Photo by ChatGPT

?有界UnKnown原創

作者丨錢江

編輯｜山茶

今天，一則折疊的聊天記錄，又引爆了AI圈。

起因是網友發現了一款名叫HappyHorse-1.0的新視頻生成模型，它不僅強，還很神秘。

強是因為，它能在AA排行榜（全稱artificialanalysis.ai）上超越Seedance2.0，成為全球第一。

而神秘的是，目前沒有人認領這款模型，其官網上也沒有任何與其身份相關的標識。

很多人看到這個模型，都不自覺問出曹操那句名言："我原本以為呂布已經天下無敵了，沒想到有人比他還勇猛！這是誰的部將？"

于是，猜測HappyHorse-1.0的歸屬，成為今天行業里最熱鬧的話題。

當然，「有界UnKnown」也積極沖到了吃瓜前線，而我們在吃瓜過程中卻發現，HappyHorse不僅在能力上很突出，它爆火出圈這件事情，也充滿了人為操作的痕跡。

一切，可能都是一場精心設計的局。

HappyHorse，厲害在哪里？

作為橫空出世的黑馬，HappyHorse1.0自然有其厲害的地方，我們先說這個。

首先，和主流視頻模型不同，HappyHorse是開源的。

其次，它的參數僅有15B，比大多數模型都小，且8步即可完成超快推理（256p僅需2秒，即使是1080p也只需約38秒），正式上線時間在4月8日凌晨。

它主打的優勢主要落在兩點：生成速度快，以及優秀的音頻能力。

首先，是成速度很快。

在已有案例中，僅用一句提示詞和一張圖片，約一分鐘即可生成完整視頻。流傳的微信聊天記錄中，還也特意狠狠踩了一下即夢。

當然，生成速度快的背后，可能是用戶數還不多，所以不需要排隊。

其次，在音頻上的能力，HappyHorse也相對多數視頻模型有更明顯的進步。

第一，是環境音的匹配。

在HappyHorse的案例中，當腳踩到冰面上的時候，可以聽到“嘣”得一聲；當籃球進入投籃框的時候，會發出和框碰撞的聲音；咖啡師倒牛奶時，也能生成倒牛奶的聲音。

而之前許多AI生成的視頻，都容易出現音畫不同步，不匹配的情況。

更重要的是，HappyHorse的聲音并不是簡單疊加的背景音，而是與畫面中的動作形成了基本一致的對應關系。換句話說，聲音開始成為“視頻的一部分”，而不是后期補上的效果。

第二種是HappyHorse語言能力。

輸入提示詞后，模型可以直接生成對應語種的語音內容。根據官網信息，目前主要支持的語言是普通話、粵語、英語、日語、韓語、德語和法語。

最后，是在價格上。

HappyHorse采用的是積分制，提供按月、按年以及按需三種付費方式。

雖然網絡上大家都在說它的價格比Seedance 2.0便宜一半，但實際上幾乎是照著Seedance 2.0訂閱價格設置的，比Pixverse V6定價也更高，并沒有價格優勢。

而這些，都讓HappyHorse成為討論熱點。

人造的“黑馬”？

雖然關于HappyHorse的大多數的討論都是自然發生的，但種種跡象表明，從故意隱藏信息制造討論話題，到扔出折疊的聊天記錄曝光，引起討論，這完全可能是一場人為的，精心設計的傳播。

首先是榜單，一位在AI視頻企業工作的朋友表示，AA的排行榜是可以操作的，只要有預算，他們可以提前給到題目，在這個基礎上針對性優化樣本的話，拿到高分很容易。

而HappyHorse悄悄登頂，又快速撤下，現在市場流傳的都是截圖，這也給這個猜測制造了基礎。

特別是在幾乎一邊倒的贊揚聲之中，X也有一些網友表示，從生成的效果來看，真人感比較弱，所以也有可能Happyhorse的榜單是刷來的。

比如，有X網友發現，官網公布的demo雖然畫面不錯，但在物理性上表現有一些差距。比如在呈現快速運動時，仍然存在AI運動偽影，尤其是一些帶有條紋、線條的物體。

其次，HappyHorse因AA榜單登頂而火，前后不過兩天，其官網已經有完整的、關于為什么火的蹭熱點的展示，效率真的很高。

第三，目前全網流傳的素材十分單一。

「有界Unknown」試圖付費測試一下視頻，但多次嘗試之后沒有打開，其給到的免費積分不足以支持測試。

而現在網上流傳的視頻也十分單一，與之前在微信群里，通過折疊聊天記錄傳播的內容基本一致，而沒有新的，更多的視頻內容。

這就很有意思了，當全網都在說它比其他模型牛逼的時候，證據卻只有官方給到的視頻案例，確實有點意思。

而有趣的是，這個聊天記錄里，明里暗里地對標友商，突出對比，制造話題，不知道友商現在什么心情。

當然，這一切也都瑕不掩瑜。

退一萬步來講，即便這是一波精心策劃的營銷，但只要產品本身能打，剩下的一起都不是問題。

HappyHorse帶來了什么？

事實上，HappyHorse真的帶來了一些新的東西，一種新的技術范式。

現在主流的視頻生成模型，基本采用的方式都是先把視頻壓縮，再交給 Transformer 去一點點“去噪生成”。

而不同的企業在具體的操作上也有不同。

比較傳統的方式，也是現在的主流方式，是視頻和音頻先分開處理，再融合，如HunyuanVideo、PixVerse、早期的seedance1.0都是如此，它們會先把文本、視頻，或者空間、時間分開處理，后面再合到一起。

劍走偏鋒的方式的是優先提速，比如以色列的公司Lightricks開發的LTX，其重點不是結構多復雜，而是先把視頻壓得更狠，讓token變少，這樣生成更快。

而未來，行業逐漸演變的趨勢是：一套大主干統一生成。

過去，先分開處理，再融合的方式，在技術上，這通常被稱為“雙流（two-stream）”。

畫面和聲音分別由不同模塊生成，最后再通過對齊機制拼在一起。這也是為什么，在很多情況下，音畫雖然能夠對上，但仍然會有一絲不自然——因為它們從一開始就不是一起生成的。

而現在的一套大主干統一生成，則趨向于“單流（single-stream）”生成方式，即把畫面和聲音作為同一生成過程中的不同部分，一起完成。

也就是說，聲音不是后加的，而是和畫面一起“長出來”的。

這一差異，可以從具體效果中看到。比如腳踩冰面的破裂聲、籃球入框的碰撞聲，這些聲音不是簡單疊加，而是隨著動作同步出現，具有明顯的因果關系。

現在市面上最新的模型如Sora、Veo、Seedance2.0都在向這方面靠攏，這也是目前的技術方向。

HappyHorse采用的就是這個方向，但它做得更激進，更強調“全部放在一起統一處理”。（起碼在他們官網上是如此宣稱的）

這具體表現在：

1、結構上更統一，強調單流、無 cross-attention；

2、模態上更統一，不僅文本和視頻一起處理，連音頻也想一起納入；

3、推理上更激進、8步生成、強調低延遲，速度快。

用更直白的話說，視頻生成的效率更高了，如seedance排隊的情況可能會變少。一致性更好了，音話不同步，口型不同步，動作還得時序等問題都能有較好的提升。

HappyHorse是誰的部將？

Happy Horse之所以出圈，一半因為能力，另一半則是因為神秘。

關于它的“身份”，網上幾乎沒有給出任何有效信息。其官網的介紹也極為克制，只留下一句：“Happy Horse 1.0由Happy Horse團隊開發”。

HappyHorse越神秘，大家越好奇，于是大家都在互相打聽，HappyHorse究竟出自哪里，市面上也很快出現了多個猜測。

目前最被大家相信的，是來自張迪領銜的淘天集團未來生活實驗室。張迪此前曾負責快手Kling項目，再往前，則是阿里媽媽大數據與機器學習工程架構負責人。

關于這個來源，目前有很多信息，有一些自媒體還做出了報道，但官方還沒有肯定，也沒有權威信息來源。

在此之外，最開始被懷疑的，是快手系。

有人注意到，官網留下的了spaceship.com相關痕跡，而“spaceship”恰好與快手關聯公司商標重合，因此推測該項目可能出自快手。

第二個被懷疑的，是騰訊系，或者Grok（因為都跟馬有關）。

事實上，我們之前懷疑是愛詩，但溝通后對方否認了這件事情，并反向猜測可能與騰訊有關。我們后來在X上也找到了一些蛛絲馬跡，微信曾在去年8月于X上發布過一條帖子，刻意提及 “HappyHorse” 關鍵詞。

在此之外，還有一些更“輕量”的猜測：比如來自阿里WAN2.7，因為名字有horse（馬），所以和“馬（云）”有關；還可能是Minimax，理由是他們“喜歡用動物命名”。

還有一類更具體的說法：認為HappyHorse的幕后團隊，可是上海創智學院（SII）生成式人工智能研究實驗室（GAIR）與Sand.ai聯合研發的daVinci-MagiHuman項目的一部分。

因為其官網公布的150億參數、支持的語言等能力，與SII-GAIR在github上公布的文件“daVinci-MagiHuman”直接吻合。

但無論HappyHorce最終歸屬于誰，這明顯都是一次成功的營銷。

當一個模型在能力上足夠“出挑”，但信息又足夠模糊時，市場會腦補它一個身份，撲朔迷離的身份攢足了好奇心，也是一種有利的營銷方式。

但如果這是一場有組織的傳播行為，那么有一個相對明確的判斷是：它大概率不是字節跳動。因為幾乎所有版本的對比和敘事，都是在直接對標seedance 和即夢。

所以，它到底會是誰呢？我們就坐等謎底揭曉吧。

* 文中配圖來源于網絡

歡迎添加微信：cyxx-z

加入「有界UnKnown」科技交流群