HappyHorse 1.1

Сведения об архитектуре и производительности основаны на HappyHorse 1.0. HappyHorse — это генеративная видеомодель от подразделения ATH-AI компании Alibaba (выросшего из лаборатории Future Lifestyle Lab платформ Taobao и Tmall). HappyHorse — однопотоковый мультимодальный Transformer, генерирующий видео 1080p и синхронизированный нативный звук за один прямой проход.

HappyHorse принимает следующие ключевые параметры: model (happyhorse-1.1), prompt (текстовое описание, до 2500 символов), resolution (720P или 1080P, по умолчанию 1080P), duration (длительность 3–15 секунд, по умолчанию 5 секунд), size (16:9 / 9:16 / 1:1 / 4:3 / 3:4, для генерации по тексту и референсам), опционально seed и watermark. first_frame_image задаёт первый кадр для генерации видео, а его пропорции определяют формат. image_urls задаёт 1–9 изображений для генерации по референсам. Эта модель не принимает video_url и audio_setting.

Сведения об архитектуре и производительности основаны на HappyHorse 1.0. Большинство видеомоделей сначала генерируют изображение, а затем добавляют звук отдельным этапом. HappyHorse генерирует изображение и звук совместно в одном Transformer — это даёт субпиксельный липсинк, естественно выровненный фоновый звук и значительно более убедительные диалоговые сцены.

Сведения об архитектуре и производительности основаны на HappyHorse 1.0. HappyHorse поддерживает семь языков: английский, мандаринский китайский, кантонский, японский, корейский, немецкий и французский. HappyHorse выравнивает артикуляцию рта с субпиксельной точностью на основе выбранного языка аудио.

Сведения об архитектуре и производительности основаны на HappyHorse 1.0. На одном NVIDIA H100 HappyHorse генерирует нативный клип 1080p примерно за 38 секунд. HappyHorse использует 8-шаговый сэмплер DMD-2 и не применяет classifier-free guidance, благодаря чему работает значительно быстрее диффузионных видеомоделей, требующих 30+ шагов.

Сведения об архитектуре и производительности основаны на HappyHorse 1.0. В слепых оценках Artificial Analysis HappyHorse занимает первое место как в text-to-video (1333 Elo), так и в image-to-video (1392 Elo). Ключевое отличие от Sora 2 и Veo 3.1 — нативная совместная генерация звука; по сравнению с Kling — более сильные диалоги и липсинк. Kling по-прежнему лидирует в некоторых сценах с активным действием.

Обе модели можно вызывать с одним API-ключом. happyhorse-1.0 поддерживает видео из текста, видео из изображения по первому кадру, референсные изображения и редактирование видео с исходным роликом и настройками звука. happyhorse-1.1 поддерживает видео из текста, видео из изображения и референсные изображения, но не умеет редактировать видео. Таблица на этой странице показывает посекундные цены для HappyHorse 1.1.

Актуальные посекундные тарифы смотрите в разделе цен на этой странице. Пополните баланс APIMart и начните генерировать видео в HappyHorse.

Отправьте POST-запрос на /v1/videos/generations с вашим API-ключом APIMart, именем модели happyhorse-1.1 и промптом. Полные примеры интеграции см. в документации.

Зарегистрируйтесь в APIMart, откройте страницу API Keys в личном кабинете и создайте ключ. Один и тот же ключ подходит для Alibaba HappyHorse 1.1 API и всех остальных моделей платформы: оплата по факту использования, без подписки.

Да. HappyHorse 1.1 API тарифицируется посекундно по длительности сгенерированного видео. В таблице цен на этой странице указаны все конфигурации по цене Золотого уровня — со скидкой 20%. Платиновый и Бриллиантовый уровни экономят ещё больше — до 28%. Оплачиваются только успешные запросы.

Вы можете обратиться к нам через чат в правом нижнем углу страницы, написать на [email protected] или присоединиться к нашему сообществу в Discord. Наша команда ответит вам как можно скорее.