HappyHorse 1.1

アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。HappyHorse は Alibaba の ATH-AI 部門（Taobao および Tmall の Future Lifestyle Lab 発祥）が開発した生成動画モデルです。単一ストリームのマルチモーダル Transformer であり、1080p動画と同期したネイティブ音声を一度のフォワードパスで生成します。

HappyHorse が受け取る主要パラメータ: model（happyhorse-1.1）、prompt（テキスト記述、最大2500文字）、resolution（720P または1080P、デフォルト1080P）、duration（クリップ長3〜15秒、デフォルト5秒）、size（16:9 / 9:16 / 1:1 / 4:3 / 3:4、テキスト・参照画像からの生成で有効）、任意の seed と watermark。first_frame_image は最初のフレームからの動画生成に使い、比率はその画像から決まります。image_urls は1〜9枚の参照画像からの生成に使います。このモデルでは video_url と audio_setting は使用できません。

アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。多くの動画モデルはまず映像を生成し、別ステップで音声を追加します。HappyHorse は同一の Transformer 内で映像と音声を同時生成するため、サブピクセル精度のリップシンク、自然に整合した環境音、そしてはるかに説得力のある対話シーンを実現します。

アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。HappyHorse は英語、中国語（普通話）、広東語、日本語、韓国語、ドイツ語、フランス語の7言語に対応します。選択した音声言語に基づいて、口形がサブピクセル精度で同期されます。

アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。単一の NVIDIA H100 GPU 上で、HappyHorse はネイティブ1080pクリップを約38秒で生成します。HappyHorse は8ステップの DMD-2 サンプラーを採用し、classifier-free guidance を省略するため、30ステップ以上を要する拡散動画モデルに比べて大幅に高速です。

アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。Artificial Analysis のブラインド評価において、HappyHorse はテキスト→動画（1333 Elo）と画像→動画（1392 Elo）の両方で1位を獲得しています。Sora 2 や Veo 3.1 との主な差別化要素はネイティブ音声の共同生成、Kling に対してはより強力な対話とリップシンクです。アクション重視のシーンでは依然として Kling が優勢な場面もあります。

両モデルは同じ API キーで呼び出せます。happyhorse-1.0 はテキストから動画、最初のフレームからの画像→動画、参照画像、そしてソース動画と音声設定による動画編集に対応します。happyhorse-1.1 はテキストから動画、画像から動画、参照画像に対応しますが、動画編集には対応していません。本ページの料金表には HappyHorse 1.1 の秒単位の料金を掲載しています。

本ページの料金セクションで最新の秒単価をご確認ください。APIMart にチャージすれば HappyHorse で動画生成を始められます。

/v1/videos/generations に POST リクエストを送り、APIMart の API キー、モデル名 happyhorse-1.1、prompt を指定してください。詳細な統合例はドキュメントをご覧ください。

APIMartに登録し、ダッシュボードのAPI Keysページでキーを作成します。同じキーでAlibaba HappyHorse 1.1 APIを含むプラットフォーム上のすべてのモデルを呼び出せます。従量課金で、サブスクリプションは不要です。

はい。HappyHorse 1.1 APIは生成動画の秒数単位で課金されます。このページの料金表にはすべての仕様が掲載され、ゴールド会員価格（20%オフ）で表示されています。プラチナ・ダイヤモンド会員はさらにお得で、最大28%オフになります。課金は成功したリクエストのみです。

ページ右下のライブチャット、[email protected] へのメール、またはDiscordコミュニティからお問い合わせいただけます。チームができるだけ早くご対応いたします。