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

> Grok ImagineはxAIの画像・動画生成AIです。2026年8月7日に登場したImagine Image 2.0は、正確なタイポグラフィ、範囲指定の編集、背景削除、最大5枚の参照に対応し、Arenaで80モデル中6位。Imagine Video 1.5は音声付きの1080p動画を作り、7月からは顔と声の参照にも対応しました。AI2FaceのジェネレーターでGrok Imagineを使えます。

開発元: xAI · リリース: 2026-08-07 · 更新日 2026-10-02
URL: https://ai2face.com/ja/models/grok-imagine

## 主要データ

| | |
|---|---|
| 開発元 | xAI |
| バージョン | Imagine Image 2.0（2026年8月7日）、Imagine Video 1.5と1.5 Fast（2026年6月）、参照対応のVideo 1.5（2026年7月31日） |
| 機能 | 画像の生成と編集、テキスト・写真・参照からの音声付き動画 |
| 画像 | 1Kと2K、範囲指定の編集、セグメンテーション、背景削除、参照は最大5枚 |
| 動画 | 最大1080p・音声付き、参照は最大7件、キャラクターの声 |
| アスペクト比 | バナー向けの21:9や5:2にも対応 |
| API料金 | 画像 — 0.02ドルから；Video 1.5 — 1秒0.08ドル |
| AI2Face | 対応 |

## 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](/ja/models/nano-banana)ファミリーの[Nano Banana 2](/ja/models/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。

[日当たりのよい窓辺にいるふわふわの茶トラ猫が、ガラスの向こうの蝶に気づき、身をかがめて手を伸ばす](https://ai2face.com/_astro/media/models/grok-imagine/cat-window.mp4 "毛並み、光、猫の動きに、鳴き声と鳥のさえずりも。Grok Imagine Video 1.5、720p、6秒")

**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。

[スケートボーダーが階段の上でキックフリップを決め、カメラがジャンプの頂点でスローモーションで追い、着地して走り去る](https://ai2face.com/_astro/media/models/grok-imagine/skate-kickflip.mp4 "ジャンプの頂点でスローモーション、その後通常速度に戻る — プロンプトどおり。Grok Imagine Video 1.5、6秒")

**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](/ja/models/gpt-image) | [Nano Banana 2](/ja/models/nano-banana-2) | [Nano Banana Pro](/ja/models/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](/ja/models/seedance) | [Gemini Omni](/ja/models/gemini-omni) | [Kling 3.0](/ja/models/kling) |
|---|---|---|---|---|
| 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。

## 生成例

- 雨の夜、街のネオンの下に立つ赤いレザージャケットの短いプラチナヘアの若い女性
  プロンプト: `大胆でコントラストの強いエディトリアルポートレート：夜の街のネオンの下に立つ、短いプラチナヘアに赤いレザージャケットの若い女性、雨の反射、映画的、シャープなディテール、文字なし`
- 夜明けの雲の上に浮かぶ島の巨木、島の縁から流れ落ちる滝
  プロンプト: `壮大なファンタジー風景：夜明けの雲の上に浮かぶ島に生える巨大な古木、島の縁から流れ落ちる滝、小さな鳥の群れ、鮮やかで濃い色彩、絵画的なデジタルアート、文字なし`
- シンセウェイブのポスター「NIGHT DRIVE」：ヤシの木の間のグリッド状の道をネオンの夕日へ走るスポーツカー
  プロンプト: `1980年代のレトロなシンセウェイブポスター：グリッド状の道を巨大なネオンの夕日へ走るスポーツカー、ヤシの木のシルエット、マゼンタとシアンの配色、大胆なグラフィック、上部にクロームの文字で NIGHT DRIVE、ほかの文字なし`
- 夜市で燃え上がる中華鍋の麺をあおる料理人、火花と湯気
  プロンプト: `フォトリアルな屋台料理のシーン：夜市の屋台で燃え上がる中華鍋の麺をあおる料理人、火花と湯気、暖かな提灯、ダイナミックな動き、高コントラスト、文字やロゴなし`

## よくある質問

### Grok Imagineとは何ですか？

チャットボットGrokを手がけるxAIの画像・動画生成AIです。現在は画像用のImagine Image 2.0と、音声付き動画用のImagine Video 1.5の2モデルがあります。

### Grok Imagineで動画を作るには？

シーンをテキストで説明するか、最初の写真をアップロードして動きを説明します。2026年7月31日からは、参照画像を最大7枚とキャラクターの声を追加して、複数のシーンで同じキャラクターを保てます。

### Grok Imagineはほかと比べてどのくらい優れていますか？

2026年9月時点のArenaでは、Imagine Image 2.0は80の画像モデル中6位、Grok Imagine Video 1.5（エージェントモード）は48の動画モデル中4位です。

### Grok Imagineは無料で使えますか？

xAIでは無料で使える範囲はGrokのプランによって異なり、一部の機能はまずSuperGrok加入者に提供されます。AI2Faceなら登録後のウェルカムクレジットでGrok Imagineを試せます。

### Grok Imagineは日本語のプロンプトを理解しますか？

日本語でもプロンプトを書けますが、正確なタイポグラフィや複雑なシーンには英語のほうが確実です。画像に入れたい文字は、必要な言語でかぎかっこに入れて書きましょう。

## 出典

- https://x.ai/news/grok-imagine-image-2
- https://x.ai/news/grok-imagine-video-1-5
- https://x.ai/news/grok-imagine-video-1-5-references
- https://docs.x.ai/developers/models
- https://x.ai/news/grok-image-generation-release
- https://docs.x.ai/developers/model-capabilities/video/generation
- https://arena.ai/leaderboard/text-to-image
- https://arena.ai/leaderboard/text-to-video