Grok Imagine 1.5プロンプトガイド

このガイドは、xAIの動画生成ガイドと、動画の概要にあるプロンプト例をもとにしています。モデルについてはGrok Imagine 1.5のページをご覧ください。

xAIのドキュメントによると、1.5は2つの見えない段階でテキストを動画にします。プロンプトから最初のフレームをレンダリングし、そのフレームを動かすのです。つまり、プロンプトの最初の文は1枚の画です。xAIのアドバイスは、カメラワーク、ライティング、サウンドを含めてショットを描写することで、同社の例では、変えてはいけないものについての1行も加えています。

1. 1ショットと、最初のフレームに映るものから始めます：アングルかショットサイズ、被写体、場所。
2. 2何が起きるかを順番に書き、役立つところにはきっかけを入れます：「信号が変わると…」。
3. 3カメラワークを1つ加えるか、「カメラは一切動かない。」と書きます。
4. 4保つべきものについて連続性の1行を加えます：「すべての物はそのままの位置にとどまる」。
5. 5光と見た目を決めます。
6. 6最後にサウンドを書きます。各セリフは話者の後に引用符で、残りは「Sound:」の後に書き、音楽の有無も書きます。

xAIのプロンプト例は、カメラを平易な映像用語で書き、動くものだけでなく動かないものもよく書いています。ショットごとにカメラワークを1つ選び、速さを付けます。

カメラだけを動かしたいときは、xAIの香水の広告のように、そう書きます：「動くのはカメラだけ。」荒々しく物理的な感触がほしいなら、同社のドラゴンが飛ぶ例のように、揺れの原因を描写します：羽ばたき、乱気流、急な旋回。

xAIによると、1.5は効果音、環境音、セリフを同じ処理で作り、動作に合わせて鳴らします。リップシンクした話し声は、前のモデルより明瞭で、同期も良くなっています。同社の例では、サウンドを耳で聞こえる指示として書いています。ネイティブオーディオもご覧ください。

• 話者の名前を書き、話し方を添えて、セリフを引用符で：静かに、慎重に、声をこわばらせて：「私たち？ 私には聞きもしなかったじゃない。」
• セリフの途中の演技は、xAIのカフェのシーンのように角かっこで入れます：「そうよ。[うつむいて、間を置く] ただ思ったの…」
• セリフの下に流れる室内の音は「Sound:」の行に書き、セリフの合間に無音になってはいけないなら、そう書きます。
• 音楽が不要なら「音楽なし」と書きます。xAIの話すキャラクターのレシピでは、ほかの話し声も音楽もなしにするよう求めています。
• 言葉を秒数に合わせます。同じレシピでは、セリフの語数からクリップの長さを決めています。

xAIのドキュメントには1.5が話す言語の一覧がないので、ほかの言語のセリフはテイクごとに確認してください。xAIのAPIでは最大3人の話者にプリセットの声を割り当てられますが、DreamBenchでは声はあなたの描写から作られます。リップシンクもご覧ください。

xAIのAPIは1〜15秒を受け付け、デフォルトは8秒です。DreamBenchの「動画」ページでは4、5、6、8、10、12、15秒を選べます。xAIの例は1行から数百語までさまざまで、DreamBenchではGrokのプロンプトは2,500文字まで書けます。

xAIのAPIでは、キーフレームで指定した秒に画像を固定できます。プロンプトでは順番がその役目を果たします：「それから」「…すると」「彼が話すにつれて」。DreamBenchでは、GrokはYouTube向けの16:9、リール、TikTok、ショート向けの9:16、1:1、4:3でレンダリングします。xAIのAPIでは21:9、3:2なども選べます。

画像から動画生成では、静止画が最初のフレームになり、プロンプトは次に起きることを描写し、クリップは静止画の画面比率を保ちます。xAIの発表記事は、これを1行で表しています：開始画像を渡し、動きを描写する。画像から動画生成をご覧ください。

1. 1画像の内容をもう一度描写しないでください。それはすでに最初のフレームです。
2. 2何が動くかを順番に書きます：「彼女を微笑ませ、手を振らせ、それからまた振り返らせる。」
3. 3大事なところでは方向と速さを指定します：「左から右へ、ぐんぐん加速しながら」。
4. 4カメラ、サウンド、そしてそのまま保つべきものを加えます。

xAIの画像から動画生成は1.5で最大1080pに対応し、APIでは最後のフレームや、クリップ内の最大4つのキーフレームも固定できます。DreamBenchはどちらも提供しておらず、作成画面には開始や終了のスロットがありません。映像では、参照画像から各クリップの開始フレームを描き、Grokがそれを動かします。最初と最後のフレーム指定をご覧ください。

xAIの参照画像から動画生成は、1.5で最大14枚の画像を最大720pで受け付け、最初のフレームを固定せずに人物、商品、場所を取り込めます。参照が多いときのアドバイスは、それぞれに1つの役割とシーン内の決まった位置を与え、登場人物を少なくし、小道具を動かさないことです。プロンプトでは：

• 毎回、各キャラクターを同じ言葉で描写し、どこに立つかも書きます：「両方のショットで、サムは左、レナは右にいる。」
• 小道具は一度数えて、そのまま保ちます：「皿は1枚、クロワッサンはちょうど2つ。誰も触らない」。
• 服、時間帯、光を保ちます。

xAIのストーリーボードのレシピでは、1つのキーフレームを編集して新しいシーンごとに取り込むことで、キャラクターを保ちます。DreamBenchは、各キャラクター、場所、小道具を設定シートとして一度だけ描き、各クリップの開始フレームを必要な設定シートから描きます。キャラクターの一貫性をご覧ください。

xAIは、1ショットを超える方法を2つ示しています。カフェの例では、15秒の1クリップに2つのショットを入れ、「ハードカット1回でつなぎ、クロスディゾルブもフェードもなし」としています。ストーリーボードのレシピでは4つのショットを計画し、それぞれを8秒の別クリップにしてつなげます。マルチショット動画をご覧ください。

• 1クリップ内では：ショットの数とつなぎ方を書き、2つ目のショットはカメラの位置から描写し、全員をフレームの同じ側に保ちます。
• クリップをまたぐときは：1クリップに1つの瞬間、それぞれに別の舞台かアングル、どのキャラクターにも同じ言葉。

DreamBenchで映像の内容を説明し、Grok Imagine 1.5を選ぶと、DreamBenchが各ショットを最大12秒のカットなしのGrokの1クリップとして書き、開始フレームを描き、クリップを1本につなげます。どのクリップもメモを添えて作り直せます。「動画」ページでは、書いたカットがそのままGrokに届きます。

DreamBenchの「動画」ページや、Grok Imagine 1.5を動かせる任意のツールに貼り付けてください。どれも最初のフレームから始まります。

アクション：マウンテンバイクのジャンプ

8秒、16:9。泥だらけの森の小道を映すローアングルのワイドショット。赤いヘルメットのライダーが坂の頂上に差しかかる。彼女はジャンプ台から飛び出し、泥しぶきを上げて着地し、カーブを横滑りしながら曲がる。カメラは低い位置で彼女の横を並走する。曇り空の光。Sound: 泥をえぐるタイヤの音。音楽なし。

商品：香水瓶

8秒、1:1。濡れた黒いスレートに置かれた、「SALT & FERN」とラベルのあるすりガラスの瓶のクローズショット。ゆっくりなめらかにプッシュインし、ラベルがくっきりしたところで終わる。水を通したような光がガラスに揺らめく。動くのはカメラだけで、瓶とその文字は一切変わらない。新しいものは何も現れない。Sound: やわらかなアンビエント音楽。

セリフ：キッチンテーブルでの2人の会話

15秒、16:9。ハードカット1回でつないだ2つのショット。ショット1、朝の光が差すキッチンテーブルのワイドなツーショット：グレーのセーターの男性がチケットを滑らせて渡し、にやりとして言う：「リスボンで2週間。いいって言って。」ハードカットで彼の後ろからの肩越しショットへ、最後まで保つ：彼女がチケットを手に取り、笑って驚きながら：「もう予約しちゃったの？」つながり：テーブル、2つのマグカップ、チケットは両方のショットで一致。Sound: やかん、外の鳥のさえずり。音楽なし。

群衆：夜市

10秒、16:9。雨の夜市を映すハイアングルのワイドショット、屋台の間に提灯。銅鑼が鳴ると、傘を差した何百人もの人が路地に流れ込み、ぶつからずにすれ違っていく。ゆったりしたタイムラプスの雰囲気。Sound: 帆布を打つ雨、ジュージューと音を立てる中華鍋。

タイムラプス：1日を通した庭

12秒、16:9。コテージガーデンの夜明けから夜までを固定カメラで撮ったタイムラプス：影が芝生を横切り、ひまわりが太陽を追って向きを変え、空は金色から深い青へ変わり、窓に明かりが灯る。頭上を雲が流れていく。カメラは一切動かない。Sound: 鳥のさえずり、やがてコオロギの声。

料理：パンケーキにシロップ

6秒、9:16。超スローモーションのマクロショット：濃いメープルシロップがパンケーキの山に注がれ、折り重なりながら側面を伝って垂れ、バターのかけらが滑り落ちる。窓から差す温かい光、立ちのぼる湯気、浅い被写界深度。Sound: やわらかな滴る音、かすかなジューという音。

アニメーション：粘土のハリネズミ

10秒、16:9。ストップモーションのクレイアニメ、粘土には指紋が見え、フレームレートは少しカクカクしている。緑のマフラーをした小さな茶色の粘土のハリネズミが、苔むしたテーブルの上でリンゴを転がし、片方の前足で止めて、誇らしげにひと口かじる。つながり：すべての物はそのままの位置にとどまり、何も現れず、形も変わらない。ミニチュアセットの温かい光。Sound: やさしいオルゴールのメロディ。

POV：そりで滑り降りる

8秒、16:9。雪の森の斜面を勢いよく滑り降りる木のそりからのPOV。フレームの下にはロープを握るミトンの手。松の間を縫うように曲がり、尾根で跳ねる。手持ちのアクションカメラの映像のように、跳ねるたびに揺れ、雪がレンズの前を飛び散る。Sound: シューと鳴るそりの刃、歓声。音楽なし。

縦型のSNSクリップ：カメラに向けたフック

6秒、9:16。ラッシュアワーの混んだ駅のホームでの自撮りの構図。デニムジャケットの若い女性が、腕を伸ばしてスマートフォンを持っている。彼女は身を乗り出し、早口で内緒話をするように言う：「夜行列車について、誰も教えてくれないこと。」彼女の後ろに列車が入ってくる。Sound: ホームのアナウンス、きしむブレーキ。

短いセリフ：パン屋のカウンター

5秒、4:3。左の窓から温かい光が差す、パンが並ぶカウンターの奥にいる、小麦粉のついたエプロンのパン職人のミディアムショット。彼女は紙袋を差し出し、明るく言う：「まだ温かいですよ。皮に気をつけて。」カメラは固定。Sound: 店のベル、レジの引き出し。

天候：防波堤に打ち寄せる波

8秒、16:9。暗い空の下、石の港の防波堤で、係船柱の後ろから撮ったローショット。嵐の波が防波堤の上で砕け、しぶきが魚の木箱に降りかかり、また引いていく。カメラは固定のまま。Sound: とどろく波、カモメ。音楽なし。

2つのクリップ：灯台守

クリップ1。6秒、16:9。白いひげに紺色のウールのセーターを着た年老いた灯台守が、ランタンを手に鉄の階段の最後の数段を上るワイドショット。カメラは彼に合わせてティルトアップする。冷たく青い夜明けの光。Sound: 鉄を踏むブーツの音、風。

クリップ2。6秒、16:9。白いひげに紺色のウールのセーターを着た年老いた灯台守が、大きなランプの横でマッチを擦るクローズショット。温かい光が彼の顔を照らす。カメラは固定。Sound: マッチの音、ランプのシューという音。

2つのクリップは灯台守を同じ言葉で描写し、夜明けの光を保っています。カットで変わるのはフレーミングです。

Grokの弱いプロンプトのほとんどは、最初のフレームを書いていません。

• 同じプロンプトを2回実行すると、2つの違うクリップができます。
• DreamBenchのクリップにはすべてサウンドが付きます。xAIのAPIでは無音のクリップを作れますが、DreamBenchではできないので、編集ソフトでミュートしてください。
• 実在の人物や商品は、言葉だけでは再現できません。使用する権利のある画像が必要です。
• 1回の生成は15秒で止まり、DreamBenchの「動画」ページでは2,500文字を超えるプロンプトは受け付けられません。

• クリップ1本なら、「動画」ページでGrok Imagine 1.5を選び、プロンプトを貼り付けて、4〜15秒の長さ、フレーム、720pか1080pを選びます。プロンプトは書いたとおりにxAIのgrok-imagine-video-1.5へ送られます。
• プロンプトなら、AI動画プロンプト生成が、どのモデル向けにもショットリストの順番でプロンプトを書きます。Grok専用のプリセットはなく、書くのはプロンプトだけです。
• 映像なら、内容を説明し、参照画像を最大8枚追加して、Grok Imagine 1.5を選びます。DreamBenchがすべてのショットを書き、描き、つなげます。どのショットも作り直せます。
• 提供なし：1.5 Lite、参照画像やプリセットの声、最初・最後・キーフレームの指定、無音のクリップ、21:9。

Grok Imagine 1.5はすべてのプランで使えます。作成画面には、生成前にクレジットでの料金が表示されます。初回は無料アカウントを作成し、プランを選んでください。ほかのモデルについてはMiniMax H3、Veo 3.1、Kling 3.0のプロンプトガイドを、言葉だけから作るプロンプトならテキストから動画生成をご覧ください。