Editly
返回部落格
HappyHorse 1.1 指南:阿里的 AI 影片模型有什麼不一樣

HappyHorse 1.1 指南:阿里的 AI 影片模型有什麼不一樣

和 Seedance、Kling 不同,HappyHorse 的核心賣點是:**統一架構,一個模型同時處理文字、圖片、影片、音訊**——不是分模組拼接,而是 150 億參數的單流 Transformer 一次生成。

EditlyEditly 團隊

HappyHorse 是阿里巴巴淘天集團旗下 ATH 創新中心開發的 AI 影片生成模型。1.0 版本在 2026 年 4 月上線後,直接登上 Artificial Analysis 排行榜前二(無音訊榜 ELO 1357 排名第一,有音訊榜 ELO 1212 與 Seedance 2.0 並列)。1.1 版本於 6 月 22 日發布,同步開放全球 AI 影視創作大賽。

和 Seedance、Kling 不同,HappyHorse 的核心賣點是:統一架構,一個模型同時處理文字、圖片、影片、音訊——不是分模組拼接,而是 150 億參數的單流 Transformer 一次生成。

1.1 相比 1.0 升級了什麼

維度 1.0 1.1
運動品質 基準 更自然,物理效果更可信
主體一致性 偶有漂移 改善,多場景角色更穩定
提示詞跟隨 長提示詞容易跑偏 多場景多角色的複雜提示詞跟隨更準
畫面質感 偶有油畫感、過度銳化 保留真實皮膚細節(毛孔、法令紋)
音訊生成 原生同步 語氣、節奏、停頓更自然,支援提示詞描述環境音
參考圖 最多 9 張 最多 9 張(不變,但匹配精度提升)

HappyHorse 1.0 vs 1.1 對比

簡單說,1.1 不是功能性升級,而是全面打磨——把 1.0 被使用者吐槽的「油膩感」「銳化過度」「長提示詞跑偏」逐一修正。

核心參數

  • 架構:150 億參數統一單流 Transformer,40 層自注意力,影片+音訊聯合生成
  • 解析度:最高 1080P
  • 時長:最長 10 秒
  • 參考圖輸入:最多 9 張(R2V 模式,提示詞中用 character1、character2 標記)
  • 唇形同步:7 語種(中文、粵語、英文、日文、韓文、德文、法文)
  • 畫面比例:16:9、9:16、1:1

R2V:9 張參考圖怎麼用

HappyHorse 的 Reference-to-Video(R2V)是它區別於競品的特色功能。上傳最多 9 張參考圖,分別標記為 character1、character2 等,模型會融合每個角色的外觀、服裝、風格到生成的影片中。

適合的場景:

  • 品牌影片:上傳品牌色板 + Logo + 產品圖,保持品牌一致性
  • 多角色敘事:每個角色一張參考圖,跨鏡頭保持各自外觀
  • IP 二創:上傳角色設計圖,生成該角色的動態影片

對比:Seedance 2.0 支援 12 個參考輸入(圖+音訊+影片),Seedance 2.5 擴展到 50 個。HappyHorse 的 9 張上限少一些,但標記系統讓多角色場景的控制更直覺。

定價

HappyHorse 的定價因平台而異(截至 2026 年 6 月):

管道 720P 每秒 1080P 每秒 免費額度
fal.ai(官方 API 合作) ~$0.18 ~$0.32
EvoLink ~$0.18 ~$0.32 註冊送點數
阿里雲百煉 未公開具體價格 未公開具體價格

API 定價對比

和競品比:HappyHorse 的 API 價格(720P $0.18/秒)比 Seedance 2.0 Mini$0.07/秒)和 Kling 3.0 Turbo(~$0.11/秒)都貴,但畫質排名也更高。

和其他模型比在什麼位置

模型 ELO 排名 最高解析度 最長時長 音訊 參考輸入 每秒成本
HappyHorse 1.1 #1-2 1080P 10s 原生 7 語種 9 張圖 ~$0.18
Seedance 2.0 #1-2 4K 15s 原生 12 個 ~$0.14
Kling 3.0 #3 4K/60fps 15s 原生+額外 元素系統 ~$0.11
Runway Gen-4 #4-5 1080P 10s 無原生 有限 ~$0.25

HappyHorse 的優勢在畫質排名和 7 語種唇形同步;劣勢在解析度(沒有 4K)、時長(10 秒 vs 競品 15 秒)和價格。

結論

HappyHorse 1.1 是目前 ELO 排名最高的 AI 影片模型之一,150 億參數的統一架構讓它的音視訊協調性確實出色。但它不是萬能的——10 秒時長上限和 1080P 解析度天花板意味著需要長片段或 4K 的場景還是得看 SeedanceKling

選擇建議: