ビデオ(Video)
Grok 動画 API 仕様
grok-imagine-video と grok-imagine-video-1.5 の解像度・長さ・アスペクト比と、先頭フレーム・末尾フレーム・キーフレーム・参照画像・参照ボイスの使い方と制限。
このページは、xAI の Grok 動画モデル grok-imagine-video、grok-imagine-video-1.5 の呼び出し仕様です。これらのモデルは、他の動画モデルと同じく POST /v1/videos で作成し、GET /v1/videos/{id} でポーリングします。認証、ポーリングのステータス、結果のダウンロード、エラー処理は動画 API 完全呼び出し仕様を参照してください。このページでは、Grok に固有のフィールドとルールだけを説明します。
2026-10-27 更新。
grok-imagine-video-1.5は末尾フレーム、キーフレーム、参照画像、参照ボイスに対応し、grok-imagine-videoは参照画像に対応しました。従来のgrok-imagine-video-1.5-1080pは提供を終了しました。1080P にはgrok-imagine-video-1.5を使い、"resolution": "1080p"を設定してください。Grok はポーリングのみに対応しています。callback_urlは設定しないでください。
モデル一覧
| モデル | 解像度 | 長さ | アスペクト比 | 素材 |
|---|---|---|---|---|
grok-imagine-video | 480P / 720P、デフォルト 720P | 1–15 秒、デフォルト 8 秒。参照画像を使う場合は 1–10 秒 | 16:9 9:16 1:1 4:3 3:4 3:2 2:3、デフォルト 16:9 | 先頭フレーム 1 枚、または参照画像最大 14 枚(どちらか一方) |
grok-imagine-video-1.5 | 480P / 720P / 1080P、デフォルト 720P。末尾フレーム、キーフレーム、参照画像、参照ボイスを使う場合は最大 720P | 1–15 秒、デフォルト 8 秒 | 同上 | 先頭フレーム 1 枚、末尾フレーム 1 枚、キーフレーム最大 4 個、参照画像最大 14 枚、参照ボイス最大 3 個。組み合わせて使えます |
基本パラメーター
- 解像度:
resolutionは480p、720pを指定できます。grok-imagine-video-1.5は1080pも指定できます。metadata.resolutionでも指定できます。 - 長さ:
duration(または文字列のseconds)に整数の秒数を指定します。 - アスペクト比:
aspect_ratioとratioは同じ意味です。sizeに比率を書くこともできます(例:"size": "9:16")。sizeにピクセルサイズは指定できません。複数のアスペクト比フィールド(metadata内を含む)を指定する場合は値を一致させてください。一致しない場合は 400 が返ります。先頭フレームと末尾フレームの比率がaspect_ratioと異なる場合は中央で切り抜かれます。 - プロンプト:プロンプトと素材の少なくとも一方が必要です。どちらもない場合は 400 が返ります。参照ボイスだけを使う場合は、プロンプトに映像とせりふを具体的に書いてください。
素材フィールド
| 素材 | フィールド | grok-imagine-video-1.5 | grok-imagine-video |
|---|---|---|---|
| 先頭フレーム | image、images、input_reference または metadata.firstFrame | 1 枚 | 1 枚 |
| 末尾フレーム | last_frame または metadata.lastFrame | 1 枚 | 非対応 |
| キーフレーム | keyframes または metadata.keyframes | 最大 4 個 | 非対応 |
| 参照画像 | reference_images または metadata.referenceImages | 最大 14 枚 | 最大 14 枚。先頭フレームとは併用不可 |
| 参照ボイス | reference_audios または metadata.referenceAudios | 最大 3 個 | 非対応 |
- 書き方:画像は URL 文字列または
{"url": "..."}で指定します。キーフレームは[{"image": "…", "timestamp_s": 2}]、参照画像は画像 URL の配列、参照ボイスはボイス名の配列(例:["eve"])です。 - 画像 URL:すべての画像は公開されている
https://URL にしてください。base64 とmultipart/form-dataのファイルアップロードには対応していません。 - 先頭フレームは 1 枚:
imagesに入れられるのは 1 枚だけで、先頭フレームとして扱われます。先頭フレームのフィールドに合計 2 枚以上指定すると 400 が返ります。複数の画像はreference_imagesに入れてください。 - 枚数は別々に数えます:先頭フレーム、末尾フレーム、キーフレームは参照画像の 14 枚に含まれません。
- 末尾フレームだけ:先頭フレームを省略し、
last_frameだけで最後の画面を指定できます。先頭と末尾に同じ画像を指定するとループ動画になります。 - キーフレームの時刻:
timestamp_sは 0 より大きく、durationより小さい値にしてください。画面は 1/3 秒単位にそろえられるため、キーフレーム同士は 1/3 秒以上離してください。満たさない場合は 400 が返ります。最初と最後の画面はkeyframesではなく先頭フレームと末尾フレームで指定してください。 - 参照画像の使い方:プロンプトでは
<IMAGE_0>、<IMAGE_1>… の順に参照画像を指します。先頭フレームも指定した場合、先頭フレームが<IMAGE_0>になり、参照画像は<IMAGE_1>から番号が付きます。参照画像では最初の画面は固定されません。固定したい場合は先頭フレームも指定してください。 - 参照ボイスの使い方:プロンプトでは
<AUDIO_0>、<AUDIO_1>… でボイスを指します。使えるのは次のプリセットボイスだけです(大文字・小文字は区別しません)。カスタムボイスやボイスクローンには対応していません:altairaraatlasauroracarinacastorcelestecosmoevehelioshelixiriskeplerleolioralumenlunaluxnakshorionperseusrexrigelsalsiriusursazaganzenith。 - 解像度と長さ:末尾フレーム、キーフレーム、参照画像、参照ボイスを使う場合、
grok-imagine-video-1.5は最大 720P です。grok-imagine-videoで参照画像を使う場合は最長 10 秒です。テキストだけ、または先頭フレームだけの場合はこの制限はありません。 - 非対応:参照動画、
negative_prompt、seed、generate_audio。
テキストから動画生成
{
"model": "grok-imagine-video-1.5",
"prompt": "雨の夜の街を走る銀色のスポーツカー、ローアングルの追従ショット、ネオンの反射、映画風",
"duration": 8,
"aspect_ratio": "16:9",
"resolution": "1080p"
}画像から動画生成(先頭フレーム)
{
"model": "grok-imagine-video",
"prompt": "画像の被写体を保ったまま、クローズアップからゆっくり引いていく、映画風",
"duration": 6,
"aspect_ratio": "9:16",
"resolution": "720p",
"images": ["https://cdn.example.com/start.jpg"]
}先頭フレームと末尾フレーム
{
"model": "grok-imagine-video-1.5",
"prompt": "日の差す玄関から窓辺へカメラが移動する",
"duration": 8,
"aspect_ratio": "16:9",
"resolution": "720p",
"image": "https://cdn.example.com/start.jpg",
"last_frame": "https://cdn.example.com/end.jpg"
}キーフレーム
先頭フレームと末尾フレームの間で、2 秒目と 4 秒目の画面を指定します:
{
"model": "grok-imagine-video-1.5",
"prompt": "光の変化とともに部屋の中をゆっくり進むカメラ",
"duration": 6,
"aspect_ratio": "16:9",
"resolution": "720p",
"image": "https://cdn.example.com/start.jpg",
"keyframes": [
{ "image": "https://cdn.example.com/second-2.jpg", "timestamp_s": 2 },
{ "image": "https://cdn.example.com/second-4.jpg", "timestamp_s": 4 }
],
"last_frame": "https://cdn.example.com/end.jpg"
}参照画像と参照ボイス
{
"model": "grok-imagine-video-1.5",
"prompt": "<IMAGE_0> のモデルが <IMAGE_1> のシャツを着てランウェイを歩き、<AUDIO_0> の声でシャツを紹介する",
"duration": 8,
"aspect_ratio": "9:16",
"resolution": "720p",
"reference_images": [
"https://cdn.example.com/model.jpg",
"https://cdn.example.com/shirt.jpg"
],
"reference_audios": ["eve"]
}grok-imagine-video は参照画像だけでも使えます(先頭フレームは併用不可、最長 10 秒):
{
"model": "grok-imagine-video",
"prompt": "<IMAGE_0> の子犬が <IMAGE_1> の砂浜を走る",
"duration": 5,
"aspect_ratio": "16:9",
"resolution": "720p",
"reference_images": [
"https://cdn.example.com/dog.jpg",
"https://cdn.example.com/beach.jpg"
]
}