xAI、画像生成モデル「Grok Imagine 1.5 Preview」をAPIで提供開始

動画生成AIの分野で大手がブレーキを踏んだ直後、新たなプレイヤーが正面から参入してきました。

Elon Musk氏率いるxAIは、画像から動画を生成する新モデル「Grok Imagine 1.5 Preview」（Grok Imagine Video 1.5）を公開しました。現在、xAIのAPIを通じて開発者向けにプレビュー提供が始まっています。

1枚の静止画から720p動画を生成

このモデルの基本機能は、1枚の静止画をもとに最大720p解像度の短い動画を作成することです。

ユーザーはテキストプロンプトを使って、カメラの動きやテンポ、全体の雰囲気を細かく指定できます。xAIによると、元の画像が持つディテールや照明の質感を崩さずに動きを付けることが可能です。

さらに、複数のカットをつなぎ合わせて、一貫した世界観を保ったまま長めのシーンを構築する機能も備えています。

API経由で数行のコードから呼び出し可能

一般向けのウェブ画面ではなく、開発者向けのAPIが先行して開放された点も特徴です。

Xの公式アカウントがAPIエンドポイントへのリンクを公開しており、報道によるとわずか数行のコードで既存システムやアプリに組み込める構成になっています。

これにより、xAIはSeedanceやGoogleのVeoといった動画生成AIの競合と直接競り合うことになります。なお、直近ではOpenAIが計算リソースの制約やビジネスモデルの不在を理由に動画モデル「Sora」を取り下げたばかりです。

なぜ重要か

今回のxAIの動きは、OpenAIのSoraが撤退した空白地帯を素早く狙い撃ちした現実的な一手だと私たちは考えています。

開発者やクリエイターにとって、数行のコードで静止画をカメラワーク付きの動画に変換できる選択肢が増えた価値は大きいです。プロンプトによる構図制御やカット間の質感維持が公称通りに機能するなら、プロトタイピングや短尺コンテンツ制作の敷居は一段と下がります。ただし、解像度が720pにとどまる点や一般ユーザー向けUIがまだない点を考えると、現時点ではあくまで検証段階のツールと見るべきです。

業界全体にとっても、動画AIの潮目が変わるシグナルと言えます。OpenAIがSoraを引っ込めた事実は、自由度の高すぎる動画生成がいかにコスト倒れになりやすいかを物語っています。そのタイミングでxAIが完全なテキスト生成ではなく制約の効きやすい画像ベースに絞り、API課金モデルで出してきたのは手堅い判断に見えます。

賢いのは、過度な超高画質を追わずに720pで計算負荷を抑え、カメラ制御と連続性に注力した点です。一方で、すでに先行するSeedanceやGoogle Veoとの競争において、720pという画質上限のままでどこまで開発者を引き留められるかは不透明であり、インフラコストの壁をxAI自身がどう乗り越えるかが今後の焦点になります。