何が起きたか

xAIが2026年7月31日、動画生成モデル Imagine Video 1.5 に「参照（References）」を追加したと発表しました。先月出た同じモデルへの追加アップデートで、変わった点は3つです。

1. 参照画像で「動かしたくないもの」を固定する。 参照画像1枚が1つの要素を担当します。顔、商品、場所。人物を固定して場所を差し替える、場所を固定して人を差し替える、両方を固定して動きだけ変える——という使い分けが説明されています。1回の生成につき参照は最大7枚まで。

2. 声も固定できる。 人物の画像と声の参照を一緒に渡すと、シーンが変わっても同じ顔・同じ声が保たれる、とされています。

3. 元画像なしでも作れる／1080p対応。 説明文だけから動画を作る text-to-video に対応し、ネイティブ1080pでの生成もできるようになりました。

提供の条件は機能によって違います。画像と声の参照は、米国の上位プラン（発表文の表記では SuperGrok Heavy と SuperGrok Plus）から開始で、数日かけて全プランに広げる予定と書かれています。text-to-video と1080pのほうは grok.com/imagine とiOS・Androidアプリで一般提供、という書き方です。日本で使えるかどうかは発表文に記載がありません。

料金は、xAIの料金ページを見ると無料プランはありますが、画像・動画の生成は有料の SuperGrok（月30ドル）の欄に並んでいます。試すなら課金が前提になりそうです。

生活で何が変わるか

AIで動画を作りはじめると、たいてい「1カット目と2カット目で人が別人になる」ところで止まります。服が変わる、顔が変わる、部屋の家具が入れ替わる。1本だけならやり直せばいいのですが、何カットかつなぎたいとなると急に難しくなります。

今回の更新は、そこを「変えないものを先に指定しておく」という形で押さえにいくものです。手元の用途でいうと、こういう場面が想像しやすいと思います。

  • フリマやハンドメイドの出品紹介：商品の写真を参照に入れておいて、置く場所や角度だけ変えた短い動画を何本か作る
  • 手順の説明動画：同じキッチン・同じ手元を保ったまま、工程ごとにカットを分ける
  • 小さな副業の紹介動画：話し手の顔と声を固定して、背景だけ差し替える

ただし、参照に他人の顔写真や有名人の画像を入れるのは避けたほうがいいです。自分の写真か、自分で用意した素材にとどめておくのが無難だと思います。似せる精度が上がるほど、ここは慎重にいく話になります。

もう一つ、発表文は「参照を渡せば保たれる」と書いていますが、どこまで保たれるかは自分の素材で試してみないと分かりません。私も条件つきの機能だと思って見ています。

マスターの一言

この参照機能はまだ触っていません。米国の上位プランからという書き方なので、日本の手元ですぐ同じことができるとも限らないと見ています。

ただ、AI動画で詰まるのは1本の出来より一貫性のほうだ、というのは実際に作っていての実感と合っています。単発できれいなカットが出ても、次のカットで顔つきが変わると結局使えません。「毎回うまく出す」より「同じものを何度も出す」ほうが、実用では効いてきます。

動画生成の各社の更新が、画質や長さより同じ人・同じ物を保つ方向に寄ってきているのは、そのあたりが理由だと思います。

出典：Imagine Video 1.5 with References（xAI） ／ 料金の記載は xAI Pricing を参照