1
「テキストから動画」のまま
上の生成ツールは「テキストから動画」タブで開き、Grok Imagine モデルが選択済みです。
Grok Imagineテキストから動画 · Grok Imagine
Grok テキストから動画生成ツール
シーンを言葉で描写するだけで、動きと音のある動画クリップに
被写体、動き、カメラワーク、音など「何が起きるか」を書けば、Grok Imagine が 6〜30 秒・480p または 720p の動画に仕上げます。16:9、9:16、1:1、3:2、2:3 から比率を選び、生成前に消費クレジットを確認できます。アプリのインストールは不要で、ブラウザだけで使えます。
使い方の流れ
4ステップでテキストから動画
2
シーンを書く
画面に映る人や物、その動き、場所、カメラの動き、ライティング、そして聞こえる音を書き込みます。
3
長さ・解像度・比率を選ぶ
6〜30 秒、480p または 720p、投稿先に合ったアスペクト比を選びます。変更に合わせて消費クレジットが更新されます。
4
生成して確認
音付きでクリップをプレビューし、動き・カメラ・スタイルなどプロンプトの一部分だけを調整して、もう一度生成します。
テキストから動画の機能
すべてはプロンプトから
画像は不要
テキストから動画は白紙の状態から始まります。被写体、舞台、スタイル、動きはすべてプロンプトで決まるので、素材やイラストがなくてもアイデアを試せます。
カメラワークを普段の言葉で指示
ゆっくりとしたドリーイン、手持ちのフォローショット、空撮で引いていくカット、固定カメラの引きの画など、自由に指定できます。カメラの動きを明記することが、テキストから動画のプロンプトを最も大きく改善するポイントです。
音も同じプロンプトから
環境音、効果音、音楽、短いセリフを書き込めば、Grok が映像と一緒に音声を生成します。最初のプレビューから音付きで再生できます。
5種類のアスペクト比
YouTube やプレゼンには 16:9、TikTok・Reels・Shorts には 9:16、フィード投稿には 1:1、写真のような構図には 3:2 や 2:3。生成前に設定するので、あとからトリミングする必要はありません。
6〜30秒、480p または 720p
まずは 6 秒・480p で手軽にアイデアを確認し、気に入ったものを長尺や 720p で本番生成。消費は 480p で 1 秒あたり 2 クレジット、720p で 4 クレジットで、送信前に表示されます。
Normal・Fun・Spicy の3モード
プロンプトを書き直さずに生成スタイルを切り替えられます。どのモードもプロバイダーの安全ルールと当サイトのコンテンツフィルターの範囲内で動作します。
テキストから動画のプロンプトの書き方
Grok でテキストを動画にする方法
テキストから動画のプロンプトは、脚本の 1 カットのように書くのが効果的です。被写体はひとつ、主な動きもひとつ、カメラワークもひとつ。この順番で書けば、たいてい 2〜3 文で十分です。
- 1
被写体
カットの主役と、その具体的な特徴を書きます。「男性」ではなく「黄色いレインコートを着た年老いた漁師」のように。
- 2
動き
始まりと終わりのある、はっきりした動きをひとつ。「網を船に引き上げ、嵐の空を見上げる」。
- 3
舞台と光
場所とライティングを決めます。「夜明けの小さな木造船、重く垂れ込めた灰色の雲、冷たい青い光」。
- 4
カメラ
どう撮るかを書きます。「ローアングルからゆっくりプッシュイン、浅い被写界深度」。
- 5
音
最後に音を加えます。「風、船体に打ちつける波、遠くのカモメの声」。自分で BGM を付ける予定なら省略しても構いません。
テキストから動画をもっと良くするコツ
1回の生成で1カット
ひとつのプロンプトに何度も場面転換を入れると、混ざり合ってしまいがちです。カットごとに生成して、あとでつなげましょう。
スタイルは言葉で指定
「35mm フィルムで撮影」「アニメのセル画風」「商品 CM のようなライティング」といった表現のほうが、形容詞を並べるより確実にルックを決められます。
短く安く試作する
まずは 6 秒・480p（12 クレジット）でテスト。動きが決まってから、長さや 720p にクレジットを使いましょう。
特定の顔や商品が必要なら
テキストだけでは特定の人物や商品を正確に再現できません。「画像から動画」または「参照画像から動画」に切り替えて、画像をアップロードしてください。
テキストから動画の活用シーン
撮影素材なしで、アイデアをそのままクリップに
ショート動画
TikTok、Reels、Shorts 向けの 9:16 縦型クリップ。冒頭のフック、B ロール、ビジュアルネタ、ループ背景などに。
広告・企画のコンセプト
撮影を手配する前に、CM のアイデアや企画用のムード映像を形にできます。
絵コンテ・プリビズ
脚本のセリフを動くカットにして、テンポ、カメラワーク、ライティングを検証できます。
B ロール・背景映像
動画、配信、プレゼン用に、エスタブリッシングショット、テクスチャ、環境ループ映像を生成できます。
テキストから動画 よくある質問
Grok のテキストから動画に関するよくある質問
Grok のテキストから動画とは？
xAI の Grok Imagine 動画モデルを使い、書いたプロンプトを短い動画クリップに変える機能です。このページで説明文を入力し、長さ・解像度・アスペクト比を選ぶと、プロンプトから生成された音声付きで、6〜30 秒・480p または 720p の動画ができあがります。
Grok のテキストから動画は無料で使えますか？
無料で始められます。新規アカウントには 12 クレジットが付与され、6 秒・480p の動画を 1 本作れます。毎日のチェックインでさらに 2〜3 クレジットがもらえます。生成とプレビューは含まれていますが、動画ファイルのダウンロードには有料プランまたは過去のクレジット購入が必要です。
X Premium や SuperGrok のサブスクリプションは必要ですか？
不要です。当サイトは公式 Grok アプリではなく、独立した Web スタジオです。API プロバイダー経由で Grok Imagine 動画モデルを動かし、生成ごとにクレジットで課金するため、X アカウントや X Premium・SuperGrok のサブスクリプション、モバイルアプリは必要ありません。
テキストから動画のクリップはどのくらいの長さにできますか？
1 回の生成で 6〜30 秒です。料金は長さに比例し、480p は 1 秒あたり 2 クレジット、720p は 1 秒あたり 4 クレジット。たとえば 10 秒・720p のクリップは 40 クレジットです。正確な消費クレジットは生成前に表示されます。
対応しているアスペクト比は？
テキストから動画は 16:9（横長）、9:16（縦長）、1:1（正方形）、3:2、2:3 に対応しています。投稿先に合った構図になるよう、生成前に比率を選んでください。
動画に音声は付きますか？
はい。プロンプトに書いた環境音、効果音、音楽、短いセリフなどをもとに、Grok が映像と一緒に音声を生成します。仕上がりにはばらつきがあるので、プレビューでタイミングを確認し、必要に応じて音の描写をより具体的にしてください。
良いテキストから動画のプロンプトを書くには？
1 カットを描写しましょう。被写体、主な動きをひとつ、舞台とライティング、カメラの動き、そして音。「黄色いレインコート」「ゆっくりプッシュイン」のような具体的な描写は、漠然とした画質のキーワードより効果的です。また、一度に 1 要素ずつ変えると結果を改善しやすくなります。
テキストから動画と画像から動画、どちらを使うべき？
プロンプトですべてを決めたいときや、まだ素材がないときはテキストから動画。特定の写真に似せる必要があるときは画像から動画。同じキャラクターや商品を複数のクリップに登場させたいときは参照画像から動画を使いましょう。
動画を商用利用できますか？
有料プランなら可能です。すべての有料プランとクレジット購入には、アカウント内のコンテンツに対する商用ライセンスが含まれます。無料プランは個人利用のみです。ブランド、実在の人物、音楽など、プロンプトに含まれる第三者の権利については引き続きご自身の責任となります。
テキストから動画の生成が失敗したのはなぜ？
失敗の多くはコンテンツモデレーションによるものです。実在の人物、未成年者、暴力、露骨な表現を含むプロンプトは、プロバイダーに拒否されることがあります。失敗した生成のクレジットは自動的に返還されます。言い回しを変えたりモードを切り替えたりすると、たいていは解決します。