Skip to main content
Grok Imagine ファミリーの 2 つのモデルは動画を生成します。どちらも 非同期タスク API 上で、他のすべてと同じエンベロープを使用して実行されます — 同期動画エンドポイントはないため、これらにアクセスする唯一の方法です。 この 2 つは、単純な旧モデルと新モデルの組み合わせではありません。grok-imagine-video-1.5 は より高い解像度で生成でき、プリセット音声を使用できます。grok-imagine-video は 入力として動画を受け付ける唯一のモデルであり、編集や拡張にはこれが必要です。 どちらを選ぶかは、クリップを作成するのか、既存のクリップを変更するのかによって決まります。

​
シリーズの概要

モデルが実行できない内容をリクエストすると、キューに追加される前の送信時に失敗し、代わりに使用するモデルを示すメッセージが表示されます。

​
モード

input.modeはモデルの動作を選択します。generate、edit、または extendを指定でき、デフォルトはgenerateです。 editはpromptから既存のクリップを書き換え、その長さを維持するため、 resolutionを受け付けません。出力はソースに従います。extendは新しい 映像を末尾に追加します。
実測では、duration: 3を使用した3.04秒のソースから6.04秒の クリップが生成されました。これは再レンダリングではなく、元の映像に3秒の拡張を加えたものです。
durationの範囲はextendモードでは狭くなります。 仕様上は1～15 秒を受け付けますが、拡張は実際には2～10秒に制限され、ソースクリップ自体も 少なくとも2秒の長さである必要があります。どちらの制限も送信時にはチェックされないため、タスクがキューに追加された後、両方ともタスクレベルの失敗として返されます。Duration must be between 2 and 10 seconds · Input video must be at least 2 seconds long, got 1.0s

​
パラメータ

以下のすべては input 内に含まれます。エンベロープについては 非同期タスク API を参照してください。 n はありません。動画モデルはタスクごとに 1 本のクリップを生成します。
画像モデルとは異なり、動画には auto アスペクト比もウルトラワイド 比率もありません。上記の 7 つの値が完全な一覧です。

​
解像度と長さ

測定された出力ピクセル数。各ティアにつき1サンプルです。 1080p は grok-imagine-video では拒否され、エラーは 1080p is only available on grok-imagine-video-1.5 となります。 クリップは指定した長さより約0.04秒長くなります — 3秒を指定すると、 ファイルは3.04秒になります。これはすべてのサンプルで一貫しており、請求額には 影響しません。請求は指定した長さに基づいて行われます。

​
参照画像、最初のフレーム、音声

入力できるものは3種類あり、そのうち2つは同時に使用できません。
  • images は 最初のフレームです。画像は1枚のみで、クリップはその画像を起点に展開されます。
  • reference_images はスタイルと被写体のガイダンスで、画像は最大3枚まで指定できます。両モデルで使用できますが、これを使用すると出力は 720p に制限されます — 1080p を指定した reference_images は reference images are capped at 720p で拒否されます。
  • 両方を渡すと拒否されます： cannot be combined with images; a first frame and reference images are different modes。
voice_ids は grok-imagine-video-1.5 のプリセット音声を選択します。1クリップあたり最大3つまで指定できます。使用できる値は次のとおりです。 カスタム音声はWideRouterでは利用できません。音声 ID 自体は送信時には検証されない点に注意してください。認識されない名前でも受け付けられ、その後タスクが失敗します。音声も generate_audio: false も価格には影響しません。

​
料金

これらのモデルは Grok-Official グループを通じて提供されます。WideRouter の定価は xAI の公式価格と完全に一致しており、割引は グループのレート倍率 に適用されます。Grok-Official に対しては 0.8 です。したがって、お支払いいただく金額は次のとおりです。
動画は解像度ごとに、出力1秒あたりの料金が設定されています。以下は定価です。 1秒あたりの料金だけでは分からない、3つのルールがあります。
  • 送信するメディアにも課金されます。 参照画像には約 $0.01 が加算されます。 edit または extend のソースクリップには、その長さに応じて1秒あたり約 $0.01 が課金されます。
  • extend では元のクリップに再課金されません。 料金が設定されるのは新しいセグメントのみで、 1秒あたりの料金に加えて、入力としてのソースクリップが課金されます。実測では、3.04秒のクリップを 3秒延長した場合の料金は $0.18 でした。これは、出力3秒分の $0.05 に加え、入力3.04秒分の $0.01 を合算したものです。一方、結果の長さは6.04秒になります。6秒を最初から再生成した場合は、 $0.30 かかります。
  • edit では、ソースの長さ分が出力と入力でそれぞれ課金されるため、約2倍の料金がかかります。 実測では、1.04秒のクリップを編集した料金は $0.06 でした。
最初から最後までの計算例です。grok-imagine-video で 480p を3秒実行する場合：
完了したタスクには usage.cost_in_usd_ticks が付随し、10000000000 ティックが $1 に相当します。この金額は定価であり、グループのレート倍率が適用される前のものです。 これにグループのレートを掛けると、残高から実際に引かれる金額が求められます。

​
レイテンシー

非同期 API で、送信から completed までのエンドツーエンドの時間を測定した結果です。 生成は、動画モデルでよく説明される「通常は数分」よりもはるかに高速ですが、それでも接続を開いたままにしておくには遅すぎます。そのため、同期エンドポイントはありません。2～3秒ごとにポーリングし、クライアントのタイムアウトは最速の行ではなく、ここに示した最も遅い行を基準に設定してください。

​
タスクが失敗した場合

動画の失敗は、HTTP エラーではなく、error オブジェクトを持つ failed タスクとして記録されます。読み取りエンドポイントは引き続き 200 を返します。一般的なコードは upstream_error であり、メッセージは xAI からそのまま渡されます。
生成開始前に発生する失敗は高速です。到達不能な入力の場合は 1 秒未満、アップストリームモデルが適用する制約の場合は約 6 秒です。

​
次のステップ

プレイグラウンド

ブラウザから実際の動画タスクを送信し、完了するまでポーリングします。

Grok Imagine 画像

ファミリーの画像側です。3つのバリエーションと品質グリッドを確認できます。