xAI Grok Imagine API リリース

xAIは、ビデオとオーディオ生成を組み合わせ、エンドツーエンドのクリエイティブなワークフローをサポートする統合生成APIスイートであるGrok Imagine APIを発表しました。このシステムにより、ユーザーはテキストや画像から映画のようなビデオを生成し、高度なビデオ編集タスクを高精度で実行することが可能になります。

パフォーマンスとベンチマーク

Grok Imagineは、Artificial Analysisのランキング（2026年1月28日時点）において、text-to-video (T2V) パフォーマンスで第1位を獲得しています。 このモデルは、高品質な出力と、開発者やエンタープライズのワークフローにおける迅速な反復を促進するための、最適化されたレイテンシ、並行性、およびコストのバランスを保つように設計されています。

Text-to-Video ランキング

Artificial Analysis（2026-01-28時点）およびLMArena（2026-02-04時点）のデータに基づくと、Grok ImagineはT2Vランキングにおいて、業界の複数の競合他社を上回っています。

Model	Rank
Grok Imagine	1
Veo 3.1 Fast	4
Veo 3	5
Sora 2 Pro	9
Sora 2	12

ビデオ編集ベンチマーク

1280 x 720解像度、さまざまなビデオ長にわたる7つの意味的次元をカバーするIVEBenchデータベースを使用した、人間によるサイドバイサイド評価において、Grok Imagineは、全体的なパフォーマンス、指示への追従性、および一貫性において、Kling o1やRunway Alephを含む競合他社を一貫して上回っています。

ビデオ生成機能

Grok Imagineは、静止画やテキストプロンプトを、高品質でダイナミックなビデオシーケンスへと変換することを可能にします。 このモデルは、ポートレートやランドスケープを含むさまざまなアスペクト比をサポートし、異なるプラットフォームに適した柔軟なクリップ長を提供します。

映画のような動きとビジュアル

Cinematic Motion Understanding: APIは、写真を、現実的なオブジェクトの相互作用、視覚的な連続性、および映画のような動きを持つビデオへと変換できます。
Accessibility: このツールは、プロのデザイナーやクリエイターから、教育者やインフルエンサーまで、幅広いユーザー層に向けて設計されており、フルプロダクションチームなしでもビジュアルのプロトタイプ作成や公開が可能です。

高度なビデオ編集ツール

Grok Imagine APIは、既存の映像を洗練させたり、シーン内の特定の要素を修正したりするための、精密な編集ツールスイートを提供します。

オブジェクトとシーンの操作

Object Control: ユーザーは、高い精度と一貫性を持って、オブジェクトや小道具を追加、削除、または入れ替えることができ、また、製品紹介のためにオブジェクトの特定の色を編集することも可能です。
Scene Control: APIは、環境設定の即時的な変換を可能にします。例えば、シーンを晴天から秋、冬、霧、夕焼け、または曇り空へと切り替えることができます。

アニメーションとスタイリング

Performance Animation: ユーザーは、自身のパフォーマンスデータを使用してキャラクターをアニメーション化できます。
Restyling: APIは、既存の映像の視覚的なスタイルを即座に再構築できます。
Sketch-to-Life: システムは、静止した白黒のスケッチを、鮮やかで生命力のあるアニメーションへと変換できます。

利用可能範囲と統合

Grok Imagine APIは、xAI独自のAPIおよびサポートされているパートナープラットフォームを通じて利用可能です。 導入を促進するため、xAIは以下のリソースを提供します。

統合のためのAPIsおよびSDKs。
プロジェクトを加速させるためのテクニカルチュートリアル。
視覚的な実験と作成のためのホスト型コンソール。