前陣子 AI 視頻圈最熱鬧的事，可能就是競技場那匹黑馬 HappyHorse。它沒有正式發布，沒有完整介紹，甚至連背后的公司是誰都不清楚。

更有意思的是，產品還沒真正開放，市場已經先替它完成了一輪商業驗證。大量仿冒套殼擦邊版 “ HappyHorse ” 一夜之間涌現，名字、界面、話術都在蹭這匹神秘黑馬。某種程度上，HappyHorse 已經變成了一個流量符號。

直到最近，這場猜馬游戲終于有了答案。阿里 ATH 團隊正式認領這匹競技場黑馬，并同時開放了 HappyHorse-1.0 灰測。

官網地址 www.happyhorse.cn

而在知危編輯部第一時間上手 HappyHorse-1.0 后，我們發現它真正值得關注的地方，可能不只是效果好，而是它正在用高質感和低成本，重新定義 AI 視頻生成的商業門檻。

這次 HappyHorse 主要開放了兩項功能：視頻生成和視頻編輯。

我們先試了最核心的視頻生成。實際跑下來，它的等待時間大概在 3 到 5 分鐘，單次最長能生成 15 秒視頻，畫質可以選 720P 或 1080P，參考圖最多支持 9 張。

在實際測試里，沒有參考圖的情況下，我們只用了一段不到 100 字的提示詞，就生成了一支質感不錯的紀錄片風格片段。

視頻整體音畫同步完成度相當高。比如手掌揉過面團時細碎的摩擦聲，面板隨著揉面節奏撞擊案臺的聲音，都能跟手部動作對上節拍。

而在加入參考圖之后，抽卡出片明顯更穩定了。我們用一張參考圖，一句簡短提示詞生成了一支 15s 漢堡廣告片，最終畫面不管是運鏡、配樂還是鏡頭氛圍，都比較接近成熟商業廣告短片。

我們還嘗試了經典電影橋段的復刻。在參考圖基礎上，需要提示詞里把環境、運鏡、臺詞、音效、節奏等等細節描述得更準確。

結果同樣不錯，前后一致性強，人物表演比較有情緒張力。

尤其是鏡頭指令遵循，什么時候切鏡、怎么切、在哪個時間點推進敘事，模型基本都能按提示詞執行。

比如我們在下面的視頻提示詞中描述，5-10s，鏡頭要拉開到稍遠的遠景，俯拍人物：

多輪測試后，我們也摸索出了 HappyHorse-1.0 目前比較清晰的使用方法。

如果只是隨手生成，它已經能給出不錯的質感；但如果想提高抽卡成功率，最好還是先用 GPT-Image-2 做出參考圖，再配合結構化提示詞，把各種畫面細節寫清楚。提示詞越具體，模型給出的結果越接近商業可用。

當然，它也不是沒有短板。目前，HappyHorse 在臺詞的情感層次，以及武打動作等復雜物理調度上，還有明顯提升空間。

而在視頻編輯方面，HappyHorse 可以直接通過文字指令修改畫面，也可以疊加參考圖，對局部元素進行二次調整。這一部分里，它同樣展現出了較強的指令遵循能力。

比如局部改動，我們提供了一張粉色口罩的參考圖，讓它給視頻中的人物戴上。實際效果里，口罩和面部貼合非常自然。

在大場景變化下，主體一致性也依然保持得不錯。比如下面這個案例，我們把暴雨場景改成雨過天晴，光線發生了變化，但人物外貌和動作沒有漂移。

整體測試下來，HappyHorse-1.0 的視頻生成效果，已經算是目前視頻模型里比較優秀的一個。

除了效果，他的價格優勢也是值得一提的。

視頻模型行業現在在商業化落地方面過得并不是特別好，即使它們畫面精致，目前落地也依然有很多阻礙。

因為商業內容生產，本質上不是偶然抽出一個驚艷樣片，而是持續、批量、可控地生產素材。這也決定了視頻模型想打開商業化的市場，至少要過兩道門檻：成本和可控性。

先看成本，可以說，AI 視頻生成天然就是一個成本敏感型工具。分辨率提高、時長加長、重試次數變多，價格可能呈指數級增長。對專業影視團隊來說，貴一點也許還能接受，但對普通創作者、MCN、小商家來說，一條視頻多花幾塊錢，放到幾十幾百條素材里，就是實打實的預算壓力。

而我們實際體驗下來，HappyHorse 還是比較有性價比的。目前在 HappyHorse 官網生成 720P 的 5 秒視頻，只要 2.2 元（ 0.44 元/秒 ），這是最常見的包月價格第 2 檔，也就是專業用戶最常選擇的套餐，跟其他視頻平臺相比打了 62 折。企業級客戶通過阿里云調用 API 接口沒有門檻限制，不需要一次性預繳千萬級費用。

這個差距單看一秒并不夸張，但如果放到批量內容生產里，比如制作一部單集 5 分半、共 60 集的短劇，就能省下一萬元以上。

再看可控性。現實世界里的商業內容，并不只是要一段利于傳播的奇觀視頻，更多時候，創作者需要一段能直接被剪進成片、服務敘事、和前后鏡頭接上的素材。

這意味著，模型能否準確理解提示詞，再把各種視頻細節盡可能轉化為可控的變量，是影響 AI 視頻模型商業落地的關鍵。

從測試結果看，HappyHorse 在這一點上的優勢，主要集中在中近景內容。它在大光圈、淺景深、強氛圍感的鏡頭表達上完成度較高，指令遵循能力較強。

而這恰好對應了廣告、電商、短劇等社媒素材里的高頻需求。這類內容通常不需要復雜的大場面調度，卻非常依賴商品質感、人物情緒和鏡頭節奏的穩定性。

如果說去年的 AI 視頻賽道，還在執著于比拼生成更震撼的奇觀鏡頭，那么今年，這場競爭已經全面邁入更務實的商業落地階段。

AI 視頻模型能力的提升，正在重塑廣告、電商、短劇等內容的生產方式。

更重要的是，從今年我們看得出，HappyHorse 等國產 AI 視頻模型，徹底扭轉了國產模型跟在海外模型后面補課的局面，變成了行業的帶頭者。過去是別人發布一個新模型，國內團隊追著補齊短板；現在，新的變量和新的想象力，正在從中國模型開始。

從做 AI 視頻找樂子，到進入真實的內容生產鏈條，國產 AI 視頻模型的商業拐點，正在到來。