HappyHorse 1.0 创作指南

✨ 为大家介绍由阿里巴巴-ATH 团队打造的 HappyHorse 1.0 视频生成模型及 HappyHorse 视频创作平台。​

HappyHorse 1.0 依托原生多模态架构，采用音视频联合生成方案，面向广告、电商、短剧、社媒创意等内容生产场景，提供从智能生成到编辑的一体化创作能力。作为持续进化中的新一代视频生成模型，HappyHorse 1.0 在画面质感、镜头运动、人物真实感与内容可控性等方面，均已展现出较强的行业竞争力。​

1.
核心功能​

HappyHorse 1.0 目前支持两个核心功能：【多模态视频生成】和【视频编辑】。既能从 0 到 1 生成视频，也能对已有视频素材做从 1 到 N 的创意延展。​

1.1 多模态视频生成

文生视频

通过文本描述生成视频。创作者只需输入文字提示词，描述期望的画面内容、风格和动态效果，即可生成对应的视频片段。适用于从零开始构思创意、快速验证想法等场景。​

图生视频

以一张静态图片作为参考输入，生成与图片内容风格一致的动态视频。适用于将静态设计稿、插画、摄影作品等赋予动态效果的场景。​

多图参考生视频

支持输入多张参考图片来引导视频生成。通过多张图片提供更丰富的视觉参考信息，让生成结果在角色一致性、场景连贯性或风格统一性上获得更精准的控制。适用于需要保持角色/元素一致性的叙事类创作等场景。​

	首帧图生视频	多图参考生视频
图片作用	图片 = 视频第一帧画面，精确还原	图片 = 视觉参考素材，提取特征后融入视频
图片数量	1 张	1-9 张
图像还原度	极高，第一帧几乎与原图一致	主体参考：模型会借鉴图像中的身份特征/视觉元素，但不会逐像素复制原图。关键帧参考：对每张参考图进行近像素级的高保真还原
画幅比例	跟随原图	可自由选择（16:9 / 9:16 等）
分辨率	720P、1080P	720P、1080P
文本提示词	可选项	必选项
典型场景	"基于这张分镜图，生成视频素材"	• 主体参考："让@图1中的人骑着@图2中的马，在@图3的太空背景下奔驰" • 关键帧参考："以@图1作为第一个分镜，讲述一个关于XXX的故事；然后过渡到@图2作为下一个分镜，继续讲述XXX"

1.2 视频编辑

支持对已有视频进行智能编辑，无需从零生成，在原片基础上实现精准修改。支持上传参考图进行视频编辑。​

2.
核心亮点​

今天行业中每个视频模型都有自己擅长的领域，HappyHorse 1.0作为视频生成领域的新人，主要在画面质感与光影效果、运镜与转场流畅度、面部/人物真实感等方面有着优秀表现，HappyHorse也在持续进化，持续提升生成视频的质量和表现力。​

2.1 电影级画面质感与光影表现

无论是人物肤质、发丝细节，还是金属反光、烟雾水雾等自然元素，HappyHorse 1.0均能呈现高度真实的视觉质感。​

T2V Prompt：A cinematic script scene set in a sun-drenched Parisian café, golden afternoon light spilling through arched windows. A sharp-dressed man in a tailored navy suit sits across from an elegant woman in a flowing crimson dress, half-empty coffee cups between them. The air is thick with unspoken tension. He leans forward, voice low and steady: "You knew from the beginning, didn't you? That none of this was real." She holds his gaze without flinching, a ghost of a smile on her lips, slowly stirring her coffee: "Everything was real. That's exactly what makes it so dangerous."  Cinematic wide-angle composition, warm golden hour lighting, shallow depth of field, film grain texture, muted vintage color palette with deep crimson accents, highly detailed wardrobe and facial expressions, noir romantic aesthetic, emotionally charged atmosphere, European street photography style, dramatic storytelling, 35mm film look.​

2.2 流畅稳定的运镜与转场能力

模型在镜头运动的连贯性和转场的自然度上表现优秀，支持拉近、拉远、景深变换等多种运镜方式，过渡丝滑，色调与环境融合连贯，能较好地遵循 prompt 中的镜头语言指令。​

T2V Prompt：纽约城市景观·超现实主义FPV一镜到底镜头脚本

镜头从紧贴地面的极低角度猛然弹射而出，沿清晨无人的曼哈顿街头疾速贴地飞行。两侧褐石建筑、红砖楼宇化作流动色块，柏油路面的裂缝折射晨光，偶尔掠过的铸铁护栏、街头消防栓留下模糊残影。摄像机保持离地30厘米，每秒数米冲刺，轻微横向摇摆模拟手持呼吸感，悬铃木枝叶间隙的晨光形成连续光斑扫掠，落在复古的金属门牌号上。接近街角Bagel店时，镜头减速滑行、缓缓抬升，以弧线绕过第一张金属折叠桌，不锈钢面包篮的纹路掠过画面边缘。推进至Bagel店摊位深处，运动转为慢动作凝滞，以毫米级速度爬行，围绕悬浮的水流形成的文字 “HappyHorse 1.0”、冰美式咖啡、《纽约邮报》、Bagel面包等物品。镜头推至文字前方 15 厘米处静止凝视，液态文字微微涌动。瞬间，文字爆裂成无数水珠，摄像机被气浪猛推，急速后拉并向下俯冲，轨迹呈剧烈J形转折。镜头以自由落体砸向地面，触地前一帧再次突变，贴地超低空滑行，视角侧倾近 90度，右侧红砖建筑立面垂直耸立，街头黄色出租车的轮胎在视野边缘飞速后退。滑行两秒后，镜头向上弹射，沿曼哈顿摩天大楼（帝国大厦旁）外墙垂直爬升，仰角从水平转为垂直向上，玻璃幕墙反射的晨光形成连续光带，映出远处自由女神像的剪影。爬升至屋顶高度，外翻越过天台围栏，空中完成180 度轴向翻转，从仰望天空转为俯视深渊，沿世贸中心双子塔遗址周边高楼间的狭窄天井垂直下坠。下坠初始速度适中，镜头朝下稳定俯拍，天井四壁如方形画框向中心收缩，下方第五大道的车流化作彩色光轨。速度逐渐加快，镜头加入左右摆动，时而贴近布鲁克林红砖建筑擦过复古空调外机，时而摆向写字楼混凝土横梁，轨迹呈失控螺旋下坠。每经过一层平台，镜头随机偏转，仿佛被气流撞击，在狭窄空间中不断反弹、修正、偏离，偶尔掠过悬挂的霓虹招牌与街头涂鸦。下坠至中段，光线急剧衰减，虚拟暗光增强捕捉到老旧楼宇剥落的墙面、锈蚀的消防管道、杂乱的电缆。镜头开始沿光轴 360 度连续翻滚，天井四壁（一边是现代玻璃幕墙，一边是布鲁克林红砖墙）化作旋转的红与银的漩涡，偶尔闪现的Bagel店暖光、街头路灯如深渊中的孤岛。接近底部最后十米，速度极限，旋转平息，镜头重新垂直俯冲。即将撞击地面的瞬间，穿透无形镜面，重力方向倒置—从向下俯冲无缝切换为向上浮升，轨迹呈现莫比乌斯环式转折。进入镜像世界，镜头保持向前惯性，在倒置的纽约上空水平滑行。布鲁克林褐石屋、曼哈顿公寓屋顶群在脚下绵延至天际线，天空被踩在上方，两名倒悬的街头咖啡师（手持咖啡壶、吆喝声仿佛从天际传来）缓缓飘过。镜头优雅穿梭于漂浮的纸杯咖啡、牛皮纸袋与Bagel之间，做小幅升降起伏，围绕玻璃球缓慢椭圆运动，最终平稳直线推进，缓缓贴近玻璃球表面—球体中倒映的无限递归城市景观（第五大道、帝国大厦、布鲁克林大桥交织）逐渐填满画面，速度降至每秒不足一厘米，在绝对静止中淡出至纯白。​

HappyHorse 1.0 创作指南​

HappyHorse 1.0 创作指南