6月22日消息 ,阿里巴巴 ATH(淘天集团 AI 创新单元)旗下视频生成模型 HappyHorse 1.1 正式发布。新版本在运动系统、角色一致性、指令跟随、音频同步等核心维度进行了系统性升级,同时新增 Reference-to-Video(参考图转视频)模式,最高支持 9 张参考图。同日还启动了创作者竞赛 HorsePower AI Cinema Awards,并公开了社区共创短片 Are You Happy。
运动系统全面重写
1.1 版本最核心的升级是运动系统的重新架构。官方将其描述为一次 "motion leap"——动作更平滑、更具电影级动感张力。从社区早前反馈来看,HappyHorse 1.0 在画面质感和角色表现上极为出色,但在复杂运动场景下有时会显得偏"僵硬"。1.1 的 motion 重写直接针对这一短板,在保持原有画面质感优势的同时,补上了运动流畅度这一关键缺口。
运动能力的提升也体现在物理交互的精细度上——高速运动、复杂变换场景下的画面连贯性有了实质改善。
Reference-to-Video:多参考图融合,最高 9 张
1.1 新增了 Reference-to-Video 模式,这是本版本的另一个重要变化。用户可以通过上传多张参考图来锁定角色身份、角度、表情和光照的一致性。
关键参数:
- 最高 9 张参考图:支持多角度(正面、侧面、3/4 角)、多表情、多光照条件下的角色融合
- 应用场景:角色一致性要求高的叙事场景、多镜头切换需保持主角身份统一的作品
- 该模式已在 fal.ai 上线专用 endpoint,支持 Python SDK 和 HTTP 直接调用
此前 1.0 版本主要依赖 text-to-video 和 image-to-video 两种模式,多图参考融合是 1.1 新增的能力。
指令跟随:单次提示词支持 8 个连续场景
新版本在指令跟随能力上有明显提升,单次提示词现可包含最长 8 个连续场景 的序列描述。这意味着创作者可以在一个 prompt 内完成镜头切换、动作序列、叙事节奏的完整编排,而无需分段生成后手动拼接。
社区反馈表明,HappyHorse 在叙事理解和多镜头编排方面一直表现突出——善于理解「角色要做什么」「情绪如何递进」这类抽象指令——1.1 将这一优势进一步放大。
音频与唇形同步升级
HappyHorse 是少数原生支持音频生成的视频模型之一。1.1 在音频方面进行了专项优化:
- 情感对话:含情绪表达的对白生成,声调与角色情绪状态匹配度更高
- 多语言唇形同步:支持多种语言的唇形匹配,音视频同步精度提升
- 原生音频输出:视频生成时一次性输出同步音轨,无需后期对齐
在 Artificial Analysis 的盲测中,HappyHorse 1.0 的 with-audio 排名已经与行业领先者 Seedance 2.0 的 Elo 分数极为接近。1.1 的音频升级进一步缩小了差距。
画面质感延续优势
HappyHorse 1.0 最受社区好评的能力之一是其画面质感——色彩还原自然、皮肤纹理真实、摄影后期感强。1.1 版本在保持这一优势的基础上,进一步优化了特写镜头的皮肤纹理表现,在极端近景下仍能保持自然质感。
版本演进路线
| | | |
|---|
| | T2V / I2V / Video Editing | |
| | T2V / I2V / R2V(最多 9 参考图) | |
性能表现与行业排名
HappyHorse 1.0 上线后,在 Artificial Analysis Video Arena 盲测中取得了以下成绩:
- T2V(含音频):第 2 名(与 Seedance 2.0 Elo 分数极为接近)
1.1 版本的盲测排名尚未更新,但从升级方向来看,运动流畅度和音频同步的改进将直接影响其在 "with-audio" 和 "motion quality" 维度上的评分。
目前行业格局为:Seedance 2.0 在虚构/VFX/动态运镜方面领先,HappyHorse 1.1 在角色驱动和对话场景上更具优势,Kling 3.0 则在性价比方面保持竞争力。
创作者激励:HorsePower AI Cinema Awards
伴随 1.1 发布启动的创作者竞赛,面向 AI 短片创作者。同日公开的短片 Are You Happy 由 HappyHorse CPP 创作者 @Shanzyin_ai 主导制作,在官方 X 账号上发布了约 2 分 21 秒的完整版。
背景:团队与战略定位
HappyHorse 由阿里巴巴淘天集团 AI 创新单元(ATH)开发,团队负责人 张迪 此前为快手可灵(Kling)项目技术负责人,被业界称为"可灵之父"。这一背景解释了 HappyHorse 在视频生成技术路线上的积累深度——团队拥有国内视频生成领域最核心的技术经验。 同一团队于 6 月 17 日还发布了 HappyOyster 1.0,一款实时交互式世界模型,支持探索、战斗、叙事操控等功能,表明 ATH 正在从"视频生成"向"可交互虚拟世界"的更大蓝图延伸。
获取方式