阿里神秘模型HappayHorse：质感一流，接下来挑战是进入阿里真实业务
邮箱｜dongdaoli@pingwest.com
过去一段时间，AI 视频圈最神秘、也最被惦记的名字之一，就是 HappyHorse。
它一开始没有大规模发布，没有铺天盖地的宣传，甚至连身份都带着一点悬念。结果却先在第三方视频模型榜单上杀了出来：文生视频、图生视频，几个关键榜单里都排到前列。很多人还没用上它，已经开始在问同一个问题：这到底是谁家的模型？
后来答案揭晓，HappyHorse 背后是阿里。
这就更有意思了，AI 视频赛道里又多了一个重量级玩家。前面有 Sora （节哀）、Veo、Kling、Seedance，大家已经打得热火朝天。现在 HappyHorse 入场，而且一上来就带着榜单成绩和神秘光环，热度自然被拉满。
我们正好拿到了体验机会，这个被传了很久、也被期待了很久的 HappyHorse，到底只是榜单上好看，还是已经真的能拿来做内容生产。
1
实测 HappyHorse
进入 HappyHorse 生成页面，分成两个大功能板块，生成视频和编辑视频。
生成视频中支持首帧模式，也是上传一张图，让 AI 依照图片生成后续动作。也支持最多 9 张图片的参考模式，用户可以上传 9 张自家宠物的照片，随后就能用 HappyHorse 生成以自家宠物为主角的视频。
在生成参数上，HappyHorse 给了多种选择。尺寸方面，它支持 16:9、4:3、1:1、3:4、9:16 等常见比例，横屏、方图、竖屏内容基本都能覆盖。分辨率最高可达 1080p。
时长方面，单条视频可以在 3 到 15 秒之间自由选择。它最多支持一次生成 4 段视频，相当于一次出多版结果，能明显降低视频生成里的“抽卡”成本。
视频编辑的参数比较少，上传视频后，用提示词进行修改，可以生成 720p 或 1080p 分辨率视频，也可以选择是否保持原视频音频还是用 AI 生成新音频。
1
测试 1：文生视频
prompts:
现代顶级战斗机飞行员驾驶先进战机进行高强度空战。画面以多机位快速切换呈现：高速俯冲、急转、翻滚、锁定、规避导弹，镜头在激烈的空中追逐与座舱内部特写之间来回切换。
切入飞行员侧脸特写，展现飞行员在高 G 过载下紧张而专注的反应；手部快速操作推杆、开关、按钮和档位控制器。随后镜头迅速切回战机外部，机翼划破气流，强烈风噪呼啸而过，发动机轰鸣震撼。
空中出现爆炸、导弹尾焰、剧烈机动和强烈镜头震动，摄影机高速跟拍战机穿越烟雾与火光，营造极度紧张、快节奏、沉浸式的现代空战场面。电影级质感，4K 超清细节，真实物理运动感，强烈动态模糊，快速移动镜头，震撼音效氛围，24 FPS。
视频特效很到位，无论是飞机的细节和云朵、天空的质感，都有电影感。但还有一些不足，比如仪表盘上的字母都是乱码。此外，导弹的数量不够合理，需要改进。
我们再来尝试更加精确，带有片段时间、人物动作，景别的提示词。
prompts:
一位身着中式服饰的人物站在中式厨房灶台前，以武侠功夫烹饪“宫保鸡丁”。整体画面流畅连贯，强调剧情推进、动作节奏与食材特写，镜头语言丰富，包含近景、中景、特写与动态跟拍，突出中式功夫与烹饪结合的视觉冲击力。
0-2 秒（开场）
近景快速推镜，人物立于灶台前，气沉丹田，单手猛然按向桌面，指节发力。案台微震，碗中的鸡丁、花生、干辣椒同时被震起，食材凌空悬浮在半空中。镜头给食材腾空的特写，画面富有力量感与戏剧性。
2-4 秒（起手式）
人物旋身起势，右手并指如剑，快速点向空中的鸡丁。指风凌厉，精准划开鸡肉纹理，鸡丁瞬间被分切成均匀小块。镜头跟随鸡丁运动轨迹，展现其在空中划出弧线，随后纷纷落入热油翻滚的铁锅之中。
4-6 秒（掌风滑炒）
人物沉腰扎马，双掌隔空对准铁锅快速运劲。掌风带动锅中鸡丁高速旋转、翻滚、滑炒，鸡肉在高温中迅速变色，表面油润透亮，受热均匀，呈现鲜嫩不柴的质感。镜头切入锅内食材特写，火焰、油光与翻炒动作同步增强。
6-8 秒（飞切配料）
人物侧身抬腿，脚尖轻挑案板上的黄瓜与胡萝卜，配料凌空飞起。下一瞬抬手出刀，刀光如电，干净利落地将配料瞬间切成整齐方丁。镜头以高速动态捕捉切割过程，配料切好后精准落入锅中，与鸡丁汇合。
8-10 秒（翻炒功夫）
人物单手握住锅柄，手腕骤然发力，使出高难度翻锅动作。铁锅上下翻飞，鸡丁、花生、干辣椒与配料在空中交织翻腾，动作潇洒利落，如舞剑一般行云流水。食材颗粒分明，不洒一滴汤汁，锅气十足。镜头加入跟拍和特写，强化热烈、香气四溢的感觉。
10-15 秒（收招成菜）
人物完成最后一记大幅度旋锅，铁锅在空中划出漂亮残影，所有食材稳稳回落锅中。随后顺势起锅装盘，将色泽红亮、鲜香诱人、油润酥香的宫保鸡丁精准盛入白瓷盘中。成品热气升腾，镜头定格在菜品特写上，背景虚化，人物在后景抱拳收势，整体画面干净利落，具有浓厚的中式武侠美学与美食质感。
这类功夫做菜的视频在短视频平台很火，我们可以看到 HappyHorse 精准还原了提示词中的时间约束。人物抬腿，右手并指如剑都很好的还原。但切菜的特效，最后锅有点飘，需要多抽几次卡，选择效果最好的。
1
测试 2：图生视频
我们先生成一张中国长城的图片，随后让镜头拉近看长城的细节。
promtps:
一张复古风格的长城地形地图平铺在桌面上，开场时仍然是平面的纸质图纸，纸张微微卷边，光线柔和，带有旧档案地图的质感。随后地图轻微翻动，纸面上的山体和长城缓缓从平面中隆起，变成立体纸雕沙盘。镜头顺势向前推进，沿着长城低空穿梭飞行，掠过城墙、烽火台和山脊，画面重点表现“从纸上长出来的长城”这种感觉。整体不是写实风景，而是复古地图、纸雕模型、微缩沙盘结合的视觉效果。最后镜头缓缓拉远，重新回到俯视角，完整看到整张立体化的长城地图，画面安静、精致，有档案感和历史感。
通过这段测试，可以认为 HappyHorse 做出图生视频，是理解图片内容的，从旧档案的长城平面图，拉近镜头变成立体纸雕，效果还原到位。此外，在镜头移动的时候，并没有破坏上传图片（第一帧）的内容。
我们再试试最近比较火的直播带货截图作为首帧，HappyHorse 能不能理解场景。
prompts:
9:16 竖屏，女装穿搭直播间。年轻女主播站在温暖时尚的服装直播间，身后是整齐的衣架和多套春夏穿搭，桌面上摆着牛仔裤、衬衫、针织衫和配饰。主播手拿一件蓝白条纹衬衫，对着镜头讲解版型。
开场镜头从衣架横向滑过，展示不同颜色的衬衫、外套和裙子，随后切到主播半身。画面上出现大字“穿搭推荐”“直播爆款”“第 2 件半价”。
中段主播将蓝白条纹衬衫举到胸前比划，镜头切换到面料特写，展示纹理、纽扣、领口和袖口。旁边弹出“显瘦遮肉”“清爽透气”“百搭不挑人”“通勤休闲都能穿”等标签。
随后加入试穿镜头：模特在镜前展示上身效果，转身、整理袖口、搭配白色内搭和高腰裤。直播界面下方弹出弹幕评论、商品卡片、尺码建议和库存提醒。
结尾回到主播，主播指向右下角“点击下单”按钮，画面出现“直播间爆款推荐”“89.9 元”“第二件半价”“仅剩 236 件”。整体风格年轻、甜美、真实直播购物截图感，运镜轻快，颜色明亮。
首先视频的配音是意外之喜，原本以为会和其他视频一样，用一些音效或者轻音乐，但这次任务重，HappyHorse 直接给人物进行配音了，而且内容很符合直播带货的场景。此外，一些视频特效，比如点击下单、仅剩 xx 件衣服、弹出的 banner 等，都贴近内容。
但同样，视频中的文字会出现乱码，这时候需要多抽卡来解决。
接下来，我们截取了一段 FPS 游戏画面，用 HappyHorse 生成接下来的内容。
prompts:
镜头从玩家持枪视角缓慢向前推进，枪口轻微晃动，脚步踩过碎石和龟裂的柏油路。道路两侧堆满烧毁的汽车、废弃公交车和被藤蔓覆盖的建筑，阳光穿过尘埃和薄雾，空气中有漂浮的灰尘。画面前方的废车堆突然传来金属摩擦声，一辆残破汽车的车门轻轻晃动，远处有黑影快速从车顶掠过。玩家停下脚步，抬高枪口，瞄准废车后方。几只被感染的敌人从车堆和草丛中突然冲出，动作迅猛但不要血腥表现。镜头快速后退半步，枪口开火，枪焰照亮前景，子弹击中废车和地面溅起火花与尘土。随后远处传来更大的吼声，镜头转向街道深处，露出一座被植物吞没的城市关卡入口，暗示更大的危险即将出现。整体风格为写实次世代游戏画面，末日废土氛围，电影级光影，真实武器细节，动态镜头，强烈临场感，16:9，4K，24fps，持续 8-10 秒。不要卡通风，不要夸张特效，不要血腥，不要出现现代城市人群。
结合此前阿里发布的 HappyOyster 世界模型，感觉两者技术有共同之处，可以看到视频在 15 秒时间内，还原了游戏世界。
1
测试 3：编辑视频
原始视频是一段足球内容，我们尝试编辑小细节的内容，以及大范围的风格修改。
prompts:
给足球加上火焰特效
足球的确有火，但问题也很明显，模型追踪 8 号队员，把他的庆祝跑位当作抢球跑位了，所以球分成了两个。能看出来 HappyHorse 在理解，但没理解明白。
prompts:
视频改成动漫风格
emm，整体风格修改看起来不是 HappyHorse 的强项，看细节，比如人脸，可以看出来风格转换了，变成平面的二次元的。但除此之外， 变化不大，特别是观众席上观众的脸，像被迫高清化了。
1
HappyHorse 的价格也很 Happy
HappyHorse的价格分三档。
免费版为 0 元，支持每日登录领取免费积分，最多 2 个并发任务。不支持批量生成视频、优先生成队列、去除品牌水印和 1080P 视频生成。
标准会员为 70 元/月，原价 87.50 元，目前为 8 折。每月包含 875 积分，折算为每 100 积分 8 元。功能包括每日登录免费积分、最多 10 个并发任务、批量生成视频、优先生成队列、去除品牌水印和 1080P 视频生成。
专业会员为 245 元/月，原价 350 元，目前为 7 折，并标注“最划算”。每月包含 3500 积分，折算为每 100 积分 7 元。功能包括每日登录免费积分、无限并发任务、批量生成视频、最快优先生成队列、去除品牌水印和 1080P 视频生成。
截取了几个比较常用的参数配置所消耗的点数，720P、5S的一个视频优惠价格32分，按标准会员来算2.56元一个。720P、15S的视频则是7.6一个。
1
进入第一梯队，接下来挑战在进入真实业务
过去两年，AI 视频基本是在比谁更震撼。可灵、Seedance、海螺、Vidu 把中国厂商推到了第一梯队。这个赛道已经不缺“会生成视频”的模型，缺的是谁能把视频生成变成稳定、便宜、可复用的生产工具。
HappyHorse 的意义，不只是阿里又做了一个视频模型。它更像是阿里正式下场补齐 AI 视频这一块拼图。
从实测看，HappyHorse 的文生视频和图生视频已经有明显可用性。空战、功夫做菜短视频、长城纸雕地图、直播带货、FPS 游戏场景，它都能理解画面关系、动作节奏和镜头推进。尤其是首帧图生视频，能在不严重破坏原图的情况下继续展开，这点对短视频、广告、电商素材都很重要。
但问题也同样明显，文字仍然容易乱码，视频编辑不够稳，物体追踪会出错，风格迁移也没有想象中彻底。它可以帮创作者提高出片效率，但还不能完全替代后期、剪辑和人工筛选。
这其实也符合 AI 视频行业现在的状态。行业已经从单纯拼模型效果，转向拼商业落地。谁能降低抽卡成本，谁能稳定生成商品视频、直播素材、短剧片段、游戏宣传片，谁才更接近真正的生产力工具。AI 视频正从技术突破走向商业验证，短视频、直播、电商和企业内容生产会成为关键场景。
放在这个背景下，HappyHorse 最大的想象力不在榜单第一，而在阿里的生态里。阿里有电商，有广告，有云，有商家服务，也有大量需要低成本制作视频素材的真实用户。别的模型可能更像创作者工具，HappyHorse 如果接入淘宝、天猫、阿里妈妈、钉钉和阿里云，它就不只是一个视频生成入口，而可能变成商家每天用来做商品展示、直播预热视频、广告素材和品牌内容的基础工具。
也许下半年再回头看，HappyHorse 更像是 AI 视频行业进入下半场后的一个信号：模型效果已经卷到足够高，接下来真正重要的，是谁能把视频生成接进真实业务里。
