編輯｜楊文

神秘的「歡樂馬」，終于顯露真身。

4 月 27 日，阿里 ATH 團(tuán)隊(duì)正式上線視頻生成模型HappyHorse 1.0

該模型依托原生多模態(tài)架構(gòu)，不僅實(shí)現(xiàn)音視頻一鍋出，還能創(chuàng)作、編輯一個(gè)平臺(tái)全搞定，再也不用來回倒騰。

它的「戰(zhàn)績(jī)」我們之前也報(bào)道過，曾在知名 AI 評(píng)測(cè)分析平臺(tái) Artificial Analysis 上屠榜，文字生視頻和圖像生視頻雙雙拿下第一，把 Seedance 2.0 擠到了第二。

在 Arena 榜單排名，視頻編輯排名第一，圖生、文生視頻排名第二。

先來幾個(gè) case 嘗嘗鮮。

在狹窄小巷里騎行，高速運(yùn)動(dòng)動(dòng)作絲滑流暢，鏡頭切換也很自然。

Prompt : A cyclist racing through a narrow alley, handheld camera feel, dynamic motion blur, realistic shadows, intense pacing, cinematic.

倉(cāng)鼠開玩具車追奶酪，鏡頭低機(jī)位追逐、快速跳躍、轉(zhuǎn)彎翻滾，連貫且充滿張力。

Prompt : High-speed chase thriller reimagined as a hamster in a toy car pursuing a rolling cheese wheel through a kitchen obstacle course, featuring low-angle ground-level pursuits, quick-cut jumps over utensils, barrel rolls around corners, and a triumphant slow-mo finish line cross with confetti explosions (vibrant cartoonish hues, pulsating electronic score).

可以這么說，畫面質(zhì)感、鏡頭運(yùn)動(dòng)、人物真實(shí)感與內(nèi)容可控性，逐項(xiàng)拉出來比，HappyHorse 1.0 都很能打。

價(jià)格方面也相當(dāng)良心。HappyHorse 1.0 主打一個(gè)性價(jià)比，720P 和 1080P 的視頻生成每秒分別僅需 0.9 元和 1.6 元，專業(yè)會(huì)員包月價(jià)格疊加限時(shí)折扣后為每秒 0.44 元 和 0.78 元。

目前，該模型已經(jīng)開放體驗(yàn)，全球?qū)I(yè)創(chuàng)作者和企業(yè)級(jí)客戶可在 HappyHorse 官網(wǎng)和阿里云百煉平臺(tái)注冊(cè)使用，大眾用戶可在千問 App 體驗(yàn)。

• 國(guó)內(nèi)版： https://www.happyhorse.cn/
• 海外版： https://www.happyhorse.com/

接下來，我們就搶先實(shí)測(cè)下，看看這匹歡樂馬是個(gè)什么段位。

視頻生成：

運(yùn)鏡、配樂、音效，一鍋全給你出了

HappyHorse 1.0 主要有兩大功能，一是視頻生成，一是視頻編輯。

我們先來看下視頻生成。它支持傳統(tǒng)的文生視頻、圖生視頻，以及多圖參考生視頻，三種出片方式覆蓋了從零起步到素材延展，各有各的玩法。

比如，我們僅輸入一個(gè)簡(jiǎn)單的提示詞：a man doing stand up comedy in a small venue tells a joke (include the joke in the dialogue)，模型就能自己搭建小型 comedy club 的舞臺(tái)環(huán)境，自己編段子，安排觀眾反應(yīng)、表演者語(yǔ)氣和肢體動(dòng)作。

仔細(xì)看成品細(xì)節(jié)，我們可以發(fā)現(xiàn)，觀眾坐姿各異卻不違和，演員的表情也會(huì)隨段子節(jié)奏變化，口型與對(duì)白能保持同步。這也說明，HappyHorse 1.0 具備很強(qiáng)的場(chǎng)景理解與內(nèi)容自編能力。

如果想生成一支籃球廣告片，給個(gè)提示詞：Make a professional ad for baseketball，不到一分鐘，HappyHorse 1.0 直接搞定。

生成畫面中，運(yùn)動(dòng)員完成連續(xù)的運(yùn)球、起跳、投籃，動(dòng)作銜接流暢，一氣呵成，同時(shí)在關(guān)鍵瞬間自動(dòng)帶入慢動(dòng)作處理。要是再補(bǔ)上品牌 Logo，觀感已經(jīng)非常接近一支真正的商業(yè)廣告大片。

在多人表演、鏡頭調(diào)度和 MV 質(zhì)感生成上，HappyHorse 1.0 只靠一段提示詞，就能同時(shí)完成五人女團(tuán)的統(tǒng)一造型、整齊舞蹈和演唱表演，還準(zhǔn)確理解了廣角推進(jìn)、成員近景 wink 等鏡頭切換，以及最后定格群像的收尾。

Prompt : K-pop girl group MV. In a futuristic photography studio, five members dressed in pink-and-white stage outfits perform an energetic group dance, singing "Falling petals fill the sky, veiling the moonlight."The shot transitions from a wide-angle dolly to a close-up wink of the central member, ending with the full group freezing in a powerful finale pose amid intense lighting and a rain of silver sequins. The visuals are clean and bright, with a fast pace, brimming with commercial polish.

多主體場(chǎng)景一直是 AI 視頻生成的難點(diǎn)，在下面這個(gè)人類和機(jī)器人踢足球的測(cè)試中，人類球員的帶球、過人、推進(jìn)，再到最后射門得分，動(dòng)作銜接絲滑，多個(gè)主體在同一鏡頭語(yǔ)言下協(xié)同運(yùn)動(dòng)，沒有各演各的。

Prompt : Soccer of the future, mixing people and robots. This is a fragment from a 2026 cinematic movie.

該模型還支持 3 到 15 秒任意時(shí)長(zhǎng)，我們可以隨意滑動(dòng)模塊設(shè)定，它會(huì)根據(jù)不同時(shí)長(zhǎng)搭配合適的鏡頭。

Prompt : The camera glides high above the sun-soaked cliffs of Monaco, nearly at helicopter-level. Below, a red-and-white 1980s Formula 1 car drives its way through the city circuit, a flash of polished paint and screaming power. Revealing a tightly woven tapestry of pastel architecture, narrow switchbacks, and the glittering blue of the Mediterranean beyond. The car is a blur of speed and precision—its silhouette dancing through hairpin turns and tunnel shadows, kissed intermittently by bright shafts of sunlight. The film look is raw and tangible: natural motion blur, gentle film grain, and sun-washed highlights mimicking vintage 35mm racing documentaries.

這段提示詞信息量略顯密集，要求直升機(jī)視角俯瞰、1980 年代 F1 賽車穿行城市賽道，并呈現(xiàn) 35mm 膠片紀(jì)錄片的質(zhì)感，涉及具體的鏡頭運(yùn)動(dòng)、色調(diào)風(fēng)格等。

模型對(duì)鏡頭語(yǔ)言指令的理解還是比較到位，運(yùn)鏡跟隨賽車的節(jié)奏銜接順暢。

在風(fēng)格適配方面，HappyHorse 1.0 也能 hold 住，比如下面這個(gè)卡通版微型景觀風(fēng)格。

桌面微縮城市的比例感準(zhǔn)確，小汽車穿行其間的景深處理到位，拉鏡頭的軌跡也很講究。

Prompt : tiny city built on a desk, small cars moving, camera fly-through, playful, crisp detail.

文生視頻部分，HappyHorse 1.0 生成效果還是很穩(wěn)的，不同風(fēng)格、不同場(chǎng)景、不同復(fù)雜度的提示詞，它給出的結(jié)果沒有明顯的崩盤情況。

它也支持圖生視頻

我們直接丟給它一張北京旅行的九宮格照片，讓它為每一格照片單獨(dú)生成一小段視頻，最后按順序串聯(lián)成一支完整的旅行 vlog，并配上輕快的音樂。

HappyHorse 1.0 生成的視頻中，每張?jiān)颊掌械娜宋?、?gòu)圖、服裝、表情和地點(diǎn)細(xì)節(jié)都得到了保留。

動(dòng)態(tài)效果輕柔自然，帶有真實(shí)的手持感、細(xì)微鏡頭晃動(dòng)和輕微的推進(jìn)或平移，看起來更像是相機(jī)拍出來的。

不過成片中也有些小 bug，比如最后一個(gè)鏡頭中的文字出現(xiàn)了亂碼等。

參考圖生視頻模式還可以上傳最多 9 張圖片，設(shè)置好每個(gè)鏡頭的提示詞，它就能「腦補(bǔ)」一出大戲。

就比如下面這個(gè)騎士大戰(zhàn)怪獸的測(cè)試，模型能夠理解每一張圖所對(duì)應(yīng)的情節(jié)節(jié)點(diǎn)、角色狀態(tài)和鏡頭意圖，再將它們自動(dòng)串聯(lián)成一段起承轉(zhuǎn)合的小動(dòng)畫，只可惜最后的鏡頭還是有點(diǎn)像動(dòng)態(tài) PPT。

視頻編輯：

不用「重拍」，一句話改到位

再來試試視頻編輯功能。

AI 視頻編輯一直難做，因?yàn)橐曨l內(nèi)容復(fù)雜，涉及到的不僅是畫面本身，還有人物、背景、動(dòng)作和細(xì)節(jié)的融合，稍有不慎就會(huì)穿幫。

過去，雖然有一些 AI 視頻編輯工具，但往往效果不佳。比如替換人物時(shí)，背景和人物的邊緣銜接不自然，或者風(fēng)格轉(zhuǎn)變后畫面質(zhì)量大打折扣，更別說多元素同時(shí)改動(dòng)了。

但現(xiàn)在，一句話就能讓 HappyHorse 1.0 精準(zhǔn)替換主體、添加新元素，或者改變風(fēng)格，同時(shí)保證畫面其余部分不瞎改。

比如，我們將原視頻中的貓咪替換成金毛犬，二者搖尾巴動(dòng)作、沙發(fā)背景和鏡頭切換完全一致，連戴墨鏡這個(gè)細(xì)節(jié)都原樣保留，看不出什么貼片感。

再比如，原視頻是一輛賽車經(jīng)過便利店門口，我們輸入提示詞「汽車駛過的同時(shí)，一個(gè)穿著時(shí)髦的金發(fā)美女從便利店里推開門走出」。

這比單純換主體難度更高，需要憑空添加一個(gè)人物，還要讓她的出現(xiàn)符合原視頻的空間邏輯、鏡頭角度和光線條件。

模型完全遵循文本描述，整體與原素材的融合幾乎感覺不到拼接的痕跡。

或者將動(dòng)漫風(fēng)格改成寫實(shí)風(fēng)格，這個(gè)過程中 HappyHorse 1.0 沒有出現(xiàn)風(fēng)格過渡失真或人物、動(dòng)作形變等毛病。

結(jié)語(yǔ)

這兩年，AI 視頻生成卷到冒煙。要想在這個(gè)圈子占據(jù)一席之地，必須得有兩下子。

HappyHorse 1.0 的兩下子，不是靠噱頭堆出來的。它老老實(shí)實(shí)在畫面質(zhì)感、人物真實(shí)感、運(yùn)鏡流暢度等基本功上下功夫，偏偏這幾件事，內(nèi)容生產(chǎn)者每天都要跟它們較勁。

同時(shí)，內(nèi)容生產(chǎn)是反復(fù)修改的持續(xù)迭代過程，它這次沒有把視頻生成和視頻編輯割裂開來，也是一次較大的突破。

目前 HappyHorse 1.0 也只是小試牛刀，它仍在不斷進(jìn)化中。不過，開場(chǎng)就有這個(gè)成色，后面的表現(xiàn)著實(shí)令人期待。

文中視頻鏈接：https://mp.weixin.qq.com/s/rvs2rfQTgldbhH7AZHAC1A