阿里发布视频生成模型HappyHorse 1.1：五大维度全面升级

背景

视频生成领域正从“能生成”向“好用、可控、高质”的工业化标准演进。动态表现力不足、主体一致性差、指令遵循能力弱以及视觉质感失真，一直是制约 AIGC 视频在商业场景（如短剧、广告、电商）大规模落地的核心痛点。

6月22日，阿里巴巴发布其视频生成模型 HappyHorse 1.1。作为 HappyHorse 系列的迭代版本，该模型旨在解决上一代版本在动作迟缓、角色“变脸”、画面“油光感”等方面的具体问题，通过五大维度的系统性升级，进一步缩小 AI 视频与专业影视制作之间的差距。

核心内容

HappyHorse 1.1 在动态表现力、主体一致性、指令遵循、视觉质感和音频能力五个关键维度进行了全面升级，同时在技术规格上保持了与前代版本的一致性。

1. 动态表现力：优化运动建模与时序一致性 针对 1.0 版本中部分画面动作迟缓、节奏感不足的问题，1.1 版本重点优化了运动建模能力。通过提升动作的连贯性和力量感，模型能够更自然地呈现高速或高强度动态场景，解决了以往视频生成中常见的“拖沓”感。

2. 主体一致性：支持多参考图输入，降低“抽卡率” 对于内容生产者而言，保持角色和场景的一致性至关重要。1.1 版本支持同时输入 9 张角色参考图，显著增强了对商品细节、品牌元素、角色与场景灵活组合的稳定性。

• 多分镜与 N 宫格参考理解增强：模型能更好地理解复杂的多角色关系和场景布局。
• 应用场景：在多角色短剧、直播带货、多人物广告等场景中，有效控制了角色“变脸”现象，大幅减少了创作者反复生成（抽卡）的时间成本。

3. 指令遵循：提升复杂叙事与镜头编排能力 无论输入是简短描述还是复杂叙事，模型对提示词（Prompt）的理解能力均得到增强。

• 高强度动态场景：仅需简洁提示词即可准确理解打斗等复杂动作逻辑。
• 复杂提示词处理：镜头编排稳定性增强，能够高质量完成多场景、多角色的连贯演绎，提升了长叙事视频的生成质量。

4. 视觉质感：缓解“油光感”，保留真实细节 针对用户反馈集中的“油光感”和“过度锐化”问题，1.1 版本进行了专项优化。

• 细节保留：刻意保留了痘印、法令纹、毛孔等皮肤纹理细节，避免了 AI 生成常见的“塑料感”或“磨皮感”。
• 适用场景：满足了短剧、广告等对画面真实感和质感要求极高的商业场景需求。

5. 音频能力：动态调整语气与音效 音频模块不再是简单的背景音叠加，而是实现了与画面的深度协同。

• 台词表达：语速、停顿、语气能够根据场景氛围与角色情绪动态调整，表达更加自然。
• 环境音效：用户可通过提示词描述背景和环境音效，丰富视频的听觉层次。

技术规格与接入方式

• 生成参数：单次生成时长 3 到 15 秒，支持 720p 和 1080p 分辨率，支持自由宽高比。
• 接入平台：HappyHorse 官网、阿里云百炼、千问云均已接入最新版本。
• 生态覆盖：自发布以来，该模型已服务于短剧制作、电商广告、品牌营销、游戏 CG 等内容生产场景。

关键要点

• 五大维度升级：HappyHorse 1.1 在动态表现力、主体一致性、指令遵循、视觉质感和音频能力上实现了系统性改进，而非单一指标的提升。
• 9 张参考图输入：支持同时输入 9 张角色参考图，极大增强了多角色、多场景下的主体一致性，解决了多分镜生成中的角色崩坏问题。
• 真实感回归：通过缓解“油光感”和保留皮肤细节（如毛孔、法令纹），提升了视频在商业广告和短剧中的真实质感。
• 音频与画面协同：音频能力支持根据情绪动态调整语速、停顿和语气，并允许通过提示词定制环境音效。
• 商业化导向明确：针对直播带货、多角色短剧、品牌营销等具体痛点进行优化，旨在降低内容生产者的试错成本（减少抽卡率）。
• 技术规格不变：单次生成时长（3-15秒）、分辨率（720p/1080p）及自由宽高比等基础参数与 1.0 版本保持一致。

意义与影响

HappyHorse 1.1 的发布标志着阿里在视频生成模型领域从“技术验证”向“工业级应用”的进一步深入。

首先，主体一致性和指令遵循能力的提升，直接回应了 B 端内容生产者的核心痛点。在多角色短剧和电商广告中，角色形象的稳定是品牌营销的生命线。支持 9 张参考图输入和增强多分镜理解能力，意味着 AI 视频生成可以更接近传统影视制作的流水线作业模式，显著降低人工后期修补的成本。

其次，视觉质感和音频能力的专项优化，提升了 AI 生成内容的“可用性”。保留皮肤细节和自然语气，使得生成的视频不再具有明显的“AI 痕迹”，能够直接应用于对画质要求严苛的商业广告和短剧制作，拓宽了 AIGC 在高端内容市场的渗透率。

最后，阿里通过联合虎鲸文娱集团举办“Horsepower”AI 影像大赛，并提供百万商单合作机会，构建了“模型迭代+生态激励”的闭环。这不仅有助于加速 HappyHorse 模型在真实场景中的迭代优化，也推动了 AIGC 创作者生态的繁荣，为 AI 视频生成技术的商业化落地提供了新的范式。