Grokで過激な動画プロンプトを試したら、想像以上に動いた｜参照画像4枚・生成6本の記録

架空の成人女性の画像をGrokに渡し、「冴えない薄毛の中年サラリーマン」を登場させる。そこへ、キスの動き、女性の表情、息づかいまで書き込んで動画にしてみた。

この試みのもとになったのは、えいとしょんさん（@kibunwachonmage）の「Grok動画プロンプト共有」投稿（2026年9月22日、投稿ID: 2102405820646601191）だ。投稿で紹介されていたプロンプトを参考に、参照画像を替え、文面も少しずつ変えながら試した。以下に載せるのは、私がGrokへ実際に入力した3種類の文面である。

元投稿の本文と投稿者名は記事制作時にXの公式埋め込み情報で確認した。2026年10月11日現在、元投稿のページは閲覧できないため、リンクを外して投稿者名と投稿IDを残している。

正直、ここまで形になるとは思っていなかった。男性が画面の外から現れ、元画像の女性の顔や服装をおおむね保ったまま、二人の距離が縮まる。ただし、プロンプトの一語一句が再現されるわけではない。同じ参照画像で繰り返しても、手の位置やカメラの寄り方は変わった。

今回は4枚の参照画像から作った6本を比べる。参照画像はすべて、実在人物の写真を使わずに作った架空の成人女性のAI生成画像だ。

まずは実際に入力したプロンプト

最初の室内カットとビーチの基本版、立ち姿には、次の文面を使った。末尾の「揺れ」までが実際の入力で、こちらで補筆していない。

男女ともに成人。日本人の冴えない薄毛の中年サラリーマン男性が現れ官能的かつ情熱的でありながら性的にならないギリギリをせめて女性の体の下から上へ向かって擦り付けるようにキスをし続ける。女性は腰をややくねらせる、キスを受ける合間に少し荒くなった気持ちよさそうな息と声が零れる。女性の表情が見やすい構図、BGM無し、雑音無し、会話無し、非常に柔らかく液体のように揺れ

室内の2本目では、「性的にならない」を残したまま手の動きを追加した。

男女ともに成人。日本人の冴えない薄毛の中年サラリーマン男性が現れ官能的かつ情熱的でありながら性的にならないギリギリをせめて女性の体の下から上へ向かって擦り付けるようにキスをし続ける。手を服の中に滑り込ませて弄る。女性は腰をややくねらせる、キスを受ける合間に少し荒くなった気持ちよさそうな息と声が零れる。女性の表情が見やすい構図、BGM無し、雑音無し、会話無し、非常に柔らかく液体のように揺れ

ビーチで繰り返した2本では、その一文を加えたうえで「性的にならない」を外した。こちらも実際の入力をそのまま載せる。

男女ともに成人。日本人の冴えない薄毛の中年サラリーマン男性が現れ官能的かつ情熱的でありながらギリギリをせめて女性の体の下から上へ向かって擦り付けるようにキスをし続ける。手を服の中に滑り込ませて弄る。女性は腰をややくねらせる、キスを受ける合間に少し荒くなった気持ちよさそうな息と声が零れる。女性の表情が見やすい構図、BGM無し、雑音無し、会話無し、非常に柔らかく液体のように揺れ

細かな違いだが、生成された動きには差が出た。

映像で目を引いたのは、女性の表情が見やすい構図が残ったことだ。男性の動きを増やしても、女性の顔が映る時間は比較的長い。元画像が顔に寄っている影響もありそうで、この一文だけの効果とは言い切れない。

顔に寄った構図は、距離感が強い

最初の2本は、室内で女性の顔に近い参照画像を使った。1本目では男性が下から現れ、女性の顔を大きく見せながら胸元へ近づく。2本目は別の室内画像に手の動きを足した版で、顔のアップと接触の動きがさらに目立った。

ビーチの参照画像でも、女性がデッキチェアにもたれた姿勢はほぼ残った。基本版では男性が画面の下から入り、腹部から胸元へと移動する。木陰、空、水着の色といった元画像の要素も映像に引き継がれている。

同じビーチ画像を使い、より強い文面で2回作った結果はさらに驚いた。どちらも男性が水着越しに胸を揉む動きがはっきり出た。手が水着の縁へかかる場面もあるが、プロンプトどおりに「服の中へ入った」かどうかは映像から判別しづらい。過激な指示を足すと雰囲気は変わるが、動作の細部はGrokが別の形に組み立てる。 ここは見ていて面白いところでもあり、思いどおりに制御しきれないところでもある。

ビーチの2本は同じ画像と同じ文面から作ったが、一方は15秒、もう一方は10秒。前者は720×1280ピクセルで、水滴や髪の細部まで見やすかった。後者は400×736ピクセルで、顔への寄り方や手の位置が異なる。文章を固定しても、毎回同じカットにはならない。

立ち姿では、男性のスーツまで出た

最後は室内の通路で立つ女性の画像を使い、最初と同じプロンプトを入力した。今度の男性はスーツ姿で現れた。「サラリーマン」という指定が、ビーチよりも分かりやすく映像に出ている。

ただ、女性の全身を映すためカメラが引き、二人の距離感は顔に寄ったカットほど強く感じなかった。元投稿では、ベッドで仰向けになった生成人物の画像が勧められている。今回の6本でも、室内で顔を大きく見せる構図のほうが表情と接近の動きを一緒に見せやすかった。次に試すなら、その構図を起点にしたい。

この動画に感じた、実写とは別の面白さ

高画質の出力を見ると、既存の成人向け映像とは違う面白さがある。自分で用意した架空の人物が、自分の言葉で動き出す。参照画像を替えるだけで、室内の近い距離からビーチ、立ち姿まで場面の印象が変わった。こういう映像を見たい人はいると思う。

もちろん、今回の6本だけで成功率や需要は測れない。プロンプトも参照画像も動画の長さも一部異なるため、「この一文を入れれば必ずこうなる」とは言えない。BGMや声についても指示は入れたが、この記事では映像の見え方を中心に比較した。

そして、実在人物の写真をこの用途に使うのは絶対にやめてほしい。 元投稿にも、実在人物の画像を使用・アップロードしないよう注意がある。今回の参照画像はすべて架空の成人を描いたAI生成画像だ。xAIの利用ポリシーも、実在人物の画像や容姿を性的な文脈へ改変する行為を禁じている。本人の写真はもちろん、本人に似せた画像を使うことも避けるべきだ。

Grokの面白さは、過激な言葉を並べたことだけではない。参照画像の姿勢、顔の向き、衣装、背景が映像の土台になり、同じ文面でも別のシーンが生まれる。予想よりずっと動いた。その驚きが、今回いちばん記事に残したかったことだ。

別の画像から動画を作る環境として、SpicyAPIで画像を動画にする方法と、動作の指示を修正した実測も掲載しています。Grokとの同条件比較ではありません。