イーロン・マスクの本気をみた？「Grok Imagine 1.0」の進化

　2026年2月2日にxAIが発表した「Grok Imagine 1.0」は、従来の画像生成にとどまらず、動画生成機能を本格的に拡張した点が特徴となる。ユーザーが自然言語で指示を与えることで、複数のシーンを含む長尺動画を一貫した構図や世界観で生成でき、解像度やフレームの安定性も向上した。また動画のテイストを「Spicy」、「Fun」、「Normal」の3つから選択することができるのもGrok Imagineの特徴。これまで生成AIによる動画は短時間の断片的な表現に限られるケースが多かったが、同社は今回のモデルで実用的な映像制作への活用を視野に入れたとしている。


　また1回のプロンプトで複数の画像を同時生成、画像から動画を生成することができる。テキストから動画（T2V）への変換も優れており、指示の追随能力は大幅に強化されている。動画の長さは6秒から10秒を選べ、動画の解像度は480pixまたは720pix、アスペクト比は、縦型で2:3か9:16、横型で3:2か16:9、正方形の1:1も選択することができる

　音声面でも改良が加えられ、映像に同期したナレーションや効果音、簡易的な音楽生成が可能になった。キャラクターの口の動きと音声の整合性を高めるリップシンクも導入され、違和感の少ない表現を実現したと説明している。これにより、広告、教育、エンターテインメント分野での利用拡大を見込む。

「Grok Imagine 1.0 Introduce」（xAIのX公式アカウントより）

　xAIは同時に開発者向けAPIの提供も明らかにし、外部サービスや業務システムへの組み込みを容易にする方針を示した。画像生成、動画編集、要素の追加や削除などを一連の工程として扱える点が特徴で、競合する生成AIサービスとの差別化を図る狙いがある。イーロン・マスク氏が率いるxAIは、生成AI分野で急速に存在感を高めており、今回の発表は同社の技術力を示す象徴的な取り組みと位置付けられている。