HappyHorse 1.0 — це сімейство моделей генерації відео Alibaba Cloud Model Studio. Один промпт у HappyHorse 1.0 створює ролик 3-15 секунд у 1080P із тексту, з першого кадру-зображення, з 1-9 референсних зображень або з наявного відео. Кінематографічні діалоги, фонові звукові ландшафти й безперервні FPV-кадри — усе це продемонстрував реліз HappyHorse 1.0.
Модель відео від Alibaba Cloud Model Studio з чотирма режимами вхідних даних
HappyHorse 1.0 — це модель генерації відео від Alibaba Cloud Model Studio (阿里云百炼). Чотири варіанти — text-to-video, first-frame I2V, reference-to-video та video-edit — використовують один ендпоінт Bailian DashScope. Кожен рендер HappyHorse 1.0 видає MP4-ролик тривалістю 3-15 секунд у 720P або 1080P.
HappyHorse 1.0 охоплює T2V, I2V (перший кадр), Reference (1-9 зображень персонажів) і відеоредагування — один ендпоінт Bailian, одна тарифна сітка.
Кожен варіант HappyHorse 1.0 приймає тривалість 3-15 секунд (за замовчуванням 5). Короткі — для лупів, довгі — для відкривних сцен.
HappyHorse 1.0 видає MP4 H.264 у 720P або 1080P, за замовчуванням 1080P. Підходить для соцмереж, вебу та більшості рекламних форматів.
Варіанти T2V і Reference HappyHorse 1.0 беруть 16:9, 9:16, 1:1, 4:3 і 3:4 — Reels, YouTube, стрічки — усе одним промптом.
Варіант Reference HappyHorse 1.0 приймає від 1 до 9 референсних зображень, які адресуються в промпті як `character1`...`character9`.
Авторизуйтеся ключем DashScope API, надішліть POST на ендпоінт синтезу відео Bailian із заголовком `X-DashScope-Async: enable`, опитайте задачу та отримайте MP4 у 1080P.
Презентаційний ролик HappyHorse 1.0 відрендерив англійські, мандаринські, регіонально-діалектні та змішані репліки прямо всередині кліпу.
Презентаційний ролик HappyHorse 1.0 продемонстрував діалоги персонажів, відрендерені разом із відео — нуарну англійську сцену в кав'ярні, мандаринський епізод у кімнаті допиту, мовну комедію в стилі Shaw Brothers, рекламний жарт хенаньським діалектом і двомовні переговори в приватному літаку. Серед чотирьох задокументованих варіантів лише варіант відеоредагування HappyHorse 1.0 має в API явний параметр `audio_setting`; проте презентаційні демо інших варіантів виходять із аудіодоріжкою. Сприймайте цей ролик як специфікацію того, як може звучати це сімейство.
HappyHorse 1.0 приймає до 5000 некитайських (або 2500 китайських) символів у промпті — розгорнуті сценарні сцени зберігаються повністю.
Раніші моделі відео здавалися після кількох речень — камера втрачала бриф уже на третьому такті. HappyHorse 1.0 проводить довгий промпт із кадропланом крізь увесь ролик: FPV-старт із землі, сповільнення біля бейгельної в стилі Bagel-store, вертикальний підйом повз скло хмарочосів, осьове перевертання, фінал у дзеркальному світі стрічки Мебіуса. Презентаційний ролик пропустив сторіборд на 800 символів через один рендер HappyHorse 1.0 — рухи камери відпрацювали в порядку.
Варіант I2V HappyHorse 1.0 приймає рівно одне зображення першого кадру й анімує далі від нього.
Передайте HappyHorse 1.0 одне зображення — JPEG, JPG, PNG або WEBP, кожна сторона щонайменше 300 пікселів, співвідношення сторін від 1:2.5 до 2.5:1, розмір файлу до 10 МБ — і варіант I2V візьме його як буквальний перший кадр ролика. Переходи стилів працюють у межах домену: презентаційний ролик показав, як мультиплікаційний персонаж робить один оберт і перетворюється на фотореалістичну сцену прямо під час рендеру. Корисно для вступних сцен, презентацій продуктів і сюжетного I2V, де нерухомий кадр уже існує.
Релізні ролики HappyHorse 1.0 виходять із фоновими звуковими ефектами — листя, вітер, вода, тон кімнати — разом із кадрами.
Кроки по листю, вітер у кронах дерев, далекий струмок — лісове демо HappyHorse 1.0 видало все це всередині самого ролика. Фоновий звуковий ландшафт не є задокументованим параметром API HappyHorse 1.0 для T2V/I2V/Reference, але презентаційний ролик робить цю можливість спостережуваною. ASMR-нарізки, локаційний B-roll і атмосферні вставки публікуються одразу — без окремого етапу звукорежисури.
Варіант Reference HappyHorse 1.0 приймає 1-9 зображень персонажів і прив'язує їх до `character1`...`character9` у вашому промпті.
Двоє персонажів, які мають залишатися тими самими людьми протягом усього такту — хлопчик і іржавий робот, що шепочуть «ми друзі», а потім широкий від'їзд камери — це той випадок, коли слабші моделі починають дрейфувати. Варіант Reference HappyHorse 1.0 приймає до 9 записів reference_image (кожен у 720P+, до 10 МБ, співвідношення сторін від 1:2.5 до 2.5:1) і прив'язує їх до токенів персонажів у промпті. Ролик HappyHorse 1.0 Reference здатен утримати ідентичність, гардероб і реквізит крізь монтажний стик.
Десять кліпів — кожна підпис є реальним промптом HappyHorse 1.0 із публічного релізу
Можливості взято з офіційної документації кожного постачальника.
| Можливість | HappyHorse 1.0 | Veo 3.1 | Kling 3.0 | Sora 2 |
|---|---|---|---|---|
| Постачальник | Alibaba Cloud Model Studio | Google DeepMind | Kuaishou Technology | OpenAI |
| Варіанти в сімействі | T2V, I2V (перший кадр), Reference, Video-Edit | T2V зі Scene Extension, Ingredients to Video | T2V, I2V, мультикадрова зйомка | T2V, I2V |
| Максимальна тривалість ролика | 3-15 секунд (на запит) | 8 секунд базово; до 148 с через Scene Extension | До 15 с з до 6 кадрами | До 12 с (Sora 2 API) |
| Роздільна здатність виводу | 720P або 1080P (за замовчуванням 1080P) | Нативний рендер до 1080p; апскейл до 4K | Мультикадровий вивід 1080p | Рівні Sora 2 / Sora 2 Pro |
| Референсні матеріали | Варіант Reference: 1-9 зображень персонажів | До 3 референсних зображень (Ingredients) | Підтримка мультимодального вводу | Один референс-зображення |
| Мультимодальний ввід | Текст, зображення, відео | Текст, зображення | Текст, зображення, аудіо, відео | Текст, зображення |
| Доступ до API | Bailian DashScope (Пекін + Сінгапур) | Google AI / Vertex AI | Kling AI API | OpenAI Sora API |
Чотири звички, які дають придатний ролик HappyHorse 1.0 з першого рендеру
Виберіть між `happyhorse-1.0-t2v` (тільки текст), `happyhorse-1.0-i2v` (одне зображення першого кадру), `happyhorse-1.0-r2v` (1-9 референсів персонажів) і `happyhorse-1.0-video-edit` (наявний ролик плюс необов'язкові референси). Кожен варіант приймає трохи інший бриф — і правильний вибір рятує від повторного рендеру.
HappyHorse 1.0 приймає `duration` 3-15 с, `resolution` 720P або 1080P і `ratio` із 16:9, 9:16, 1:1, 4:3, 3:4 (тільки для T2V і Reference). Виберіть до того, як писати — 9:16 5 с для Reels, 16:9 12 с для відкриття — щоб промпт цілився в конкретний кадр.
HappyHorse 1.0 утримує довгі промпти (до 5000 некитайських / 2500 китайських символів). Назвіть суб'єкт, рух камери, об'єктив, освітлення та що саме хочете чути. Презентаційний ролик демонструє, як модель рендерить аудіо разом із кадрами — описуйте звук явно.
Якщо ви на варіанті Reference HappyHorse 1.0, додайте референсні зображення в `media[]` і викликайте їх як `character1`, `character2`, ... у промпті. Кожне референсне зображення має бути JPEG/JPG/PNG/WEBP, коротка сторона ≥ 400 пікселів, розмір файлу ≤ 10 МБ.
Кожна модель відео має власні сильні сторони — реалізм, швидкість, стиль, ціна
Огляд категорії — що роблять моделі text-to-video і як писати для них якісні промпти.
Кінематографічна модель text-to-video від Google DeepMind — нативне аудіо 48 кГц, ролики 8 с, Scene Extension до 148 с.
Багатомовна модель відео від Kuaishou — текст, зображення, аудіо й відео як вхідні дані в одному сімействі.
Що люди насправді питають перед першим рендером HappyHorse 1.0
Безкоштовно. Без кредитної картки. Ролики 3-15 секунд у 1080P із тексту, зображення або референсу. Спробуйте HappyHorse 1.0 вище.