阿里ATH创新事业部近日宣布，其最新研发的视频生成与编辑模型HappyHorse 1.0（中文名：快乐小马）正式启动灰度测试。创作者可通过阿里云百炼平台及HappyHorse官网注册体验，普通用户则能在千问App中率先感受这一创新成果。
在盲测平台Arena.ai的激烈竞争中，HappyHorse 1.0凭借其卓越性能，在文生视频、图生视频及视频编辑三大榜单上均斩获第二名，紧随近期备受瞩目的字节Seedance 2.0之后。为深入探究其实际表现，我们进行了全面而细致的测试。
HappyHorse 1.0的操作简便直观，用户只需输入简短的文字描述，即可生成时长在3秒至15秒之间的视频。这些视频不仅包含多镜头切换，还能展现连贯的剧情发展。更令人惊喜的是，该模型最高支持1080p分辨率，且能同时生成多达4个视频。在价格方面，生成720P和1080P视频的刊例价分别为每秒0.9元和1.6元，而Pro套餐在叠加限时折扣后，价格更是低至每秒0.44元和0.78元。
在测试过程中，HappyHorse 1.0展现出了诸多亮点。其生成速度之快令人印象深刻，一段视频的生成时间仅需约2至5分钟，与其他同类模型相比具有明显优势。同时，该模型对指令的遵循能力也十分出色，能够准确理解并执行复杂的提示词要求，包括镜头运动、画面构图以及风格氛围等。在图生视频方面，HappyHorse 1.0同样表现出色，能够准确呈现所有上传的参考元素，如人物、场景和道具等。
然而，测试也揭示了HappyHorse 1.0在某些方面仍有待提升。例如，在音画同步方面，虽然人声和音效的同步效果较好，但在乐器演奏等复杂场景中，模型生成的手部动作与音频节奏之间存在明显的错位。在生成较长视频时，模型偶尔会出现物理bug，如无外力作用下的物体自移动等。同时，画面中的文字渲染也存在问题，经常出现乱码或错误。
在文生视频的测试中，我们特别关注了模型的指令遵循能力、生成结果的物理准确性以及音画同步效果。以一个街头音乐表演的场景为例，HappyHorse 1.0成功生成了符合提示词要求的视频，包括鼓手敲击节奏、吉他手弹奏旋律以及观众随节奏拍手等。然而，在吉他手的演奏部分，画面中的手部动作与音频中的音符出现了错位，影响了演奏的真实感和沉浸感。
另一个测试案例则聚焦于物理真实性的模拟。在这个场景中，HappyHorse 1.0需要呈现海边悬崖上波涛汹涌的效果。最终，模型成功还原了海浪与岩石的撞击以及海面上的泡沫等细节，但在水滴滑落速度方面略显不足，与物理规律存在细微偏差。
除了文生视频外，我们还对HappyHorse 1.0的图生视频和视频编辑能力进行了测试。在图生视频方面，我们尝试了首帧模式和多人物参考等场景。虽然模型在某些情况下拒绝了生成请求，但在成功生成的案例中，它展现出了较高的参考元素还原度和人物相似度。然而，在多人物参考场景中，模型对人物语言的理解存在偏差，且生成结果的一致性有待提高。
在视频编辑能力的测试中，我们未能成功体验相关功能。但据阿里方面介绍，HappyHorse 1.0也支持视频编辑功能，未来有望为用户提供更多元化的视频创作体验。
多位参与HappyHorse 1.0测试的业内人士对其表现给予了评价。他们认为，该模型在生成长度、生成速度以及分辨率支持等方面具有明显优势，但在生成结果的一致性和语音内容的机械感等方面仍有提升空间。同时，他们也指出了当前AI视频生成模型在文字渲染和音画同步方面存在的普遍问题，并认为这些问题需要通过技术迭代和优化来解决。
