Happy Horse 1.1：支援原生音訊的 AI 影片生成模型與 API | RunComfy

Alibaba / Happy Horse 1.1#

Happy Horse 1.1 是 Alibaba 推出的原生多模態影片模型。完整模型系列涵蓋四項能力——文字轉影片、圖片轉影片、參考圖轉影片和影片編輯——均採用同一架構，可在一次處理中同步生成畫面與聲音，讓對白、環境音和擬音與動作準確對齊，而非後製加入。

此模型專為電影級效果調校，可呈現可信且符合真實物理規律的運動、豐富光影，以及推近、拉遠、焦點轉移等電影化鏡頭語言。它能在多鏡頭序列中維持角色身分和場景連續性，並支援從水墨畫到紙藝、黏土定格動畫等多種視覺風格。

此版本針對早期 1.0 版本進行了改善。過去顯得遲緩的動作現在更有節奏和力度；模型面對包括亞洲臉孔在內的更多主體時，也能更穩定地維持相貌特徵。

在 RunComfy 上，此 Happy Horse 1.1 頁面目前運行文字轉影片模式：輸入提示詞，即可取得帶有內建聲音的短片。圖片轉影片、參考圖轉影片和編輯等其他模式同屬此模型系列。

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#

• 一個模型，四種模式：Happy Horse 1.1 涵蓋文字轉影片、圖片轉影片、參考圖轉影片和影片編輯；此頁面提供文字轉影片模式。
• 原生影音同步：對白、環境音和擬音與影片共同生成，一次處理即可讓聲音與動作保持同步。
• 電影感畫面：出色的大光圈景深、氛圍和光線表現，讓中景與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，生成動態鏡頭而非靜態畫面。
• 多鏡頭敘事：在最長 15 秒的影片中，跨剪輯維持角色身分和畫面連續性。
• 更流暢、更有速度感的動作：相較先前的 1.0 版本，動作節奏和動勢更好，變形瑕疵也更少。
• 廣泛的風格範圍：既可生成寫實畫面，也可呈現水墨、紙藝和黏土定格動畫等風格。
• 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。

參數#

參數	必填	類型	預設值	範圍 / 選項	說明
prompt*	是 (*)	string	—	—	對場景、動作和鏡頭運動的文字描述。
resolution	否	string	1080P	720P, 1080P	輸出解析度等級。
ratio	否	string	16:9	16:9, 9:16, 1:1	影片長寬比。
duration	否	integer	5	3-15	影片長度，以秒為單位。

價格#

按片長計費，費用取決於解析度：

解析度	費率
720P	每秒 $0.13
1080P	每秒 $0.16

預估費用範例

片長	720P	1080P
5 s（預設）	~$0.65	~$0.80
10 s	~$1.30	~$1.60
15 s	~$1.95	~$2.40

使用方式#

1. 開啟 RunComfy 模型頁面，從 Models 目錄中選擇 Happy Horse 1.1。
2. 撰寫提示詞，說明主體、動作、場景，以及所需的鏡頭運動或氛圍。
3. 選擇解析度：720P 適合低成本迭代，1080P 適合最終交付。
4. 根據發佈情境設定長寬比——橫式選 16:9，直式選 9:16，正方形選 1:1。
5. 將片長設為 3 至 15 秒；調整視覺效果時建議先從較短影片開始。
6. 開始生成，然後在預覽中同時檢查動態和音訊效果。
7. 每次只調整少量描述詞進行最佳化，完成後可下載，也可透過 RunComfy 介面或 API 再次執行。

提示詞與參考素材技巧#

• 先說明主要主體和一個清楚動作，再補充場景與光線。
• 明確描述運動（如行走、搖鏡、漂移），讓模型知道哪些元素需要移動。
• Happy Horse 1.1 會隨影片同步產生音訊，因此請寫明所需的聲音提示。
• 每段影片維持一種主導氛圍，避免混用互相衝突的情緒基調。
• 先用較短片長驗證概念，再投入 15 秒影片的算圖。

Happy Horse 1.1 與其他模型的比較#

• 與 Happy Horse 1.0 相比，使用者可以期待更生動的動作節奏、更少的變形瑕疵，以及對不同臉部類型更穩定的處理（依據公開資訊）。
• 與不生成聲音的影片模型相比，它將同步對白、環境音和擬音整合在一起，省去另行製作音訊的步驟。
• Happy Horse 系列曾在 Artificial Analysis Video Arena 的文字轉影片和圖片轉影片盲測排行榜中登頂，並因流暢運動、自然色彩和影音同步而受到關注。
• 理想使用情境：當你希望把文字創意快速變成帶有音訊、具電影感的成片，而不是無聲草稿時，可優先選擇它。

還可嘗試的模型#

• Kling Video — 適合較長敘事鏡頭的電影感運動。
• Pika 2.2 — 面向社群短影音的快速迭代。
• Wan 2.7 — 支援自訂音訊檔案的文字轉影片。
• Seedance — 強調風格與氛圍的場景生成。