HappyHorse 1.0 — 阿里雲多變體影片生成模型

HappyHorse 1.0 發表會在影片內直接渲染英文、普通話、地方方言與雙語混搭的台詞。

HappyHorse 1.0 發表會展示了影片內直接生成的角色對白 — 黑色電影風的巴黎咖啡廳英文對話、普通話偵訊室的緩慢張力場、邵氏電影語言互換喜劇、河南方言的產品搞笑橋段，以及私人飛機艙內的雙語談判。在四個官方 HappyHorse 1.0 變體中，目前僅 HappyHorse 1.0 的 video-edit 變體於 API 文件中明列 `audio_setting` 參數；其餘 HappyHorse 1.0 變體的發表會展示影片仍附帶聲音。建議將 HappyHorse 1.0 發表會實機展示視為這個家族能呈現的聲音規格。

HappyHorse 1.0 的 I2V 變體只接受一張首幀圖片，並由該幀繼續動起來。

丟一張圖給 HappyHorse 1.0 — JPEG、JPG、PNG 或 WEBP，每邊至少 300 像素，畫面比例介於 1:2.5 與 2.5:1，檔案大小 10 MB 以內 — HappyHorse 1.0 的 I2V 變體會把它當作影片真正的第一幀。風格轉換落在 HappyHorse 1.0 的訓練覆蓋範圍內：發表會展示了一個卡通角色旋轉一圈後直接漸變成寫實場景。HappyHorse 1.0 的 I2V 適合產品開場、品牌揭示，以及已有靜態素材的劇情類應用。

HappyHorse 1.0 的 Reference 變體接受 1-9 張角色圖片，並在提示詞中對應到 `character1`...`character9`。

兩個角色必須在同一段戲中保持是同一個人 — 一個男孩與一台生鏽機器人輕聲說「我們是朋友」，接著拉遠的全景 — 這正是較弱模型最常出包的失敗模式。HappyHorse 1.0 的 Reference 變體最多接受 9 張 reference_image（每張至少 720P、檔案 10 MB 以內，畫面比例介於 1:2.5 與 2.5:1），HappyHorse 1.0 會將每張圖片綁定到提示詞中的角色代詞。一段 HappyHorse 1.0 Reference 影片可以在剪接點之間維持身分、服裝與道具的連戲，這是 HappyHorse 1.0 在多角色場景的核心優勢。