阿里巴巴发布视频生成模型 HappyHorse 1.1：更强动态表现力、更高生成一致性、更优视觉质感

IT之家 6 月 22 日消息，今日阿里巴巴发布视频生成模型 HappyHorse 1.1，较 1.0 版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力等维度系统性升级。HappyHorse 官网、阿里云百炼和千问云均已接入最新版本。在技术规格上，HappyHorse 1.1 与 1.0 版本一致，单次生成时长 3 到 15 秒，支持 720p 和 1080p 分辨率和自由宽高比。即日起，HappyHorse 联合虎鲸文娱集团举办“Horsepower”AI 影像大赛，优胜者将获百万商单合作，由著名导演、制片人张纪中等担任评委，诚邀海内外 AIGC 创作者加入，用户可在 HappyHorse 官网报名。IT之家附 HappyHorse 1.1 能力升级官方介绍如下：1、动态表现力显著提升，动作更流畅，运动更有张力通过优化运动建模与时序一致性能力，HappyHorse 1.1 进一步提升复杂动作场景下的动态质量，解决部分画面动作迟缓、节奏不足的问题，让人物、物体运动更加自然连贵，呈现更强的视觉张力与力量感。2、主体一致性更强，多源参考融合更精准通过强化模型对多源参考国信意的理解与融合能力，HappyHorse 1.1 的多图参考生视频 (R2V) 能力显著提升了生成视频与参考素材之间的一致性，在商品、角色、场景等复杂创作需求下，实现更精准的视觉还原。包括商品细节与品牌元素精准保持、角色与场景灵活组合并保持主体稳定、多分镜与 N 宫格参考理解增强等。3、指令遵循升级，智能叙事编排，更懂用户输入通过强化长上下文语义理解、场景规划能力与角色关系建模，HappyHorse 1.1 显著提升了复杂 Prompt 下的指令遵循能力与镜头编排稳定性，能够更准输地理解用户创作意图，并完成多场景、多角色的连贯演绎。无论是简短描述还是复杂叙事输入，模型都能生成更加丰富、自然且符合预期的视觉表达。4、视觉呈现质量升级，更细腻、真实的视觉质感通过优化人物细节生成、真实肤质还原与鏡头语言理解能力，HappyHorse 1.1 全面提升了画面质感、人物表现力与多镜头叙事连贯性。在人物表现上，模型进一步优化面部细节生成，降低过度锐化、油光感和涂抹感，让皮肤呈现更自然真实的质感；同时增强细节刻画的分寸感，在保留痘印、法令纹、毛孔等真实特征的基础上，避免细节过度放大。针对短剧、广告等高质量内容生产场景，HappyHorse 1.1 显著提升了人物特写镜头的表现力，并增强对正反打、跟拍等专业镜头语言的理解，让多镜头衔接、节奏编排与叙事表达更加自然流畅。5、音频表达能力升级，音画同步更精准，声音细节更丰富通过优化音频理解与生成能力，以及提升音画同步精度，HappyHorse 1.1 进一步增强了整体视听表达效果，让声音成为内容叙事的重要组成部分。生成过程中，台词表达更加自然，语速、停顿语气能够根据场景与情绪变化进行动态调整；同时提升对 Prompt 中声音描述的理解能力，让背景音乐、环境音效等声音元素更符合创作意图，减少无关音效干扰。此外，音画同步能力进一步增强，有效降低声音与画面动作、剧情节奏之间的错位，让最终作品呈现更真实、更连贯、更具沉浸感的视听体验。