阿里ATH創新事業部近日宣布，其最新研發的視頻生成與編輯模型HappyHorse 1.0（中文名：快樂小馬）正式開啟灰度測試。該模型已在阿里云百煉平臺和HappyHorse官網開放注冊，普通用戶則可通過千問App進行體驗。這一消息引發了AI視頻生成領域的廣泛關注。
在盲測平臺Arena.ai的評估中，HappyHorse 1.0在文生視頻、圖生視頻和視頻編輯三個榜單上均位列第二，僅次于近期備受矚目的字節Seedance 2.0。為驗證其實際表現，相關團隊進行了多維度測試，發現該模型在指令遵循和生成速度方面表現突出，但在畫面物理準確性和音畫同步等方面仍有改進空間。
用戶只需輸入簡單的文字描述，HappyHorse 1.0即可生成3秒至15秒的視頻，支持多鏡頭切換和連貫劇情。官網信息顯示，該模型最高支持1080p分辨率，可同時生成4個視頻。價格方面，生成720p和1080p視頻的刊例價分別為每秒0.9元和1.6元，Pro套餐包月價格疊加限時折扣后為每秒0.44元和0.78元。
HappyHorse 1.0已被集成到阿里旗下多款產品中，包括阿里悟空、MuleRun和JVS Claw等Agent平臺。千問App預告將推出“測一測”視頻玩法，用戶可測出自己在短劇宇宙中的本名角色，并通過該模型生成本人“出演”的短劇片段。
測試過程中，HappyHorse 1.0展現了多項優勢：生成一段視頻僅需2至5分鐘，指令遵循能力強，能準確理解復雜提示詞要求，包括鏡頭運動、畫面構圖和風格氛圍等；圖生視頻功能可高度還原上傳的參考元素，如人物、場景和道具等。然而，該模型在音畫同步、長敘事物理準確性和文字渲染方面存在不足。例如，在樂器演奏場景中，手部動作與音頻節奏存在錯位；10秒以上的視頻易出現物理錯誤，如物體無外力移動；畫面中的文字常出現亂碼或錯誤。
在文生視頻測試中，HappyHorse 1.0成功完成了復雜動作與音畫同步的案例。例如，生成一段街頭音樂表演視頻時，模型準確呈現了鼓手敲擊、吉他手彈奏和觀眾互動的場景，但吉他演奏與音樂節奏存在不同步問題。在物理真實性測試中，模型還原了海浪拍打巖石、水花飛濺的效果，但近景畫面中水滴滑落速度略慢于物理規律。
該模型還展現了處理超長提示詞的能力。在一段長達800詞的提示詞測試中，模型準確呈現了畫面中的人物、天氣、環境和建筑等元素，但開頭出現車門無故關閉的物理錯誤，最后一個鏡頭中主角形象發生變化，顯示一致性有待提升。
在圖生視頻測試中，HappyHorse 1.0支持最多9張圖片參考。測試中，模型成功生成了奧爾特曼喝咖啡的畫面，人物相似度達8成，且樣貌未隨光線和背景變化而改變。在多人物參考測試中，模型初始生成結果未能體現爭吵效果，且“馬斯克”說中文，細化要求后生成了二人用英語爭論的畫面，但表情與參考圖存在偏差。在多元素參考測試中，模型準確呈現了上傳的所有人物和物體，但出現紙箱自動合上、門自動打開等物理錯誤。
業內人士認為，HappyHorse 1.0的3秒至15秒生成長度、較快生成速度和支持1080p分辨率是其亮點。在提示詞明確的情況下，模型產出效果尚可，但生成結果的一致性和語音機械感仍需改進。當前視頻生成模型的生成質量仍是普遍痛點，部分團隊“抽卡率”高達50%至60%，生成時效性也有待提升。相比之下，價格是用戶較易接受的維度。
參與測試的團隊表示，HappyHorse 1.0在真實感和敘事能力上表現不錯，尤其適合敘事性內容和紀錄片風格題材。其焦段運用接近實拍，鏡頭運動自然，減輕了視頻的“AI感”。
