Grok Imagine video
テキスト生成、先頭フレーム、参照画像に対応します。参照動画、参照音声、先頭・末尾フレームの組には非対応です。先頭フレームと通常の参照画像は意味が異なり、画像枚数だけで切り替えてはいけません。
モデルと仕様
| モデル | 出力時間 | 解像度 | 参照画像モード |
|---|---|---|---|
grok-imagine-video | 1–15 秒 | 480p / 720p | 現在最大 7 枚、最大 10 秒 |
grok-imagine-video-1.5 | 1–15 秒 | 480p / 720p / 1080p | 現在最大 7 枚、プリセット上限 15 秒 |
各モデルのモード制限を守ってください。資料の「≥7」は少なくとも 7 枚が試せたという意味で、最低 7 枚必要という意味でも、公表された厳密な上限でもありません。PopGo は現在 1–7 枚を受け付けます。
フィールドとモード
| フィールド | 型 | 規則 |
|---|---|---|
model | string | 必須。上表の公開モデル ID |
prompt | string | 必須。最大 4096 UTF-8 バイト |
seconds | integer | モードの範囲内の整数。画面の既定は 8 秒 |
resolution | string | モデルごとに選択。画面の既定は 720p |
aspect_ratio | string | 1:1 / 16:9 / 9:16 / 4:3 / 3:4 / 3:2 / 2:3。既定 16:9。先頭フレームでは省略 |
input_reference | object | 先頭フレームを正確に 1 枚。image_url を含むオブジェクト |
reference_images | object[] | 被写体・スタイル参照。各要素に image_url を含むオブジェクト配列 |
先頭フレームは映像の開始点、参照画像は被写体・スタイル・一貫性の指針です。1 枚でも通常の参照画像を選べます。input_reference と reference_images は排他です。トップレベル image_url は使わないでください。誤ったフィールドが無視され、画像が使われなくても生成・課金される場合があります。
素材、比率、プロンプト
サービス資料には公開 URL と完全な Data URL が記載されていますが、作成後の公開画像取得失敗も記録されています。現在の Grok プリセットは Base64 を使い、ローカル画像を完全な data:image/...;base64,... に変換します。公開画像も取得・変換が必要で、ブラウザーのクロスオリジン制限で失敗する場合があります。裸の Base64、ファイルパス、共有ページは画像データではありません。
先頭フレームでは aspect_ratio を送りません。入力を基にサービスがクロップやリサイズする場合があるため、構図を指定したい場合は先に画像を切り抜いてください。通常の参照画像では比率を指定できます。任意の入力比率をそのまま保つ包括的な保証は公開されていません。
4096 は文字数ではなくバイト数です。資料では中国語 1365 文字が 4095 バイトで成功し、1366 文字は 4098 バイトで失敗しました。混在する文章は UTF-8 の長さを計算し、同じ入力を再送せず短くしてください。
リクエスト例
先頭フレームと通常の参照画像の例です。YOUR_IMAGE_DATA_URL を完全な画像 Data URL に置き換えます。テキスト生成では参照フィールドをすべて省略します。
{
"model": "YOUR_MODEL",
"prompt": "A person turns naturally toward the camera",
"seconds": 5,
"resolution": "720p",
"input_reference": { "image_url": "YOUR_IMAGE_DATA_URL" }
}
{
"model": "YOUR_MODEL",
"prompt": "Keep the subject and visual style consistent",
"seconds": 8,
"resolution": "720p",
"aspect_ratio": "16:9",
"reference_images": [{ "image_url": "YOUR_IMAGE_DATA_URL" }]
}
未確認フィールドと出力音声
HTTP 200 は seed、watermark などの未公開フィールドが有効な証拠ではありません。現在のプリセットにない値を追加しないでください。generate_audio は出力音声のみを制御し、音声参照入力ではありません。不明なフィールドで時間や排他制約を回避できません。
エラーと対処
| エラー・現象 | 対処 |
|---|---|
| reference-to-video duration exceeds 10s | 標準モデルの参照画像モードを最大 10 秒にする |
| Prompt length exceeds 4096 | UTF-8 バイト数を減らす |
| Duration must be between 1 and 15 seconds | 整数を使い、モード固有の厳しい上限も守る |
| Cannot specify both image and reference_images | 先頭フレームと参照画像のいずれか一方にする |
| grok_media_no_eligible_account | 利用可能な容量がない。作成を並列連打せず、回数を制限して待機する |
| imagine:content-moderated | 内容を修正する。非ゼロの使用量が記録された例もあるため PopGo の請求を確認 |
| 成功しても画像が反映されない | 送信フィールド、画像取得、完成映像を確認。タスク ID だけでは使用を証明できない |
id を保存し、queued / in_progress / completed / failed を照会します。再作成の前に既存タスクを確認してください。タイムアウトは未作成の証拠ではありません。権限、残高、容量を分けて調べます。詳細は 動画タスクの流れ。