Happy Horse 1.1 reference to video：參考素材驅動的影片生成模型與 API | RunComfy

alibaba/happyhorse-1.1/reference-to-video

向 Happy Horse 1.1 reference to video 提供最多 9 張參考圖和一段提示詞，即可生成 3-15 秒的 720P/1080P 影片，在維持參考主體、風格和身分特徵穩定的同時呈現流暢動作。

提示詞 *

描述希望圍繞參考圖建立的場景、動作、鏡頭運動與氛圍。非中文最多 5000 個字元，中文最多 2500 個字元（超出部分將被截斷）。

長寬比

生成影片的長寬比。

片長

輸出影片的長度，以秒為單位。可選值：3-15。

參考圖 1 *

主要參考圖，以其主體、風格或構圖引導影片生成。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 2

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 3

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 4

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 5

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 6

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 7

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 8

可選的額外參考圖。格式：JPEG、JPG、PNG 或 WEBP。

參考圖 9

可選的額外參考圖。最多可搭配使用 9 張參考圖。格式：JPEG、JPG、PNG 或 WEBP。

解析度

輸出影片的解析度。Happy Horse 1.1 reference to video 支援 720P 或 1080P。

隨機種子

可選的隨機種子，用來提高生成結果的可重現性。設為 0 時由供應商隨機選擇。

Idle

The rate is $0.13 per second for 720P, and $0.16 per second for 1080P.

Happy Horse 1.1 reference to video 簡介

Alibaba 推出的 Happy Horse 1.1 reference to video 會以你提供的參考圖主體和視覺風格為基礎，生成 720P 或 1080P 影片。3-15 秒影片的計費標準為：720P 每秒 $0.13，1080P 每秒 $0.16。它將手動轉描、另行設計動態和漫長的算圖佇列整合為一個「參考圖加提示詞」的步驟，並改善 1.0 版本動作遲緩、臉部表現不穩定的問題，適合創作者、行銷人員與產品團隊使用。開發者既可在瀏覽器中使用 RunComfy 上的 Happy Horse 1.1 reference to video，也可透過 HTTP API 呼叫，無須自行託管或擴充模型。
適合：角色一致的場景 | 產品展示短片 | 品牌風格延續

Alibaba / Happy Horse 1.1 reference to video#

Happy Horse 1.1 reference to video 是 Alibaba 原生多模態影片模型中的參考素材驅動模式。它不是只從空白提示詞開始生成，而是接收一張或多張參考圖和文字描述，再依據你提供的主體、風格或構圖生成短片，同時在一次處理中加入動態並同步產生聲音。

此模式與 Happy Horse 1.1 系列的其他模式採用相同架構，因此同樣能呈現符合真實物理規律的運動、豐富的光影，以及推近、拉遠和焦點轉移等電影化鏡頭語言。它可以在整段影片中維持角色身分一致，並呈現從照片級真實畫面到風格化動畫的多種視覺效果。

此版本在早期 1.0 版本的基礎上進一步改善：過去顯得遲緩的動作現在更有節奏和力度；模型對包括亞洲臉孔在內的更多主體處理得更穩定，相貌漂移和變形瑕疵也更少。

輸出規格：解析度：720P 或 1080P / fps：24 / 片長：3-15s / 長寬比：16:9、9:16、1:1 / 音訊：包含

特色#

參考素材驅動生成：Happy Horse 1.1 reference to video 最多可接收 9 張參考圖，先鎖定主體、風格和構圖，再為其加入動態。
穩定維持身分特徵：從參考圖到完整影片，臉部、服裝和產品外觀都能保持一致。
原生影音同步：對白、環境音和擬音會與影片在一次處理中共同生成。
電影感畫面：出色的景深、氛圍和光線表現，讓中景和近景鏡頭更具電影質感。
豐富的鏡頭語言：支援推近、拉遠和景深轉換，不侷限於靜態畫面。
更流暢、更有速度感的動作：與 1.0 版本相比，運動節奏和動勢表現更好。
更廣泛的主體適應性：相較 1.0 版本，面對包括亞洲臉孔在內的不同人臉時，相貌一致性更佳。
解析度與畫幅控制：可選擇 720P 或 1080P、16:9、9:16 或 1:1，並將片長設為 3 至 15 秒之間的任意值。

相關模型

ltx-2/retake-video

根據提示詞重做現有影片中的指定片段，並可選擇替換音訊、畫面或同時替換兩者。

seedance-1-0/pro/image-to-video

以 AI 將靜態圖像轉化為動態影片，打造自然順暢的角色敘事效果。

kling-video-o1/standard/video-edit

透過文字指令編輯現有影片，可加入最多 10 張參考圖片，並選擇是否保留原音。

kling-3.0/standard/image-to-video

透過攝影機和音訊控制將靜態照片轉變為影片動作剪輯。

hailuo-2-3/fast/pro/image-to-video

將靜態影像轉化為流暢1080p影片，展現真實動感與創意自由

happyhorse-1.1/image-to-video

只要一段提示詞，即可將靜態照片變成流暢的 720P 或 1080P 影片。

常見問題

Happy Horse 1.1 reference to video 適合用來做什麼？

Happy Horse 1.1 reference to video 會圍繞你提供的參考圖生成短片，讓參考素材中的主體、風格或構圖延續到結果中。它適合製作角色一致的場景、產品展示和品牌風格短片，尤其適用於需要動態畫面忠實呈現特定視覺效果，而不是只從文字提示詞開始生成的情況。

Happy Horse 1.1 reference to video 與文字轉影片模式有什麼不同？

文字轉影片模式只根據提示詞建立影片，而 Happy Horse 1.1 reference to video 可在加入動態前使用最多 9 張參考圖鎖定輸出效果。當影片中的角色身分、產品外觀或特定視覺風格必須保持一致時，參考圖轉影片模式更合適。

與 1.0 版本相比，Happy Horse 1.1 reference to video 有哪些改進？

與早期 1.0 版本相比，Happy Horse 1.1 reference to video 的動作節奏更生動、變形瑕疵更少，並能在包括亞洲臉孔在內的更多主體類型中更穩定地維持相貌一致。根據公開資訊，過去顯得遲緩的動作現在更有力度和動勢。

Happy Horse 1.1 reference to video 會隨影片一起產生音訊嗎？

會。Happy Horse 1.1 reference to video 可在一次處理中將對白、環境音和擬音等同步音訊與畫面共同生成。這樣無須另行製作聲音，音訊也能與畫面動作保持同步。

Happy Horse 1.1 reference to video 最多可以使用多少張參考圖？

最多可以提供 9 張參考圖，其中第一張作為主要錨點。只有在每張圖都能提供不同資訊時再增加參考圖，例如第二個主體或風格線索；確切支援格式和限制請查看目前 RunComfy 參數面板。

Happy Horse 1.1 reference to video 支援哪些解析度、片長和長寬比？

Happy Horse 1.1 reference to video 可輸出 3 至 15 秒的 720P 或 1080P 影片，長寬比支援 16:9、9:16 或 1:1。低成本迭代可選 720P，最終交付可選 1080P；限制可能隨模式或供應商設定而變動。

開發者可以透過 RunComfy API 使用 Happy Horse 1.1 reference to video 嗎？

可以。你可以先在 RunComfy AI Playground Web UI 中測試 Happy Horse 1.1 reference to video，再使用完全相同的參數透過 RunComfy API 呼叫該模型，用於自動化和正式環境。這樣可讓原型測試與整合階段的設定保持一致。

在 RunComfy 上使用 Happy Horse 1.1 reference to video 生成影片需要多少費用？

Happy Horse 1.1 reference to video 根據輸出片長和解析度計費：720P 每秒 $0.13，1080P 每秒 $0.16。一段 5 秒的 720P 影片約為 $0.65，一段 5 秒的 1080P 影片約為 $0.80；生成任務會消耗 RunComfy credits，新使用者通常會取得免費試用額度。