料金

Grok Imagine は、画像、ビデオ、オーディオ、テキスト入力をサポートする xAI のマルチモーダル AI ビデオ生成モデルです。自然言語記述を使用して、モーション、エフェクト、カメラの動き、キャラクター、シーン、サウンドなどのあらゆるコンテンツを参照できます。

Grok Imagine は、最大 9 つの画像、最大 3 つのビデオ (合計 15 秒以下)、最大 3 つの音声ファイル、およびテキスト プロンプトの 4 つの入力モダリティをサポートします。さまざまなモダリティにわたって最大 12 個のファイルを結合できます。

Grok Imagine は、16:9、9:16、4:3、3:4、21:9、1:1 などの複数のアスペクト比、最大 2K 解像度で長さ 4 ～ 15 秒のビデオを生成します。

はい! Grok Imagine には、コンテキストを認識したサウンド効果とバックグラウンド ミュージックを作成するオーディオ生成が組み込まれています。オーディオをアップロードして、ビデオ コンテンツを特定のビートに同期することもできます。

はい! Grok Imagine で生成されたすべてのビデオには、ウォーターマークが完全に含まれていません。きれいなプロ品質のビデオをダウンロードして、すぐに使用できます。