Grok Imagine：xAIの画像・動画生成AI — Image 2.0とVideo 1.5

Grok Imagineとは

Grok Imagineは、チャットボットGrokを手がけるxAIの画像・動画生成AIです。xAIは2024年12月に最初の画像モデルAuroraを公開し、2026年秋までにImagineは2つの独立したモデルに成長しました。

• Imagine Image 2.0 — 画像の生成と編集のモデル。2026年8月7日に登場し、GrokアプリのQualityモードになりました；
• Imagine Video 1.5 — 音声付き動画のモデル。2026年6月に画像からの動画版と高速なFast版が、7月31日に参照対応、テキストからの動画、1080pに対応した版が登場しました。

両モデルはgrok.com/imagine、iOSとAndroidのアプリ、xAIのAPIで使えます。

Grok Imagineでできること

仕事で使える画像。 xAIはImage 2.0を実務向けのモデルと位置づけています。指示に正確に従い、デザイナーのようにタイポグラフィとレイアウトを考え、小さな文字もくっきり描きます。2026年9月24日時点のArenaで、Image 2.0は80モデル中6位。Nano BananaファミリーのNano Banana 2より上です。

部分的な編集。 「マジックワンド」は指定した範囲だけを変え、ほかには手を加えません。セグメンテーションで正確な範囲を選択し、背景削除で被写体を透明背景で書き出し、Smart resizeで新しいアスペクト比に合わせて画像を広げます。1回の生成で最大5枚の元画像を使えます。

音声付き動画。 Imagine Video 1.5は写真を動かすか、テキストから動画を作ります。テキストの場合、モデルはまず最初のフレームを描き、それを動かします。Fast版は720p・6秒の動画を約25秒で作ります。

物理表現と躍動感。 xAIはVideo 1.5を、動きと物理表現で同社最高のモデルとしています。スポーツのトリックや、ここぞという場面のスローモーションが得意です。

複数のシーンで同じキャラクター。 2026年7月31日から、Video 1.5には画像を最大7枚と声をアップロードできます。キャラクターの顔と声がすべてのシーンで保たれます。APIでの声の参照はリクエストに応じて提供されます。

Grok Imagineが向いている用途

• 小さな文字を含むポスターやインフォグラフィック — Image 2.0の得意分野。
• 写真の部分編集 — 物体の置き換え、背景の削除、透明背景での切り抜き。
• 21:9や5:2のバナー — Webサイトやカバー向けの珍しいフォーマット。
• 躍動感のある動画 — スポーツ、トリック、動物、アクション。
• 同じキャラクターの動画シリーズ — 顔と声の参照。

Grok Imagineと競合モデルの比較

画像：

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Arenaの順位（2026年9月24日）	6位	1位	9位	14位
部分編集	マジックワンド、セグメンテーション	マスク	プロンプト	プロンプト
背景削除	あり	透明背景	—	—
参照	最大5枚	複数	最大14枚	最大14枚
API料金	0.02ドルから	トークン課金	0.045ドルから	0.134ドルから

動画：

	Imagine Video 1.5	Seedance 2.5	Gemini Omni	Kling 3.0
Arenaの順位（2026年9月21日）	4位（エージェントモード）	7位	1–2位	29位（2.6 Pro）
音声	あり	あり	あり	あり
解像度	最大1080p	開発元は非公開	最大4K	720p、1080p
参照	写真最大7枚、声	最大50件	写真と動画	写真最大7枚
API料金	1秒0.08ドル	—	—	—

Grok Imagineのプロンプトの書き方

• 文字入りの画像 — 正確な文言をかぎかっこで囲み、「no other text」と添える。ギャラリーのポスター「NIGHT DRIVE」と同じやり方です。
• 編集 — 範囲を選び、変更点だけを書く。「マグカップをガラス製に替えて、ほかはそのまま」。
• 写真から動画 — 動き、カメラ、雰囲気を書く。構図はモデルが写真から読み取ります。
• テキストから動画 — モデルはまず最初のフレームを描くので、それを詳しく書く。
• 音声は別の行に： 「Sound：…」。

AI2FaceでGrok Imagineを使う方法

Grok ImagineはAI2Faceのジェネレーターで使え、SuperGrokのサブスクは不要です。同じプロンプトで、画像はNano BananaやGPT Imageと、動画はSeedanceやGemini Omniと比べられます。各生成の費用は実行前に表示され、カードや暗号資産で支払えます。パックのクレジットは失効しません。新規アカウントには登録後にウェルカムクレジットが付与されます。

制限事項

• 新機能はまず加入者向け。 xAIは顔と声の参照をSuperGrok HeavyとPlusのプランから提供しました。
• 参照付き動画は720pまで。 参照モードは720pに限られ、1080pはテキストや写真からの動画で使えます。
• APIでの声の参照はリクエスト制。
• ネオンサインや背景の文字は意味のない記号になることがあります。ギャラリーのポートレートでも、女性の背後の看板にそれが見られます。

まとめ

Grok Imagineは、2つのモデルがどちらも上位にいる珍しい生成AIです。Image 2.0は画像で6位、Video 1.5は動画で4位。文字入りのポスター、部分編集、珍しいフォーマットのバナーにはImage 2.0を、躍動感のある動画や同じキャラクターのシリーズにはVideo 1.5を使いましょう。文字の正確さを最優先するならGPT Image、動画ならGemini OmniとSeedanceが最も近い選択肢です。どれもAI2Faceで使えます。