Photo by ChatGPT

?有界UnKnown原創(chuàng)

作者丨錢江

編輯｜山茶

今天，一則折疊的聊天記錄，又引爆了AI圈。

起因是網(wǎng)友發(fā)現(xiàn)了一款名叫HappyHorse-1.0的新視頻生成模型，它不僅強(qiáng)，還很神秘。

強(qiáng)是因?yàn)?，它能在AA排行榜（全稱artificialanalysis.ai）上超越Seedance2.0，成為全球第一。

而神秘的是，目前沒有人認(rèn)領(lǐng)這款模型，其官網(wǎng)上也沒有任何與其身份相關(guān)的標(biāo)識(shí)。

很多人看到這個(gè)模型，都不自覺問出曹操那句名言："我原本以為呂布已經(jīng)天下無敵了，沒想到有人比他還勇猛！這是誰的部將？"

于是，猜測(cè)HappyHorse-1.0的歸屬，成為今天行業(yè)里最熱鬧的話題。

當(dāng)然，「有界UnKnown」也積極沖到了吃瓜前線，而我們?cè)诔怨线^程中卻發(fā)現(xiàn)，HappyHorse不僅在能力上很突出，它爆火出圈這件事情，也充滿了人為操作的痕跡。

一切，可能都是一場(chǎng)精心設(shè)計(jì)的局。

HappyHorse，厲害在哪里？

作為橫空出世的黑馬，HappyHorse1.0自然有其厲害的地方，我們先說這個(gè)。

首先，和主流視頻模型不同，HappyHorse是開源的。

其次，它的參數(shù)僅有15B，比大多數(shù)模型都小，且8步即可完成超快推理（256p僅需2秒，即使是1080p也只需約38秒），正式上線時(shí)間在4月8日凌晨。

它主打的優(yōu)勢(shì)主要落在兩點(diǎn)：生成速度快，以及優(yōu)秀的音頻能力。

首先，是成速度很快。

在已有案例中，僅用一句提示詞和一張圖片，約一分鐘即可生成完整視頻。流傳的微信聊天記錄中，還也特意狠狠踩了一下即夢(mèng)。

當(dāng)然，生成速度快的背后，可能是用戶數(shù)還不多，所以不需要排隊(duì)。

其次，在音頻上的能力，HappyHorse也相對(duì)多數(shù)視頻模型有更明顯的進(jìn)步。

第一，是環(huán)境音的匹配。

在HappyHorse的案例中，當(dāng)腳踩到冰面上的時(shí)候，可以聽到“嘣”得一聲；當(dāng)籃球進(jìn)入投籃框的時(shí)候，會(huì)發(fā)出和框碰撞的聲音；咖啡師倒牛奶時(shí)，也能生成倒牛奶的聲音。

而之前許多AI生成的視頻，都容易出現(xiàn)音畫不同步，不匹配的情況。

更重要的是，HappyHorse的聲音并不是簡(jiǎn)單疊加的背景音，而是與畫面中的動(dòng)作形成了基本一致的對(duì)應(yīng)關(guān)系。換句話說，聲音開始成為“視頻的一部分”，而不是后期補(bǔ)上的效果。

第二種是HappyHorse語言能力。

輸入提示詞后，模型可以直接生成對(duì)應(yīng)語種的語音內(nèi)容。根據(jù)官網(wǎng)信息，目前主要支持的語言是普通話、粵語、英語、日語、韓語、德語和法語。

最后，是在價(jià)格上。

HappyHorse采用的是積分制，提供按月、按年以及按需三種付費(fèi)方式。

雖然網(wǎng)絡(luò)上大家都在說它的價(jià)格比Seedance 2.0便宜一半，但實(shí)際上幾乎是照著Seedance 2.0訂閱價(jià)格設(shè)置的，比Pixverse V6定價(jià)也更高，并沒有價(jià)格優(yōu)勢(shì)。

而這些，都讓HappyHorse成為討論熱點(diǎn)。

人造的“黑馬”？

雖然關(guān)于HappyHorse的大多數(shù)的討論都是自然發(fā)生的，但種種跡象表明，從故意隱藏信息制造討論話題，到扔出折疊的聊天記錄曝光，引起討論，這完全可能是一場(chǎng)人為的，精心設(shè)計(jì)的傳播。

首先是榜單，一位在AI視頻企業(yè)工作的朋友表示，AA的排行榜是可以操作的，只要有預(yù)算，他們可以提前給到題目，在這個(gè)基礎(chǔ)上針對(duì)性優(yōu)化樣本的話，拿到高分很容易。

而HappyHorse悄悄登頂，又快速撤下，現(xiàn)在市場(chǎng)流傳的都是截圖，這也給這個(gè)猜測(cè)制造了基礎(chǔ)。

特別是在幾乎一邊倒的贊揚(yáng)聲之中，X也有一些網(wǎng)友表示，從生成的效果來看，真人感比較弱，所以也有可能Happyhorse的榜單是刷來的。

比如，有X網(wǎng)友發(fā)現(xiàn)，官網(wǎng)公布的demo雖然畫面不錯(cuò)，但在物理性上表現(xiàn)有一些差距。比如在呈現(xiàn)快速運(yùn)動(dòng)時(shí)，仍然存在AI運(yùn)動(dòng)偽影，尤其是一些帶有條紋、線條的物體。

其次，HappyHorse因AA榜單登頂而火，前后不過兩天，其官網(wǎng)已經(jīng)有完整的、關(guān)于為什么火的蹭熱點(diǎn)的展示，效率真的很高。

第三，目前全網(wǎng)流傳的素材十分單一。

「有界Unknown」試圖付費(fèi)測(cè)試一下視頻，但多次嘗試之后沒有打開，其給到的免費(fèi)積分不足以支持測(cè)試。

而現(xiàn)在網(wǎng)上流傳的視頻也十分單一，與之前在微信群里，通過折疊聊天記錄傳播的內(nèi)容基本一致，而沒有新的，更多的視頻內(nèi)容。

這就很有意思了，當(dāng)全網(wǎng)都在說它比其他模型牛逼的時(shí)候，證據(jù)卻只有官方給到的視頻案例，確實(shí)有點(diǎn)意思。

而有趣的是，這個(gè)聊天記錄里，明里暗里地對(duì)標(biāo)友商，突出對(duì)比，制造話題，不知道友商現(xiàn)在什么心情。

當(dāng)然，這一切也都瑕不掩瑜。

退一萬步來講，即便這是一波精心策劃的營(yíng)銷，但只要產(chǎn)品本身能打，剩下的一起都不是問題。

HappyHorse帶來了什么？

事實(shí)上，HappyHorse真的帶來了一些新的東西，一種新的技術(shù)范式。

現(xiàn)在主流的視頻生成模型，基本采用的方式都是先把視頻壓縮，再交給 Transformer 去一點(diǎn)點(diǎn)“去噪生成”。

而不同的企業(yè)在具體的操作上也有不同。

比較傳統(tǒng)的方式，也是現(xiàn)在的主流方式，是視頻和音頻先分開處理，再融合，如HunyuanVideo、PixVerse、早期的seedance1.0都是如此，它們會(huì)先把文本、視頻，或者空間、時(shí)間分開處理，后面再合到一起。

劍走偏鋒的方式的是優(yōu)先提速，比如以色列的公司Lightricks開發(fā)的LTX，其重點(diǎn)不是結(jié)構(gòu)多復(fù)雜，而是先把視頻壓得更狠，讓token變少，這樣生成更快。

而未來，行業(yè)逐漸演變的趨勢(shì)是：一套大主干統(tǒng)一生成。

過去，先分開處理，再融合的方式，在技術(shù)上，這通常被稱為“雙流（two-stream）”。

畫面和聲音分別由不同模塊生成，最后再通過對(duì)齊機(jī)制拼在一起。這也是為什么，在很多情況下，音畫雖然能夠?qū)ι?，但仍然?huì)有一絲不自然——因?yàn)樗鼈儚囊婚_始就不是一起生成的。

而現(xiàn)在的一套大主干統(tǒng)一生成，則趨向于“單流（single-stream）”生成方式，即把畫面和聲音作為同一生成過程中的不同部分，一起完成。

也就是說，聲音不是后加的，而是和畫面一起“長(zhǎng)出來”的。

這一差異，可以從具體效果中看到。比如腳踩冰面的破裂聲、籃球入框的碰撞聲，這些聲音不是簡(jiǎn)單疊加，而是隨著動(dòng)作同步出現(xiàn)，具有明顯的因果關(guān)系。

現(xiàn)在市面上最新的模型如Sora、Veo、Seedance2.0都在向這方面靠攏，這也是目前的技術(shù)方向。

HappyHorse采用的就是這個(gè)方向，但它做得更激進(jìn)，更強(qiáng)調(diào)“全部放在一起統(tǒng)一處理”。（起碼在他們官網(wǎng)上是如此宣稱的）

這具體表現(xiàn)在：

1、結(jié)構(gòu)上更統(tǒng)一，強(qiáng)調(diào)單流、無 cross-attention；

2、模態(tài)上更統(tǒng)一，不僅文本和視頻一起處理，連音頻也想一起納入；

3、推理上更激進(jìn)、8步生成、強(qiáng)調(diào)低延遲，速度快。

用更直白的話說，視頻生成的效率更高了，如seedance排隊(duì)的情況可能會(huì)變少。一致性更好了，音話不同步，口型不同步，動(dòng)作還得時(shí)序等問題都能有較好的提升。

HappyHorse是誰的部將？

Happy Horse之所以出圈，一半因?yàn)槟芰Γ硪话雱t是因?yàn)樯衩亍?/p>

關(guān)于它的“身份”，網(wǎng)上幾乎沒有給出任何有效信息。其官網(wǎng)的介紹也極為克制，只留下一句：“Happy Horse 1.0由Happy Horse團(tuán)隊(duì)開發(fā)”。

HappyHorse越神秘，大家越好奇，于是大家都在互相打聽，HappyHorse究竟出自哪里，市面上也很快出現(xiàn)了多個(gè)猜測(cè)。

目前最被大家相信的，是來自張迪領(lǐng)銜的淘天集團(tuán)未來生活實(shí)驗(yàn)室。張迪此前曾負(fù)責(zé)快手Kling項(xiàng)目，再往前，則是阿里媽媽大數(shù)據(jù)與機(jī)器學(xué)習(xí)工程架構(gòu)負(fù)責(zé)人。

關(guān)于這個(gè)來源，目前有很多信息，有一些自媒體還做出了報(bào)道，但官方還沒有肯定，也沒有權(quán)威信息來源。

在此之外，最開始被懷疑的，是快手系。

有人注意到，官網(wǎng)留下的了spaceship.com相關(guān)痕跡，而“spaceship”恰好與快手關(guān)聯(lián)公司商標(biāo)重合，因此推測(cè)該項(xiàng)目可能出自快手。

第二個(gè)被懷疑的，是騰訊系，或者Grok（因?yàn)槎几R有關(guān)）。

事實(shí)上，我們之前懷疑是愛詩，但溝通后對(duì)方否認(rèn)了這件事情，并反向猜測(cè)可能與騰訊有關(guān)。我們后來在X上也找到了一些蛛絲馬跡，微信曾在去年8月于X上發(fā)布過一條帖子，刻意提及 “HappyHorse” 關(guān)鍵詞。

在此之外，還有一些更“輕量”的猜測(cè)：比如來自阿里WAN2.7，因?yàn)槊钟衕orse（馬），所以和“馬（云）”有關(guān)；還可能是Minimax，理由是他們“喜歡用動(dòng)物命名”。

還有一類更具體的說法：認(rèn)為HappyHorse的幕后團(tuán)隊(duì)，可是上海創(chuàng)智學(xué)院（SII）生成式人工智能研究實(shí)驗(yàn)室（GAIR）與Sand.ai聯(lián)合研發(fā)的daVinci-MagiHuman項(xiàng)目的一部分。

因?yàn)槠涔倬W(wǎng)公布的150億參數(shù)、支持的語言等能力，與SII-GAIR在github上公布的文件“daVinci-MagiHuman”直接吻合。

但無論HappyHorce最終歸屬于誰，這明顯都是一次成功的營(yíng)銷。

當(dāng)一個(gè)模型在能力上足夠“出挑”，但信息又足夠模糊時(shí)，市場(chǎng)會(huì)腦補(bǔ)它一個(gè)身份，撲朔迷離的身份攢足了好奇心，也是一種有利的營(yíng)銷方式。

但如果這是一場(chǎng)有組織的傳播行為，那么有一個(gè)相對(duì)明確的判斷是：它大概率不是字節(jié)跳動(dòng)。因?yàn)閹缀跛邪姹镜膶?duì)比和敘事，都是在直接對(duì)標(biāo)seedance 和即夢(mèng)。

所以，它到底會(huì)是誰呢？我們就坐等謎底揭曉吧。

* 文中配圖來源于網(wǎng)絡(luò)

歡迎添加微信：cyxx-z

加入「有界UnKnown」科技交流群