剛剛，阿里「歡樂馬」正式上線，搶先實測這匹「黑馬」

編輯｜楊文

神秘的「歡樂馬」，終于顯露真身。

4 月 27 日，阿里 ATH 團隊正式上線視頻生成模型HappyHorse 1.0

該模型依托原生多模態架構，不僅實現音視頻一鍋出，還能創作、編輯一個平臺全搞定，再也不用來回倒騰。

它的「戰績」我們之前也報道過，曾在知名 AI 評測分析平臺 Artificial Analysis 上屠榜，文字生視頻和圖像生視頻雙雙拿下第一，把 Seedance 2.0 擠到了第二。

在 Arena 榜單排名，視頻編輯排名第一，圖生、文生視頻排名第二。

先來幾個 case 嘗嘗鮮。

在狹窄小巷里騎行，高速運動動作絲滑流暢，鏡頭切換也很自然。

Prompt : A cyclist racing through a narrow alley, handheld camera feel, dynamic motion blur, realistic shadows, intense pacing, cinematic.

倉鼠開玩具車追奶酪，鏡頭低機位追逐、快速跳躍、轉彎翻滾，連貫且充滿張力。

Prompt : High-speed chase thriller reimagined as a hamster in a toy car pursuing a rolling cheese wheel through a kitchen obstacle course, featuring low-angle ground-level pursuits, quick-cut jumps over utensils, barrel rolls around corners, and a triumphant slow-mo finish line cross with confetti explosions (vibrant cartoonish hues, pulsating electronic score).

可以這么說，畫面質感、鏡頭運動、人物真實感與內容可控性，逐項拉出來比，HappyHorse 1.0 都很能打。

價格方面也相當良心。HappyHorse 1.0 主打一個性價比，720P 和 1080P 的視頻生成每秒分別僅需 0.9 元和 1.6 元，專業會員包月價格疊加限時折扣后為每秒 0.44 元 和 0.78 元。

目前，該模型已經開放體驗，全球專業創作者和企業級客戶可在 HappyHorse 官網和阿里云百煉平臺注冊使用，大眾用戶可在千問 App 體驗。

• 國內版： https://www.happyhorse.cn/
• 海外版： https://www.happyhorse.com/

接下來，我們就搶先實測下，看看這匹歡樂馬是個什么段位。

視頻生成：

運鏡、配樂、音效，一鍋全給你出了

HappyHorse 1.0 主要有兩大功能，一是視頻生成，一是視頻編輯。

我們先來看下視頻生成。它支持傳統的文生視頻、圖生視頻，以及多圖參考生視頻，三種出片方式覆蓋了從零起步到素材延展，各有各的玩法。

比如，我們僅輸入一個簡單的提示詞：a man doing stand up comedy in a small venue tells a joke (include the joke in the dialogue)，模型就能自己搭建小型 comedy club 的舞臺環境，自己編段子，安排觀眾反應、表演者語氣和肢體動作。

仔細看成品細節，我們可以發現，觀眾坐姿各異卻不違和，演員的表情也會隨段子節奏變化，口型與對白能保持同步。這也說明，HappyHorse 1.0 具備很強的場景理解與內容自編能力。

如果想生成一支籃球廣告片，給個提示詞：Make a professional ad for baseketball，不到一分鐘，HappyHorse 1.0 直接搞定。

生成畫面中，運動員完成連續的運球、起跳、投籃，動作銜接流暢，一氣呵成，同時在關鍵瞬間自動帶入慢動作處理。要是再補上品牌 Logo，觀感已經非常接近一支真正的商業廣告大片。

在多人表演、鏡頭調度和 MV 質感生成上，HappyHorse 1.0 只靠一段提示詞，就能同時完成五人女團的統一造型、整齊舞蹈和演唱表演，還準確理解了廣角推進、成員近景 wink 等鏡頭切換，以及最后定格群像的收尾。

Prompt : K-pop girl group MV. In a futuristic photography studio, five members dressed in pink-and-white stage outfits perform an energetic group dance, singing "Falling petals fill the sky, veiling the moonlight."The shot transitions from a wide-angle dolly to a close-up wink of the central member, ending with the full group freezing in a powerful finale pose amid intense lighting and a rain of silver sequins. The visuals are clean and bright, with a fast pace, brimming with commercial polish.

多主體場景一直是 AI 視頻生成的難點，在下面這個人類和機器人踢足球的測試中，人類球員的帶球、過人、推進，再到最后射門得分，動作銜接絲滑，多個主體在同一鏡頭語言下協同運動，沒有各演各的。

Prompt : Soccer of the future, mixing people and robots. This is a fragment from a 2026 cinematic movie.

該模型還支持 3 到 15 秒任意時長，我們可以隨意滑動模塊設定，它會根據不同時長搭配合適的鏡頭。

Prompt : The camera glides high above the sun-soaked cliffs of Monaco, nearly at helicopter-level. Below, a red-and-white 1980s Formula 1 car drives its way through the city circuit, a flash of polished paint and screaming power. Revealing a tightly woven tapestry of pastel architecture, narrow switchbacks, and the glittering blue of the Mediterranean beyond. The car is a blur of speed and precision—its silhouette dancing through hairpin turns and tunnel shadows, kissed intermittently by bright shafts of sunlight. The film look is raw and tangible: natural motion blur, gentle film grain, and sun-washed highlights mimicking vintage 35mm racing documentaries.

這段提示詞信息量略顯密集，要求直升機視角俯瞰、1980 年代 F1 賽車穿行城市賽道，并呈現 35mm 膠片紀錄片的質感，涉及具體的鏡頭運動、色調風格等。

模型對鏡頭語言指令的理解還是比較到位，運鏡跟隨賽車的節奏銜接順暢。

在風格適配方面，HappyHorse 1.0 也能 hold 住，比如下面這個卡通版微型景觀風格。

桌面微縮城市的比例感準確，小汽車穿行其間的景深處理到位，拉鏡頭的軌跡也很講究。

Prompt : tiny city built on a desk, small cars moving, camera fly-through, playful, crisp detail.

文生視頻部分，HappyHorse 1.0 生成效果還是很穩的，不同風格、不同場景、不同復雜度的提示詞，它給出的結果沒有明顯的崩盤情況。

它也支持圖生視頻

我們直接丟給它一張北京旅行的九宮格照片，讓它為每一格照片單獨生成一小段視頻，最后按順序串聯成一支完整的旅行 vlog，并配上輕快的音樂。

HappyHorse 1.0 生成的視頻中，每張原始照片中的人物、構圖、服裝、表情和地點細節都得到了保留。

動態效果輕柔自然，帶有真實的手持感、細微鏡頭晃動和輕微的推進或平移，看起來更像是相機拍出來的。

不過成片中也有些小 bug，比如最后一個鏡頭中的文字出現了亂碼等。

參考圖生視頻模式還可以上傳最多 9 張圖片，設置好每個鏡頭的提示詞，它就能「腦補」一出大戲。

就比如下面這個騎士大戰怪獸的測試，模型能夠理解每一張圖所對應的情節節點、角色狀態和鏡頭意圖，再將它們自動串聯成一段起承轉合的小動畫，只可惜最后的鏡頭還是有點像動態 PPT。

視頻編輯：

不用「重拍」，一句話改到位

再來試試視頻編輯功能。

AI 視頻編輯一直難做，因為視頻內容復雜，涉及到的不僅是畫面本身，還有人物、背景、動作和細節的融合，稍有不慎就會穿幫。

過去，雖然有一些 AI 視頻編輯工具，但往往效果不佳。比如替換人物時，背景和人物的邊緣銜接不自然，或者風格轉變后畫面質量大打折扣，更別說多元素同時改動了。

但現在，一句話就能讓 HappyHorse 1.0 精準替換主體、添加新元素，或者改變風格，同時保證畫面其余部分不瞎改。

比如，我們將原視頻中的貓咪替換成金毛犬，二者搖尾巴動作、沙發背景和鏡頭切換完全一致，連戴墨鏡這個細節都原樣保留，看不出什么貼片感。

再比如，原視頻是一輛賽車經過便利店門口，我們輸入提示詞「汽車駛過的同時，一個穿著時髦的金發美女從便利店里推開門走出」。

這比單純換主體難度更高，需要憑空添加一個人物，還要讓她的出現符合原視頻的空間邏輯、鏡頭角度和光線條件。

模型完全遵循文本描述，整體與原素材的融合幾乎感覺不到拼接的痕跡。

或者將動漫風格改成寫實風格，這個過程中 HappyHorse 1.0 沒有出現風格過渡失真或人物、動作形變等毛病。

結語

這兩年，AI 視頻生成卷到冒煙。要想在這個圈子占據一席之地，必須得有兩下子。

HappyHorse 1.0 的兩下子，不是靠噱頭堆出來的。它老老實實在畫面質感、人物真實感、運鏡流暢度等基本功上下功夫，偏偏這幾件事，內容生產者每天都要跟它們較勁。

同時，內容生產是反復修改的持續迭代過程，它這次沒有把視頻生成和視頻編輯割裂開來，也是一次較大的突破。

目前 HappyHorse 1.0 也只是小試牛刀，它仍在不斷進化中。不過，開場就有這個成色，后面的表現著實令人期待。

文中視頻鏈接：https://mp.weixin.qq.com/s/rvs2rfQTgldbhH7AZHAC1A