どの長さで生成できるかは、Grok の無料プランと有料プラン、アプリと API で異なることがあります。4 つ目はコンテンツルール。xAI は生成メディアがコンテンツポリシーの審査対象になると明記しており、プロンプトや出力がブロックされることがあります。Spicy などのモードは xAI が定義し、その挙動は変わりうるので、どのモードでも特定の種類のコンテンツが許されるとは考えないでください。

きれいに動く Grok image to video のプロンプト

image-to-video のプロンプトは、写真にすでに写っているものではなく、何が変わるかを描写すると最もうまくいきます。動き 1 つ、カメラワーク 1 つ、光かムードの指示を 1 つ。1.「彼女がカメラの方へゆっくり振り向いて微笑む、ゆっくりプッシュイン、暖かなゴールデンアワーの光」 2.「風が髪とドレスを揺らす、固定カメラ、やわらかな午後の光」 3.「彼が通りを前へ歩く、安定したトラッキングショット、小雨とネオンの反射」 4.「彼女が肩越しに振り返る背後で波が寄せる、やさしい横移動、夕焼けの輝き」 5.「カメラが被写体の周りをゆっくりオービット、浅い被写界深度、シネマティックなムード」 6.「彼女が笑う間にコーヒーカップから湯気が立つ、固定フレーム、居心地のいいカフェの空気感」 ツールが音声を生成するなら、最後に音の指示を加えましょう。

きれいに動く写真の選び方

どのツールを使うにしても、結果の大部分は元の画像で決まります。シャープで光がよく、顔と手がはっきり見え、動きの余地として被写体の周りに余白がある写真を選びましょう。強いフィルター、人混みの中の小さな顔、顔の前を横切る手、曲がって見えやすい直線の多いごちゃごちゃした背景は避けます。縦型のクリップには縦型の写真が合います。横長の写真をきつくトリミングするとディテールが失われることがあります。できれば圧縮されたスクショではなく元のファイルを使ってください。

写真から動画 AI の代替としての SpicyFrame

SpicyFrame の役割はひとつ、あなた自身の参照画像を 1 つの縦型シーンにすることです。写真 1 枚、または JPG・PNG・WEBP の画像を最大 12 枚（各 10 MB まで）追加できます。カメラロールの写真、保存した SNS の投稿、スクショ、使用する権利のある AI 画像などで、プロンプトでは @Image 1、@Image 2 のように指定します。1 枚で顔、別の 1 枚で衣装、もう 1 枚で場所を決められます。各レンダリングは 5・10・30 秒の 9:16 MP4 で、画質は標準 480p、高画質 720p かフル HD 1080p、ネイティブの環境音付き。動画モデルは Seedance 2.5（執筆時点で LMArena の image-to-video で 2 位）です。顔、衣装、スタイルは参照画像に沿って保たれますが、本人とまったく同じ見た目は保証されません。

自分の参照画像で使う SpicyFrame のプロンプト

1.「@Image 1 が暖かなネオンの下でカメラの方へゆっくり振り向く、ゆっくりプッシュイン、自信に満ちた微笑み、顔と衣装はそのまま」 2.「@Image 1 が @Image 2 の衣装でホテルの廊下を歩く、安定したトラッキングショット、やわらかな室内の空気感」 3.「@Image 1 が @Image 3 のプールサイドでサングラスを上げて微笑む、きらめく反射、やさしいプッシュイン、遠くの水しぶきの音」 4.「@Image 1 がシルクのローブ姿で背の高い窓辺に座る、朝の光、ごくゆっくりプッシュイン、いたずらっぽい視線」 5.「@Image 1 がサテンのドレスで夜の屋上でやさしく揺れる、背後に街の灯り、横からのトラッキングショット、そよ風」 最初のテストでは動き 1 つとカメラワーク 1 つに絞り、長くする前に 5 秒でレンダリングしましょう。

SpicyFrame の料金

料金は作成前に表示されます。標準 480p は 5・10・30 秒で $3.99、$4.99、$11.99、高画質 720p は $4.99、$8.99、$24.99、フル HD 1080p は $11.99、$23.99、$70.99 です。アカウントもサブスクもなしで動画 1 本分を支払うことも、piments（$1 = 100 piments）をチャージすることも、任意の週額プランを選ぶこともできます。週額プランは同じ金額で piments が 25% 多くもらえます（実質 20% お得）：Starter は週 $9.99 で 1,249 piments、Creator は $19.99 で 2,499、Studio は $39.99 で 4,999。プランは毎週更新され、更新前に解約できます。プロバイダー側の失敗が確認された場合は piments が返還され、単品動画の支払いで失敗が確認された場合は返金されます。

SpicyFrame が作らないもの

SpicyFrame は、ホットでグラマラスなランジェリー風、水着、NSFW 風の美しさのための 18 歳以上向けスタジオですが、露骨な性的コンテンツは生成せず、服を脱がせる機能もありません。映っている人は全員成人でなければならず、特定可能な実在の人物は加工に同意している必要があり、有名人、なりすまし、誤解を招くコンテンツは許可されません。生成のたびに画像の権利を確認し、プロバイダーの安全チェックも適用されるため、プロンプトが拒否されることもあります。露骨な出力を求めているなら、このページもこのスタジオもふさわしい場所ではありません。

Grok Imagine と SpicyFrame の早わかり（執筆時点の報道ベース）

画像から作るAI動画のよくある質問

出典

外部ページ（新しいタブで開きます）。ランキングは執筆時点のものです。

1. xAI ドキュメント：動画生成ガイド
2. GIGAZINE：xAI が動画生成 AI「Grok Imagine 1.0」をリリース（2026 年 2 月）
3. The Decoder：xAI が Grok Imagine を 1.5 に更新、720p の image-to-video に対応（2026 年 6 月）

関連ガイド