xAI「Grok Imagine Video 1.5」に参照機能追加、画像・音声リファレンスとネイティブ1080p対応

xAIは動画生成モデル「Grok Imagine Video 1.5」に、画像・音声によるリファレンス機能とネイティブ1080p出力を追加したと発表しました。テキストのみからの動画生成にも対応し、キャラクターの声の一貫性を保ったまま複数シーンを生成できるようになりました。

詳細

• 画像・音声リファレンス: 1回の生成につき最大7件のリファレンス(画像・音声)を指定可能。キャラクターの外見や声を保ったまま新しいシーンを生成できる
• テキストのみでの動画生成: 開始画像なしでテキストプロンプトだけから動画を生成する機能を追加。まず画像を生成し、それを起点に動画化するパイプラインを採用
• ネイティブ1080p: テキスト→動画、画像→動画の両方でネイティブ1080p出力に対応
• 音声の一貫性: 音声リファレンスにより、複数シーンにわたってキャラクターの声を保持できる
• API提供: grok-imagine-video-1.5としてxAI APIからも利用可能(音声リファレンスはリクエストベースで提供)

使ってみるには

• 画像・音声リファレンスは米国のSuperGrok HeavyおよびSuperGrok Plusユーザー向けに、grok.com/imagineおよびiOSアプリで先行提供開始。数日以内に全ティアへ順次展開予定
• テキストのみでの動画生成とネイティブ1080p出力は、ウェブ・iOS・Androidの全プラットフォームで既に一般提供中
• 開発者はxAI API経由でgrok-imagine-video-1.5モデルを利用可能