Alibaba

HappyHorse 1.0

HappyHorse 1.0 是阿里巴巴的旗舰多模态 AI 视频模型——统一的 150 亿参数 Transformer，可从单个文本或图像提示直接生成带原生同步音频的 1080p 视频。发布即登顶公开榜单，Elo 分数 1381，领先第二名 107 分。

HappyHorse 1.0 支持文生视频（T2V）、图生视频（I2V）和主体生视频（S2V）：可以根据提示直接生成、把静态图像动画化，或在保留主体身份的前提下把参考主体插入生成的视频中。输出最长 15 秒、1080p、多镜头，并带原生同步音频——包括对口型对白、环境氛围和富有情感的人声表演。视频编辑能力包括视频到视频（V2V）——在保留原始结构与运动的前提下重新风格化既有素材，以及主体+视频到视频（SV2V）——在保持原始运动、构图与未受影响区域不变的前提下替换或插入参考主体。在 Martini 中通过 Geneasy 提供商接入，目前开放文生视频与首帧图生视频两种模式。