xAI、画像から動画を生成するGrok Imagine Video 1.5をImagine APIで一般提供

Grok Imagine Video 1.5は、xAIが自社の画像から動画を生成するモデルとして最良と位置づけるもので、動き、物理表現、音声が従来モデルより改善されたとしている。音声面では、効果音、環境音、セリフが同じ生成処理の中で作られ、動作に合わせて出力される。発話は従来より明瞭で、同期も向上したという。動きについては、クリップの長さ全体を通じて破綻が減り、重さや勢いがより自然に見えるとしている。

速度面では、Video 1.5 Fastが生成速度をほぼ倍にした。6秒、720pの動画を約25秒で生成でき、従来モデルでは40秒以上かかっていた。このFast版はgrok.com/imagineとiOS・Androidアプリで利用できる。

API側では、Imagine Video 1.5がプレビューを終えて一般提供となり、xAI APIでgrok-imagine-video-1.5として使える。開始画像を渡し、動きを記述し、解像度と長さを選ぶ形で利用する。