3行でいうと
- 公式のページが挙げる主な機能は、文章や参考写真からの画像づくり、画像の編集、画像から動画をつくること、文章だけから動画をつくること、参考画像を使って登場人物や商品を固定すること、です。動画は音声つきで作られます。
- 動画の長さは1〜15秒、解像度は480p・720p・1080pと、APIのドキュメントが書いています。x.ai/grokのページは、画面の側について「画像は最大2K、動画は最大15秒」と書いています。
- 画像のプロンプトは、公式のガイドが「まず主題を一文で、具体的に」と勧めています。
- モデルの名前は、画面向け（Quality Mode、Video 1.5 Fastなど）とAPI向け（grok-imagine-image-2.0など）で呼び方が違い、版も複数あります。どれが最新かは断定しません。
- 公式は、性能や順位を発表の記事で紹介しています。この記事では、そうした評価は書かず、機能と数字だけを書きます。
この記事は、公式の資料を2026年10月24日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。運営者はGrok Imagineを入れていますが、使い心地はこの記事には書いていません。公式ページは要約の形で取得したため、読めていない部分は「公式の資料では確認できていない」「読んだ範囲では見つからなかった」と書きます。数字は、ページに書かれていたものをそのまま写しています。ページ同士で数字が違う所は、違いのまま書きます。
先に結論
- できることは3つの柱に分けると分かりやすいです。 「画像を作る・直す」「画像を動画にする」「文章や参考から動画を作る」。公式の説明文は、画像の作成と編集、画像の動画化、Imagine Agent Modeを挙げています。
- 動画には、音声も一緒に作られます。 2026年6月16日付の記事は、効果音、環境音、台詞を同じ生成の工程で作ると書いています。APIのドキュメントは、音を付けない指定もできると書いています。
- 「参考」を渡すと、同じ顔や同じ商品を保てると、公式は説明しています。 2026年7月31日付の記事は、画像の参考と声の参考を挙げています。
- 公式が紹介する使い方は、広告・商品写真・ポスター・マスコットづくりなど、仕事の場面が多いです。 場面ごとに、どこに書かれているかを後の表に並べました。
- 名前と版は複数あります。 同じ「Grok Imagine」の中に、画像のモデルが少なくとも3つ、動画のモデルが少なくとも3つ、ドキュメントに出てきます。
前提：用語をそろえる
- プロンプト：作りたいものを説明する文章です。
- 参照（リファレンス）：「この顔」「この商品」「この場所」と見せるために足す、画像や音声のことです。公式の記事は、画像の参考は1枚が顔、商品、場所などの1つの要素を固定する、と説明しています。
- キーフレーム：動画の途中の「この時点でこの絵」という指定です。公式のドキュメントは、最大4つまで指定でき、間の動きはモデルが補う、と書いています。
- リップシンク：口の動きと声を合わせることです。公式のドキュメントは、一部のモデルがリップシンク付きの音声を作ると書いています。
- 1K・2K：画像の大きさの目安です。公式の料金表には「1K（1024x1024）」「2K（2048x2048）」と書かれています。
- 480p・720p・1080p：動画の画質の目安です。数字が大きいほど細かく、料金も高くなります（04で扱います）。
たとえ話：写真スタジオに依頼する
Grok Imagineは、写真と映像のスタジオに仕事を頼むようなものです（僕らのたとえで、公式の説明ではありません）。まず「こういう写真がほしい」と依頼書（プロンプト）を渡します。「この人物で」と見本の写真（参照）を添えることもできます。出てきた写真が少し違えば、「ここだけ直して」と追加で頼みます。うまくいった写真は、「この写真が動き出すところ」を依頼して動画にできます。公式が書いている「同じ会話の中で、フォローアップの指示で編集や反復ができる」は、この追加の依頼のことです。
画像：つくり方の基本
画面の側（x.aiの記事）
- 2026年8月7日付の記事は、画像モデルが指示の細部まで従うこと、小さな文字をくっきり出すこと、生成や編集をまたいで入力した要素を保つことを、特徴として挙げています。公式は「make images you can use in real work」と書いています。
- 編集の機能として、同じ記事は次のものを挙げています。特定の領域だけを直す「マジックワンド」、画像の中の正確な領域を選ぶ「セグメンテーション」、背景を除いて透明にする「背景除去」、1回の生成で最大5枚の入力画像を扱う「マルチリファレンス編集」、比率を選ぶとモデルが画像を作り直す「スマートリサイズ」。比率の例として、1:2、9:16、2:3、3:4、1:1、4:3、3:2、16:9、2:1が並んでいます。
- 同じ記事は、ひな形（テンプレート）として、写真編集、商品の色変更、商品ポスター、フォトコラージュ、マスコット作成、背景の除去・変更、EC用の写真、プロフィール用の写真、アイコン作成、キャラクターのスプライト、絵文字作成、グッズ作成などを挙げています。
- App Storeの説明文は、既存の画像について、物の削除、背景の変更、画風の適用ができると書いています。
開発者向けのドキュメント（API）
- 画像のサイズは「1k（既定）」と「2k」です。1回のリクエストで作れる枚数は1〜10枚です。
- 縦横比は、1:1、16:9、9:16、4:3、3:4、3:2、2:3、2:1、1:2、19.5:9、9:19.5、20:9、9:20、21:9、5:2、autoから選びます（省略するとauto）。
- 品質は「low」「medium」「auto」から選びます。autoは、生成ではlow、編集ではmediumが使われると書かれています。細部の再現が必要なら、mediumと2kを指定する、とプロンプトのガイドは書いています。
- 編集で使える元の画像は、2026年8月28日付の更新で3枚から5枚に増え、21:9と5:2の縦横比が加わったと、リリースノートが書いています（8月7日付の記事は、すでに「最大5枚」と書いていて、日付が合っていません）。
プロンプトの書き方（公式のImage Prompting Guide）
公式のガイドは、画像モデル「grok-imagine-image-2.0」向けに、次のような考え方を書いています。
| 公式のガイドが書いていること | 内容 |
|---|---|
| 主題を最初に書く | 何が、どんな形で、何に支えられ、どこにあるかを、最初の一文で書く。ムードや避けたいものの羅列から始めると、主題が代役になった場面になりやすい |
| 数や視点を明記する | 「マグカップ2つ」「45度の斜めから」のように書く |
| 書く順番を決める | 主題、詳細と焦点、美術の指定、光、色、構図の順。シリーズで毎回同じ順にする |
| 材料で書く | 「光沢がない」ではなく、「細い横方向の木目が入ったヘアライン仕上げのステンレス」のように、描ける表面として書く |
| 禁止の羅列は短く | 長い禁止リストは無視されやすく、かえってその物が出ることがある。望む状態とセットで書く |
| 生成と編集を使い分ける | 主題や数が違うなら生成し直す。主題と構図が合っていて1〜3か所だけ直すなら編集する |
| 編集の書き方 | 変えたいことを先頭に書き、「主題、角度、切り抜き、小道具の位置は同じ」と続ける。全文を貼り直すと場面が作り直される |
| 短いプロンプト | 単発なら4〜6文で、主題と詳細、場所、光、切り抜きの順 |
このガイドは、テキスト（文字）の描画のコツについては書いていませんでした。画面（grok.com/imagine）向けの、プロンプトの書き方の案内は、読んだ範囲では見つかりませんでした。
動画：つくり方の基本
画面の側（x.aiの記事）
- x.ai/grokのページは、動画は最大15秒、画像は最大2Kと書き、動画生成の項目に720pと書いています。
- 2026年6月16日付の記事は、動画モデルの高速版「Video 1.5 Fast」が、6秒・720pの動画を約25秒で作ると書いています。grok.com/imagineとiOS・Androidのアプリで始まったとあります。
- 同じ記事は、新機能として、作業をまとめる「Projects」（左のサイドバー）、複数のプロンプトを並行して動かす機能、ライブラリの中の画像や動画を探す「検索」を挙げ、「数日以内に順次」と書いています。
- 2026年7月31日付の記事は、開始画像なしで文章だけから動画を作ること、ネイティブの1080pを、grok.com/imagineとiOS・Androidで一般提供（generally available）と書いています。画像と声の参考は、米国のSuperGrok HeavyとSuperGrok Plusの利用者向けに先に始め、「数日で全プランへ」と書いています。1回につき最大7つの参考、と書かれています。
開発者向けのドキュメント（API、2026年10月10日更新の動画生成のページほか）
| 項目 | 書かれていること |
|---|---|
| つくり方（モード） | 文章から、画像から（渡した画像が最初のフレーム）、参考から、最初と最後のフレーム、キーフレーム、動画の編集、動画の延長。1つの依頼で指定できるモードは1つ |
| 長さ | 1〜15秒。既定は8秒。編集は元の動画の長さのままで、元の動画は最大8.7秒 |
| 解像度 | 1080p、720p、480p。既定は480p |
| 縦横比 | 1:1、16:9（既定）、9:16、4:3、3:4、3:2、2:3、21:9、5:2。画像から動画では入力画像の比率が使われる |
| 音声 | 既定で音声つき。音を付けない指定もできる |
| 参考画像 | grok-imagine-video-1.5で最大14枚、grok-imagine-videoで最大7枚と、ドキュメントが書いている |
| 声の参考 | 1.5で最大3つ。ドキュメントの組み込みのプリセット音声から選ぶ。自分の音声ファイルを使う機能は、信頼されたパートナー向けで問い合わせが必要 |
| ループ動画 | 最初と最後のフレームに同じ画像を渡すとループになる |
動画の参考画像の枚数は、7月31日付の記事が「最大7つ」、10月19日付のドキュメントが「最大14枚」と、書いてある数字が違います。新しいドキュメントの数字を基準にしますが、画面（grok.com/imagine）で何枚まで足せるかは、公式の資料では確認できていません。
動画のプロンプトの書き方
公式のドキュメントは、独立したプロンプトガイドは載せておらず、モードごとに次のような指針を書いています。
- 文章から動画：構図、カメラの動き、照明、音についても書く。1.5とLiteでは、まず文章から最初のフレームの画像を作り、そこから動画を作る。
- 画像から動画：渡した静止画が最初のフレームになる。プロンプトには、その後に何が起きるかを書く。
- 動画の編集：変えたい内容を指示し、変えたくない要素も明記する。
- 参考から動画：参考画像は人物、商品、場所を指定するもので、最初のフレームを固定しない。プロンプトの中では、参考画像を「
」「 」のように、並んだ順に指定する。
モデル名と版の関係
公式のページに出てきた名前を、出てきた場所と日付つきで並べます。「どれが最新か」は断定しません。
| 名前 | どこに書かれているか | 書かれていること |
|---|---|---|
| Grok Imagine（製品名） | grok.com/imagine、x.ai/grok | 画像と動画を作るサービスの名前 |
| Imagine Image 2.0 / grok-imagine-image-2.0 | 2026-08-07付の記事 | API上の名前はgrok-imagine-image-2.0。画面向けには「Quality Mode」として提供、と書かれている |
| grok-imagine-image-quality | 2026-05-06付の記事、料金表 | 2026-05-06付の記事ではQuality ModeのAPIとして紹介。2026年11月2日に廃止と、移行のページが書いている。移行先はgrok-imagine-image-2.0（quality: lowで処理） |
| grok-imagine-image | 料金表、モデルのページ | 料金表に載る画像モデル。移行のページは「grok-imagine-image（1.0）は影響を受けない」と書いている |
| Grok Imagine 1.5 Preview / grok-imagine-video-1.5-preview | 2026-06-03付の記事 | 画像から動画のモデルを、APIのプレビューとして公開。最大720p |
| Grok Imagine Video 1.5 / Video 1.5 Fast | 2026-06-16付の記事 | 1.5はAPIで一般提供（grok-imagine-video-1.5）。Fastはgrok.com/imagineとアプリで提供開始 |
| grok-imagine-video-1.5-lite | ドキュメント（2026-10-08） | 価格が最も低いモデルで、文章から動画と画像から動画に対応と書かれている。1080pは720pからの引き上げ（アップスケール）と、ドキュメントが書いている。参考画像や最初・最後のフレームには対応しない |
| grok-imagine-video | ドキュメント（2026-10-10） | 最大720p。動画の編集と延長に使うモデルと書かれている |
2026年1月28日付の「Grok Imagine API」の記事は、動画の生成と編集のAPIを紹介しています。リリースノートは、同じ日に動画生成と刷新された画像生成が使えるようになったと書いています。「Grok Imagine 1.0」という名前の発表や、2026年2月という日付は、公式の資料では確認できていません。また、「Grok Imagine 1.5」「Grok Video 1.5」という短い表記は、公式の記事の名前（Grok Imagine Video 1.5など）とは少し違います。
公式は、順位（外部の比較の結果）も発表の記事で紹介しています。この記事では、他社との優劣は扱いません。
場面ごとに：公式はこう紹介している
| 場面 | 公式が書いていること | どこに書かれているか |
|---|---|---|
| 商品の写真を作り直す | 商品の色の変更、EC用の写真、商品ポスターのひな形がある。「商品プレースメント」（商品写真を別の環境や角度に置き直す）は、1回に最大10枚、2K | 2026-08-07付の記事、x.ai/api/imagine |
| 登場人物や商品を固定して、場面を変える | 画像の参考で、キャラクターを保って場面を変える、場面を保って人物を変える、といった使い方ができると書かれている | 2026-07-31付の記事 |
| 同じ人物に同じ声を保つ | キャラクター画像と音声の参考を渡す。APIでは自分の音声ファイルの参考は問い合わせ制 | 2026-07-31付の記事、リファレンスのページ |
| 写真を動かす | 開始フレームとモーションのプロンプトから動画を作る。カメラの動き、ペース、サウンドを自然な文章で指定できると書かれている | 2026-06-03付の記事 |
| 動画の見た目を変える | 動画の編集として、シーンの再スタイル、物の追加・削除・入れ替え、天候や時間帯の変更が挙げられている | 2026-01-28付の記事 |
| ラフな絵を動かす | 白黒の線画を動くアニメーションにする「Sketches to Life」が紹介されている | 2026-01-28付の記事 |
| 服を着た姿を動画にする | 人物の写真と衣服の写真から、着用した動画を作る「バーチャル試着」がある | x.ai/api/imagine |
| 声だけで画像を作る | 声だけで画像を生成できると書かれている | App Storeの掲載ページの説明文 |
| ループ動画を作る | 最初と最後のフレームに同じ画像を渡す | 動画の概要のページ（2026-10-08） |
| 文字入りの画像 | 小さな文字をくっきり出すことを特徴に挙げている | 2026-08-07付の記事 |
個人の写真や、他人が写った写真を使う場面は、公式がどう書いているかを04で扱います。
Imagine Agent Modeについて
grok.com/imagine/agentのページは、説明文で「iterate fast with Imagine Agent Mode」と書いているだけで、具体的な操作や機能、必要なプランは、読んだ範囲では見つかりませんでした。ベータかどうかについて、公式の資料には記載が見つかりませんでした。この記事は公式の資料だけを根拠にしています。
気をつけること
- この記事は、実際に使って確かめた記録ではありません。運営者はGrok Imagineを入れていますが、使い心地はこの記事には書いていません。公式の資料を読んだ範囲です。
- 長さ・解像度・枚数の数字の多くは、APIのドキュメントのものです。アプリの画面で同じ選択肢があるかは、公式の資料では確認できていません。
- 動画の参考画像の枚数など、ページ同士で数字が違う所があります。どれが最新かは、日付の新しい資料を基準にしつつ、断定しません。
- 公式は、性能や画質の評価を発表の記事で書いています。この記事では評価を扱っていません。
- モデルの名前と版は変わります。2026年10月24日に読んだ表示のままです。
出典
- Grok Imagine（SpaceXSI、確認日 2026-10-24）
- Imagine Agent Mode（SpaceXSI、確認日 2026-10-24）
- Grok（x.ai、確認日 2026-10-24）
- Grok Imagine API（x.ai、2026-01-28付、確認日 2026-10-24）
- Grok Imagine Quality Mode API（x.ai、2026-05-06付、確認日 2026-10-24）
- Grok Imagine 1.5 Preview（x.ai、2026-06-03付、確認日 2026-10-24）
- Grok Imagine Video 1.5（x.ai、2026-06-16付、確認日 2026-10-24）
- Imagine Video 1.5 with References（x.ai、2026-07-31付、確認日 2026-10-24）
- Imagine Image 2.0（x.ai、2026-08-07付、確認日 2026-10-24）
- Imagine API（x.ai、確認日 2026-10-24）
- Imagine Overview（docs.x.ai、2026-10-08更新、確認日 2026-10-24）
- Image Generation（docs.x.ai、2026-10-08更新、確認日 2026-10-24）
- Image Prompting Guide（docs.x.ai、確認日 2026-10-24）
- Video Generation（docs.x.ai、2026-10-10更新、確認日 2026-10-24）
- Video Overview（docs.x.ai、2026-10-08更新、確認日 2026-10-24）
- Reference-to-Video（docs.x.ai、2026-10-19更新、確認日 2026-10-24）
- Release Notes（docs.x.ai、確認日 2026-10-24）
- grok-imagine-image-quality Retirement on November 2, 2026（docs.x.ai、確認日 2026-10-24）
- Grok（App Store 日本、確認日 2026-10-24）