Grokの動画生成プロンプトおすすめ例｜日本語も解説

Grokで動画を作ってみたけれど、プロンプトがうまく通らない、動きが弱い、思った雰囲気にならない……そんなモヤモヤ、ありますよね。

この記事では、Grokの動画生成プロンプトおすすめ例を日本語でまとめつつ、Imagine videoやImagine、Make a Videoの見つけ方から、iOS・Android・Web版の違い、無料の回数制限や上限、6秒と10秒、720p、Upscale video、Normal・Fun・Spicyの違い、字幕やBGMの制御、日本語音声が不自然なときの対策、エラーでできないときの考え方まで、実務目線で整理します。

あなたが今すぐコピペして試せる例も用意したので、まずは一つだけでも走らせて、出力の感覚を掴んでください。

Grokの動画生成プロンプトのおすすめ例｜日本語でも作れる

まずは最短で「作れる状態」に持っていきます。ここでつまずくと、どんなに良いプロンプトでも成果が出ません。操作手順、端末差、設定、モード、制限までを一気に押さえましょう。

Imaginevideoの使い方

Grokの動画生成は、基本的にImagine（生成）画面で動かします。表示名はアップデートで変わることがあるので、私は「ボタン名」よりも「どの画面にいるか」を基準に覚えています。ここ、気になりますよね。アプリを開いても、会話画面に戻ってしまって「どこから作るの？」となるのが一番あるあるです。

まず迷わないための導線の考え方

私はGrokを大きく「会話する場所」と「作る場所」に分けて考えています。会話は文章が中心、Imagineは画像・動画の制作ツール寄り。なので、会話画面で頑張ってプロンプトを詰めても、動画生成の導線に乗っていないと何も始まりません。逆に言うと、導線さえ合っていれば、最初のプロンプトはラフでも結果が出ます。

テキストから始めるか、画像から始めるか

初心者の方には、私は基本「テキスト→画像→動画」の順をおすすめしています。理由はシンプルで、動画は元画像の影響が強いからです。最初から画像をアップロードして動画化するのもアリなんですが、画像を入れた瞬間に動画生成が走ることがあって、設定やプロンプトを落ち着いて調整しにくいケースがあります。まずはテキストで“素材となる一枚”を作ってから動画にすると、狙いのブレが減りやすいです。

注意

画像アップロード型は、環境によってはアップロード直後に生成が開始されることがあります。先に「何を作るか」「字幕やBGMは必要か」などを決めてから画像を入れると手戻りが減ります。

よくある詰まりポイントと戻り方

「動画生成メニューが見つからない」「同じつもりなのに挙動が違う」という迷子は本当に多いです。私がまず見るのは、（1）ログイン経路、（2）今いる画面、（3）生成モードの種類の3つです。ログインが違えばプラン表示も違いますし、Imagineにいるつもりでも会話に戻っていることがあります。あとは、Imagine内でも画像生成モードと動画生成モードが分かれているので、そこを切り替えた瞬間にボタン類が変わります。

操作の全体像を先に掴みたい場合は、当サイトの初心者向けGrok Imagineの使い方とプロンプト完全ガイドも合わせて読むと、迷子が一気に減ります。私は「まずこの記事どおりに1本作れた」状態を作るのが一番大事だと思っています。

コツは、いきなり長い動画を狙わず、まずは短尺で反応を見ることです。最初の数回は「挙動確認」が目的だと割り切ると、制限にも引っかかりにくいですし、あなたの環境で何ができるかが早く分かります。

iOS・Android・Web版の違い

結論から言うと、私は「設定の把握はWeb（PC）」「生成のスピード感はアプリ」を軸に使い分けています。同じGrokでも、端末でUIの出方や見つけやすさが変わるからです。ここも地味にストレスになりやすいところで、あなたが迷うのは普通です。

端末差が出やすいのは“見た目”より“手順”

iOSとAndroidは、同じボタンに見えても配置が違ったり、メニューが折りたたまれていたりします。Web版はメニュー構造が見えるぶん把握しやすい反面、タブが増えると「どこで生成したっけ？」となりがちです。私は、生成前に必ず「今、Imagineにいるか」を確認して、会話画面で迷走するのを防いでいます。

体感で差が出やすいポイント

私がよくやる“端末別ワークフロー”

たとえば、外出先でアイデアが出たらアプリでサクッと試作します。短いプロンプトで当たりを取って、帰ってからWeb版で設定や修正を詰める、という感じです。逆もあります。Webでテンプレを作っておき、スマホではそのテンプレをコピペして量産する。これが一番ラクなんですよね。

端末差でよくある落とし穴は「ログイン経路が違って別アカウントになっている」ケースです。生成履歴が急に消えた、プラン表示が違う、ボタンが出たり出なかったりする……この違和感が出たら、まずアカウントを疑うのが早いです。

あとは通信環境も侮れません。生成はサーバー側の状態にも左右されるので、同じプロンプトでも時間帯で体感が変わることがあります。

6秒10秒と720p設定

動画の長さ（6秒・10秒）や解像度（720pなど）は、プランや時期で扱いが変わることがあります。なので私はここを断定せず、アプリ内の表示を最優先で確認します。ここ、つい「結局どれが正解？」ってなりますよね。でも動画制作は、正解より“目的に合うか”で決めるのがラクです。

まずは短尺で「動きの設計」が合っているかを見る

私は最初に6秒で当たりを取る派です。理由は、短いほうが試行が回せるから。動画生成は、画像生成よりもコスト（時間・回数）が重くなりがちなので、最初から10秒や高画質で詰めると、外れたときのダメージが大きいです。最初は「被写体が動くか」「カメラが意図どおりか」「雰囲気がズレてないか」だけ確認できれば十分です。

用途別のおすすめ（目安）

「この設定が絶対」というより、私は用途で割り切ります。SNSのテスト投稿なら短尺で十分。広告素材やYouTubeの導入に使うなら、画質が効くので上げる価値が出ます。ただし、アップスケールや高解像度は処理が重くなったり、制限の影響を受けたりすることがあるので、最後の仕上げで使うのが無難です。

用途別の目安（あなたの目的で選ぶ）

なお、料金や機能はアップデートで変わる可能性があります。正確な情報は公式サイトをご確認ください。支払いが絡む判断や、業務での契約判断が必要な場合は、最終的な判断は専門家にご相談ください。私は「アプリ内の表示が今日の正解」と割り切って、そこで見える範囲で最適化しています。

Normal・Fun・Spicyの違い

Normal・Fun・Spicyは、同じテーマでも「演出の方向」を変えるスイッチとして捉えるのが分かりやすいです。私は基本、Normalで土台を作ってから、必要に応じてFunやSpicyを試します。いきなりSpicyで作ると、狙いがブレたときに原因が特定しづらいんですよね。

モードは“フィルター解除”ではなく“方向づけ”

私はSpicyを「何でもできるモード」とは考えていません。むしろ、出力のテイストが寄りやすいだけで、規約や安全面の制限がなくなるわけではない、という理解です。なので、使うなら目的を決めます。「空気感を大胆にしたい」「少し刺激のある演出に寄せたい」みたいに、狙いがはっきりしているときだけ使う、という感じです。

モード切り替えで崩れたときの対処

モードを変えたら急に「勝手にズームする」「カメラが落ち着かない」「被写体が変に強調される」みたいなことが起きる場合があります。こういうとき私は、プロンプト側の指定を強めます。カメラを固定したいなら「固定ショット」「ゆっくり前進」「過度なズームなし」などを入れて、演出の暴れを抑えます。逆にFunで動かしたいなら、動作を1つに絞って、カメラは追従だけにする。盛りすぎると破綻しやすいので、まずは要素を減らすのがコツです。

注意

Spicyは「何でもOK」ではありません。利用規約やコンテンツガイドラインに従い、第三者の権利（著作権・肖像権・商標など）を侵害しない範囲で使ってください。特に実在人物や既存作品を想起させる内容はトラブルになりやすいので、私は避けます。

公開するならなおさら、あなた自身の安全運転が大事です。

無料回数制限とUpscalevideo

無料で試せるのはありがたい一方で、回数制限や上限に当たると、改善の試行が止まってしまいます。だから私は、回数を減らすために「一発で当てる」よりも、外さない型で小さく当てていく方針にしています。ここ、焦ると一番ムダ撃ちが増えるので、落ち着いていきましょう。

回数を節約する“試行の順番”

私がやるのは、まず「動作」と「カメラ」だけを合わせることです。最初から「映画っぽい色」「照明」「BGM」まで盛ると、外れたときにどこが原因か分からなくなります。だから、最初はシンプルに、次にカメラ、次にスタイル、最後に音。これで再現性が一気に上がります。さらに、プロンプトは毎回ゼロから書かず、テンプレに差し替え方式にすると、調整が速くなります。

上限表示が出たときの“現実的な捉え方”

上限の数値は固定とは限らず、混雑や仕様変更で体感も変わります。だから私は、上限に当たったら「今日は素材づくりの日」と割り切ります。たとえば、動画が回せないなら、画像生成の段階で構図を増やす。プロンプトの言い換え案を3パターン作る。次回のためのテンプレを整える。こういう“前倒しの仕込み”をすると、次に動画が回せるタイミングで一気に進みます。

よく見る表示（例）と私の対処方針

Upscale videoは“最後の仕上げ”に回す

Upscale videoは、仕上がりの精細さを上げたいときに便利ですが、上限や処理負荷の影響を受けることがあります。私はまず通常出力で「構図と動き」が良いかを確認し、使うのは必要なときだけにしています。いきなりアップスケールすると、失敗したときの精神的ダメージが大きいんですよね。だから、当たりが出た動画だけアップスケール。これが一番ラクです。

商用利用や権利の考え方は必ず一次情報で確認

動画をSNS投稿だけでなく、案件や広告に使いたい場合は「使っていいのか」が気になりますよね。私はここを雰囲気で判断しません。必ず公式の一次情報を見て、曖昧なら避けます。たとえば、入力と出力の所有や利用については、xAIの公式FAQに明記があります。（出典：xAI Consumer FAQs） こういう一次情報に当たった上で、利用規約や案件条件に照らして判断するのが安全です。

回数制限や上限の考え方、待ち時間の捉え方まで深掘りしたい場合は、当サイトのGrok動画生成の制限・上限まとめも役立ちます。もし「そもそも生成ボタンが出ない」「できない」症状が強いなら、Grokの動画生成ができない原因と直し方で、切り分けから進めるのが近道です。

繰り返しになりますが、制限の数値やリセット条件は変わることがあります。正確な情報は公式サイトをご確認ください。費用や契約、権利判断が絡む場合は、最終的な判断は専門家にご相談ください。

私は「一次情報で確認→小さく試す→当たりだけ伸ばす」で事故を避けています。

Grokの動画生成プロンプトおすすめ例｜日本語でもできるコツ

ここからは、プロンプトの中身に入ります。Grokの動画は「きれいな一枚絵」ではなく、時間の中で何が起こるかを設計するのがコツです。私はこの考え方を、動画思考としてプロンプトに落とし込んでいます。

動画思考5要素テンプレ

動画生成で一番多い失敗は、雰囲気だけ書いて「動き」が書けていないことです。ここ、めちゃくちゃ多いです。画像プロンプトの感覚のまま「美しい、シネマティック」だけ書くと、背景だけが揺れて被写体が棒立ち、みたいになりやすいんですよね。私は必ず、次の5要素を一行で組み立てます。

動画思考5要素（コピペ用テンプレ）

カメラ：［視点／カメラワーク］
主題：［何が映るか］
動作：［何が起こるか／動詞を強く］
環境：［場所／時間帯／天候］
スタイル：［実写／アニメ／映画風／質感］

5要素の“効き方”は優先順位がある

この順番にすると、Grok側が「映像の設計図」を掴みやすいです。特に重要なのは動作で、ここが弱いと棒立ちになりがち。次に効くのがカメラです。カメラが曖昧だと、勝手にズームしたり、変なアングル変更が入って「いや、そこ見せたいんじゃない…」となりがちです。だから私は、最初に動作とカメラだけ決めて、スタイルは最後に足します。

5要素を一発で埋める例

日本語→英語の切り替えも“型”でやる

私はまず日本語で5要素を固め、必要なら英語に整形して試します。Grokが日本語を解釈してくれる場面もありますが、出力が揺れるときは英語の方が安定することもあるので、用途で切り替えます。ポイントは、翻訳っぽく長文化しないこと。日本語で決めた要素を、そのまま短く英語に置き換えるだけで十分です。逆に、英語で迷子になる人は、日本語で設計図を作ってから英語にするほうが楽だと思います。

私のおすすめは「動作を強く、カメラは一つ」

動作を2つ3つ入れると破綻しやすいので、まずは一つに絞るのが安定します。カメラも「追従」か「固定」か、どちらか一つから始めると当たりが出やすいですよ。

日本語音声はローマ字併用

日本語音声が不自然になったり、聞き取りづらくなったりする時期はどうしてもあります。あなたも「昨日まで自然だったのに急に変…」って感じたこと、あるかもしれません。私はこういうとき、完璧を狙わずに“通る形”に寄せます。具体的には、短い日本語＋読みのローマ字併用です。

音声で崩れやすいのは「長文」と「固有名詞」

まず、セリフが長いほど崩れます。次に、固有名詞・カタカナ語・略語。ここは日本語TTSが苦手になりやすいので、言い換えるか、読みを補助します。あと意外と効くのが「話し方の指定」です。落ち着いて、ゆっくり、明るく、みたいな指示を入れると、音声のノリが安定しやすいことがあります。

コピペで使える書き方（音声＋読み）

コピペで使える形にすると、私はこんな書き方にします。ポイントは「読み」を別行で添えることと、セリフを短くすること。これだけで聞き取りやすさが上がることがあります。

セリフ：おはよう。今日はいい天気です。ゆっくり話す。
読み（ローマ字）：Ohayou. Kyou wa ii tenki desu. Yukkuri hanasu.
声：落ち着いた、明るい、自然な抑揚

そもそも音声が要らない選択もアリ

正直、SNS用の短尺なら、音声は“おまけ”でも成立します。音声が崩れて作品全体の印象が落ちるなら、字幕も音声も切って、BGMもなしにして映像だけで勝負するのも全然アリです。映像の完成度が上がってから音声に戻る、という順番のほうが、結果として早かったりします。

音声の品質や挙動はアップデートや混雑の影響を受けることがあります。公開する場合は必ず内容を人間の目と耳で確認し、必要に応じて「AI生成である」旨を明示するなど、誤解が起きない配慮もおすすめです。

字幕なしBGMなし等の指定

字幕やBGMは便利ですが、不要なときに入ると「狙いと違う」になりがちです。ここ、気になりますよね。私はプロンプトの冒頭で、まず不要要素を止める指定を入れます。ただし、止めたい要素を全部並べると逆に混乱することもあるので、段階的にやります。

まずは“テキスト表示”を止める

字幕が邪魔なとき、私は最初に「画面上の文字を出さない」を強めに指定します。字幕とテロップが混ざって出ることもあるので、「字幕なし」だけでなく「テロップなし」「画面上の文字なし」まで書いておくと効きやすいです。英語が通る環境なら、no subtitles / no captions / no on-screen text も併記すると安定することがあります。

コピペ用：字幕とBGMを止める指定

発話時の字幕なし
自動字幕：all off
テロップなし、字幕なし
画面上の文字なし
BGMなし、効果音なし

BGMを止めたいときのコツ

BGMが勝手に入ると、雰囲気が一気に変わることがあります。私は「BGMなし」に加えて「効果音なし」もセットにすることが多いです。それでも入る場合は、完全に止まらないこともあるので、そのときは逆転の発想で「静かな環境音だけ」「小さな環境音のみ」など、許容できる音の種類を指定して“暴れ方を抑える”方向に寄せます。

ただし、指定は入れすぎるとAIが迷って別の崩れ方をすることがあります。私は、最初は「字幕なし」だけ、次に「BGMなし」を足す、というように段階的に試します。やることはシンプルで、一回の変更は一つです。これが一番、原因が追いやすいです。

設定や挙動はアップデートで変わることがあります。正確な仕様は公式サイトをご確認ください。公開や商用利用を前提にする場合は、最終的な判断は専門家にご相談ください。

実写プロンプト例｜カメラワーク

実写系は「動作」と「カメラ」が決まると一気に安定します。ここ、いきなり“映画っぽい”を狙いがちなんですが、実写ほど土台が大事です。私は「動作1つ＋カメラ1つ」を守って、当たりを取ってから盛ります。ここでは、私がよく使うカメラワーク込みの日本語例をまとめます。必要に応じて語尾や場所だけ差し替えてください。

まず押さえるべきカメラ語彙

カメラワークは難しそうに見えるんですが、実際は語彙を固定すると楽です。私は、固定・寄り・追従・空撮（ドローン）・手持ち風（軽い揺れ）あたりを使い分けています。これだけで十分戦えます。

カメラワークの定番と言い換え

コピペ例：そのまま使える実写プロンプト

例1：雨上がりの街歩き（横追従）

カメラ：横追従のトラッキング、ゆっくり前進
主題：トレンチコートの男性
動作：雨上がりの路地を歩き、軽く振り向く
環境：夜、濡れた路面にネオンが反射
スタイル：フォトリアル、シネマティック、自然な被写界深度

例2：夕焼けの海（ワイド固定＋波）

カメラ：ワイドの固定ショット、過度なズームなし
主題：夕焼けの海と水平線
動作：波が静かに揺れ、手前の水面がきらめく
環境：夕方、柔らかい光、薄い雲
スタイル：フォトリアル、映画のような色調、落ち着いた雰囲気

例3：カフェ作業（ミディアム→寄り）

カメラ：ミディアムショットからゆっくり寄る
主題：ノートPCで作業する女性
動作：コーヒーを一口飲み、微笑む
環境：朝、窓から自然光、店内は静か
スタイル：フォトリアル、柔らかい照明、清潔感

例4：猫のジャンプ（ローアングル＋スロー）

カメラ：ローアングルのクローズアップ、スローモーション
主題：ふわふわの猫
動作：蝶を追ってジャンプし、着地する
環境：日差しのある庭、緑が揺れる
スタイル：フォトリアル、毛並みの質感を強調、滑らかな動き

実写で外したときは“動作を削る”

実写で失敗しやすいポイント

雰囲気語（シネマティック、きれい、エモい）だけだと、被写体が止まりやすいです。必ず「歩く」「振り向く」「ジャンプする」など、動詞を入れてください。逆に、動詞を入れすぎると破綻するので、まずは1つに絞るのが安定ですよ。

アニメプロンプト例｜Spicyでの注意

アニメ系は、要素を盛りすぎると絵柄が揺れます。ここも悩みどころですよね。私は最初に「2Dアニメ」などの画風を固定し、動きは一つ、エフェクトも一つに絞ります。アニメは特に“固定”が効きます。色味・線の太さ・質感が揺れると、動画として違和感が出やすいので、最初はシンプルが勝ちです。

アニメは「画風固定→動作→演出」の順

私はアニメでは、最初にスタイル（2Dアニメ、ローファイ、セル画風など）を宣言します。その上で動作を一つにし、最後に演出（光、魔法の粒子、ネオン反射など）を足します。いきなり全部盛ると、モデルがどれを優先していいか迷って、結果がブレがちです。

例1：ローファイ学習（窓の雨）

カメラ：固定ショット、軽いズームイン
主題：机で勉強する少女
動作：ペンを動かし、窓の外で雨が降る
環境：夜、部屋は暖色の照明
スタイル：2Dアニメ、ローファイ、落ち着いた雰囲気

例2：サイバーパンク街（ドローン風）

カメラ：ドローン風の前進、ゆっくり旋回
主題：ネオン街と走るバイク
動作：バイクが加速し、光の軌跡が伸びる
環境：夜、雨上がり、路面反射
スタイル：アニメ、サイバーパンク、鮮やかなコントラスト

例3：魔法演出（スパークは控えめ）

カメラ：ミディアムショット、手元にフォーカス
主題：魔法使いのキャラクター
動作：呪文を唱え、手元に小さな光が集まる
環境：霧の森、朝の光
スタイル：2Dアニメ、幻想的、やわらかな色合い

Spicyを使うなら“意図の言語化”が先

Spicyは刺激が強い方向に寄る場合があります。なので私は、Spicyを選ぶ前に「何をしたいか」を言葉にします。たとえば「コメディ寄りにしたい」ならFun、「雰囲気を自然に整えたい」ならNormal。Spicyに寄せるなら、露骨な表現ではなく「大胆」「ドラマチック」「エッジのある照明」など、演出として言語化して、規約面のリスクを踏みにくくします。

Spicy使用時の注意

Spicyは刺激が強い方向に寄る場合があります。私は、表現を広げたいときでも「意図」を明確にし、過度な表現や第三者の権利侵害につながる内容は避けます。公開や商用利用を前提にする場合は、正確な情報は公式サイトをご確認ください。

Grokの動画生成プロンプトのおすすめ例｜日本語でのポイントまとめ

最後に、私が毎回チェックしている「外さない順番」をまとめます。ここまで読んで、「結局なにからやればいいの？」ってなりますよね。大丈夫です。私はいつも同じ順番で進めています。ここだけ守れば、Grokの動画生成プロンプトおすすめ例を日本語で作るときも、迷いがかなり減るはずです。

迷いが減るチェックリスト（私の固定手順）

プロンプトは“資産”として残す

私は、当たりが出たプロンプトは必ずメモして、次回のテンプレにします。動画生成って、毎回ゼロからやるとしんどいんですよ。テンプレがあるだけで、回数制限の中でも効率が一気に上がります。特に「カメラ」「動作」「環境」は汎用化しやすいので、差し替え用の枠として保存しておくと強いです。

最後は“安全運転”で公開する

そして大事なのは、出力をそのまま信じ切らないことです。アップデートで仕様は変わりますし、公開・商用利用・権利周りは状況で判断が変わります。正確な情報は公式サイトをご確認ください。費用や契約、法的リスクが絡む場合は、最終的な判断は専門家にご相談ください。あなたの作品を守るために、ここだけは丁寧にやるのがおすすめです。

あなたが次にやることはシンプルです。この記事の例から一つ選んで、動作とカメラだけ差し替えて、まず1本だけ生成してみてください。そこで掴んだ手触りが、最短の上達になりますよ。