Editly
返回博客
HappyHorse 1.1 指南:阿里的 AI 视频模型有什么不一样

HappyHorse 1.1 指南:阿里的 AI 视频模型有什么不一样

和 Seedance、Kling 不同,HappyHorse 的核心卖点是:**统一架构,一个模型同时处理文本、图像、视频、音频**——不是分模块拼接,而是 150 亿参数的单流 Transformer 一次生成。

EditlyEditly 团队

HappyHorse 是阿里巴巴淘天集团旗下 ATH 创新中心开发的 AI 视频生成模型。1.0 版本在 2026 年 4 月上线后,直接登上 Artificial Analysis 排行榜前二(无音频榜 ELO 1357 排名第一,有音频榜 ELO 1212 与 Seedance 2.0 并列)。1.1 版本于 6 月 22 日发布,同步开放全球 AI 影视创作大赛。

和 Seedance、Kling 不同,HappyHorse 的核心卖点是:统一架构,一个模型同时处理文本、图像、视频、音频——不是分模块拼接,而是 150 亿参数的单流 Transformer 一次生成。

1.1 相比 1.0 升级了什么

维度 1.0 1.1
运动质量 基准 更自然,物理效果更可信
主体一致性 偶有漂移 改善,多场景角色更稳定
提示词跟随 长提示词容易跑偏 多场景多角色的复杂提示词跟随更准
画面质感 偶有油画感、过度锐化 保留真实皮肤细节(毛孔、法令纹)
音频生成 原生同步 语气、节奏、停顿更自然,支持提示词描述环境音
参考图 最多 9 张 最多 9 张(不变,但匹配精度提升)

HappyHorse 1.0 vs 1.1 对比

简单说,1.1 不是功能性升级,而是全面打磨——把 1.0 被用户吐槽的"油腻感""锐化过度""长提示词跑偏"逐一修正。

核心参数

  • 架构:15B 参数统一单流 Transformer,40 层自注意力,视频+音频联合生成
  • 分辨率:最高 1080P
  • 时长:最长 10 秒
  • 参考图输入:最多 9 张(R2V 模式,提示词中用 character1、character2 标记)
  • 唇形同步:7 语种(中文、粤语、英文、日文、韩文、德文、法文)
  • 画面比例:16:9、9:16、1:1

R2V:9 张参考图怎么用

HappyHorse 的 Reference-to-Video(R2V)是它区别于竞品的特色功能。上传最多 9 张参考图,分别标记为 character1、character2 等,模型会融合每个角色的外观、服装、风格到生成的视频中。

适合的场景:

  • 品牌视频:上传品牌色板 + Logo + 产品图,保持品牌一致性
  • 多角色叙事:每个角色一张参考图,跨镜头保持各自外观
  • IP 二创:上传角色设计图,生成该角色的动态视频

对比:Seedance 2.0 支持 12 个参考输入(图+音频+视频),Seedance 2.5 扩展到 50 个。HappyHorse 的 9 张上限少一些,但标记系统让多角色场景的控制更直观。

定价

HappyHorse 的定价因平台而异(截至 2026 年 6 月):

渠道 720P 每秒 1080P 每秒 免费额度
fal.ai(官方 API 合作) ~$0.18 ~$0.32
EvoLink ~$0.18 ~$0.32 注册送积分
阿里云百炼 未公开具体价格 未公开具体价格

API 定价对比

和竞品比:HappyHorse 的 API 价格($0.18/秒 720P)比 Seedance 2.0 Mini$0.07/秒)和 Kling 3.0 Turbo(~$0.11/秒)都贵,但画质排名也更高。

和其他模型比在什么位置

模型 ELO 排名 最高分辨率 最长时长 音频 参考输入 每秒成本
HappyHorse 1.1 #1-2 1080P 10s 原生 7 语种 9 张图 ~$0.18
Seedance 2.0 #1-2 4K 15s 原生 12 个 ~$0.14
Kling 3.0 #3 4K/60fps 15s 原生+额外 元素系统 ~$0.11
Runway Gen-4 #4-5 1080P 10s 无原生 有限 ~$0.25

HappyHorse 的优势在画质排名和 7 语种唇形同步;劣势在分辨率(没有 4K)、时长(10 秒 vs 竞品 15 秒)和价格。

结论

HappyHorse 1.1 是目前 ELO 排名最高的 AI 视频模型之一,150 亿参数的统一架构让它的音视频协调性确实出色。但它不是万能的——10 秒时长上限和 1080P 分辨率天花板意味着需要长片段或 4K 的场景还是得看 SeedanceKling

选择建议: