四月的AI視頻生成賽道突然變得有趣起來(lái)。一個(gè)名叫HappyHorse的匿名模型，在沒有任何官方宣傳的情況下，悄然登頂Artificial Analysis的AI Video Arena排行榜，文生視頻和圖生視頻兩個(gè)無(wú)音頻類別均排名全球第一，直接超過了字節(jié)跳動(dòng)的Seedance 2.0和快手的可靈。

而這個(gè)模型，現(xiàn)在基本可以確認(rèn)出自阿里巴巴淘天集團(tuán)。

1.音視頻同步生成，技術(shù)架構(gòu)足夠純粹

HappyHorse 1.0的技術(shù)方案走了一條與眾不同的路。大多數(shù)開源視頻模型的處理流程是先生成無(wú)聲視頻，再用另一個(gè)模型配音，再找工具做口型對(duì)齊，工序多、誤差大。

HappyHorse用一個(gè)統(tǒng)一的Transformer同時(shí)處理視頻和音頻，一次推理直接輸出帶聲音的成片，口型、腳步聲、環(huán)境音都在同一個(gè)過程里生成，不需要后期拼接。

模型參數(shù)量150億，架構(gòu)上是純自注意力Transformer，沒有交叉注意力，沒有獨(dú)立的音頻分支，把所有模態(tài)的token拼成同一個(gè)序列，讓模型自己學(xué)會(huì)跨模態(tài)對(duì)齊。

這種極簡(jiǎn)設(shè)計(jì)在當(dāng)下動(dòng)輒數(shù)百億參數(shù)、各種復(fù)雜模塊堆疊的模型中，顯得相當(dāng)克制。

速度方面也做了優(yōu)化。采用DMD-2蒸餾技術(shù)把去噪步數(shù)壓縮到8步，再配合MagiCompiler編譯加速，單張H100上生成1080p視頻只需約38秒，256p預(yù)覽版本2秒左右就能出來(lái)。

模型還原生支持七種語(yǔ)言的唇形同步，包括英語(yǔ)、普通話、粵語(yǔ)、日語(yǔ)、韓語(yǔ)、德語(yǔ)和法語(yǔ)，這些語(yǔ)言的口型、語(yǔ)調(diào)和語(yǔ)音時(shí)序是和視頻一起聯(lián)合訓(xùn)練出來(lái)的，不是后期貼上去的。

2.匿名登頂，來(lái)自“可靈之父”的回歸之作

這個(gè)神秘模型引發(fā)的最大討論就是它的身份。網(wǎng)友在X平臺(tái)上各種猜測(cè)，有人說是阿里萬(wàn)相Wan 2.7的馬甲，有人指向快手。

最終，多方信息確認(rèn)，HappyHorse 1.0由淘天集團(tuán)未來(lái)生活實(shí)驗(yàn)室團(tuán)隊(duì)打造，項(xiàng)目由張迪領(lǐng)銜。

張迪這個(gè)名字在AI視頻圈并不陌生。他曾經(jīng)是快手副總裁、可靈AI技術(shù)負(fù)責(zé)人，被業(yè)界稱為“可靈之父”。

2025年8月快手組織架構(gòu)調(diào)整后，張迪不再擔(dān)任可靈AI事業(yè)部技術(shù)部負(fù)責(zé)人，9月初短暫加入嗶哩嗶哩，一個(gè)多月后離開，11月重返阿里巴巴，出任淘天集團(tuán)未來(lái)生活實(shí)驗(yàn)室負(fù)責(zé)人，直接向淘天集團(tuán)首席科學(xué)家鄭波匯報(bào) 。

僅用了大約五個(gè)月，張迪就帶著團(tuán)隊(duì)拿出了HappyHorse 1.0。從快手可靈到阿里歡樂馬，張迪的身份轉(zhuǎn)換本身就是一個(gè)有意思的變量。

一個(gè)人在同一個(gè)賽道先后服務(wù)兩家直接競(jìng)爭(zhēng)的大廠，這種人才流動(dòng)在AI行業(yè)已經(jīng)不算罕見，但每次都會(huì)重新洗牌競(jìng)爭(zhēng)格局。

3.榜單數(shù)據(jù)好看，但樣本量有差距

從Artificial Analysis的盲測(cè)數(shù)據(jù)來(lái)看，HappyHorse 1.0在文生視頻（無(wú)音頻）Elo跑分1386，圖生視頻（無(wú)音頻）Elo跑分1412，均領(lǐng)先Seedance 2.0。在有音頻的兩個(gè)榜單上，Seedance 2.0仍保持微弱領(lǐng)先。

不過需要留意的是，HappyHorse的對(duì)比評(píng)測(cè)樣本量約3500次，遠(yuǎn)低于Seedance 2.0的約7500次，排名后續(xù)仍有波動(dòng)的可能。

國(guó)聯(lián)民生證券的研報(bào)也提到，這是一款“畫面和場(chǎng)景很強(qiáng)、音頻也不錯(cuò)，但復(fù)雜動(dòng)作和分鏡控制還不如Seedance等玩家那么成熟”的高質(zhì)量視頻模型。

這意味著歡樂馬在某些維度上確實(shí)領(lǐng)先，但在更精細(xì)的控制能力上還有追趕空間。

4.開源+匿名發(fā)布，中國(guó)AI的新打法

值得注意的不僅是模型本身的能力，還有它的發(fā)布方式。先以化名發(fā)布模型，靠產(chǎn)品性能在社區(qū)自然發(fā)酵，再擇機(jī)官宣，正在成為中國(guó)AI公司的新打法。

此前小米的“Hunter”模型也是類似路徑。這種匿名發(fā)布的好處是可以讓評(píng)測(cè)結(jié)果更客觀，規(guī)避品牌光環(huán)對(duì)用戶判斷的干擾。

更關(guān)鍵的是，HappyHorse 1.0宣布完全開源。從萬(wàn)相Wan到通義千問Qwen，阿里的AI模型一直堅(jiān)持開源路線，歡樂馬的加入進(jìn)一步豐富了這一矩陣。

而字節(jié)跳動(dòng)的Seedance 2.0、快手的可靈都是閉源模型，開源與閉源的路線分歧在這個(gè)賽道上越來(lái)越明顯。

開源能不能在商業(yè)化和社區(qū)生態(tài)上真正撼動(dòng)閉源玩家，目前還沒有答案。但張迪帶著可靈的經(jīng)驗(yàn)回歸阿里，選擇了一條與老東家截然不同的技術(shù)路線，這本身就值得玩味。

5.競(jìng)爭(zhēng)的終點(diǎn)在哪里

騰訊正在打磨“探夢(mèng)DreamNow”AI內(nèi)容平臺(tái)，混元3.0計(jì)劃4月發(fā)布，但視頻生成模塊的具體參數(shù)至今未披露，跨代升級(jí)能跳多遠(yuǎn)，外界只能猜。

快手可靈已實(shí)現(xiàn)4K輸出和最長(zhǎng)3分鐘視頻生成，字節(jié)Seedance 2.0在今年2月上線后引發(fā)創(chuàng)作者圈層震動(dòng)，連《黑神話：悟空》制作人馮驥都給出了“地表最強(qiáng)”的評(píng)價(jià)。阿里此時(shí)帶著歡樂馬入場(chǎng)，三家大廠在AI視頻賽道上基本到齊了。

AI視頻生成的技術(shù)迭代斜率在顯著加快，但單段生成時(shí)長(zhǎng)仍然受限，角色跨鏡頭一致性剛達(dá)到商業(yè)可探索門檻，復(fù)雜情感表演和物理交互還不成熟。

技術(shù)指標(biāo)的突破速度再快，最終還是要回答一個(gè)更根本的問題，當(dāng)所有大廠都能做出相似水平的視頻模型時(shí)，用戶會(huì)因?yàn)槭裁炊x擇其中一家？是技術(shù)參數(shù)，是生態(tài)整合，還是使用成本？這個(gè)答案現(xiàn)在誰(shuí)都給不出來(lái)。