Grok Imagine Video 1.5提供開始

イーロン・マスク率いるAI企業xAIは、静止画からハイクオリティな動画を生成するAIモデル『Grok Imagine Video 1.5』をImagine API上で一般提供（GA）開始しました。これに伴い、Webサイトおよびアプリのユーザーに向けて、生成速度をほぼ2倍に高めた軽量版『Grok Imagine Video 1.5 Fast』の提供も開始しました。シーンに同期した環境音や音声効果なども一挙に生成できるマルチモーダルな進歩が特徴です。

1. 物理挙動とモーションの一貫性の向上

Grok Imagine Video 1.5では、動画クリップの最初から最後まで被写体の物理的な形状の一貫性を保る能力が大幅に改善され、動画生成時に発生しがちだった画面の歪みやオブジェクトの崩壊が大きく抑えられました。物体が移動する際の慣性や重量感がよりリアルになり、人間や物体の動的な物理表現が極めて自然に描写されます。

2. サウンドエフェクトの自動生成と生成時間の半減

映像生成と同時に、音響効果（SFX）、環境音、会話などの音声情報を同じタイミングで同期して生成できます。キャラクターの口の動きとスピーチの同期（リップシンク）精度や明瞭さも向上しました。また、高速版である「Video 1.5 Fast」では、動画生成時間が約25秒へと大幅に短縮され、従来のほぼ半分の時間で高品質な6秒間の動画クリップを出力できます。

xAIがGrok Imagine Video 1.5の一般提供を開始し、生成速度の劇的な高速化を実現したことは、先行する動画生成AI市場に対する強い競争力となります。特に映像と環境音・会話を同時にズレなく生成する技術は、映像制作におけるリアリティを高める重要な強みです。OpenAIの動画生成AI「Sora」の提供終了が伝えられるなど、動画生成AI市場の進化スピードが加速する中で、xAIは高速なプロトタイプ制作と高精度の音声同期を武器に、クリエイターやAPIデベロッパーの支持を集めようとしています。