HappyHorse（快乐小马）
HappyHorse（快乐小马）是阿里巴巴ATH创新事业部研发的原生音视频联合生成视频大模型，150亿参数、40层统一自注意力Transformer架构。2026年4月以匿名身份空降Artificial …
🚀 访问官网 1 📱 手机查看 📋 工具信息卡片
HappyHorse 是什么
HappyHorse（快乐小马） 是阿里巴巴ATH创新事业部研发的原生音视频联合生成视频大模型，于2026年4月以匿名身份空降全球权威AI盲测平台Artificial Analysis，在文生视频和图生视频双赛道登顶，超越字节跳动Seedance 2.0、快手可灵3.0等热门模型。4月10日阿里正式认领该模型，4月27日开启灰测。
HappyHorse的核心技术突破在于原生音视频联合生成。它是全球首个原生支持音视频联合生成的开源视频大模型，拥有150亿参数，采用40层统一自注意力Transformer架构，将文本、视频、音频三种模态的token放入同一序列联合建模。这与常见的“视频生成+音频后处理”拼接方案有本质区别，使声音与画面在生成之初就处于同一语义空间，口播和人物场景中的同步效果更自然。
模型支持文生视频（T2V）、图生视频（I2V）、多图参考生视频（R2V）以及视频编辑，视频编辑提供V2V自然语言编辑和SV2V参考图编辑两种模式。支持15秒多镜头叙事、多画幅适配及1080P输出。在画面质感与光影效果、运镜与转场流畅度以及人物真实感等方面表现优秀，尤擅长大光圈、浅景深、强氛围感的中近景镜头表达，支持拉近、拉远、景深变换等多种运镜方式。从水墨工笔到折纸、粘土定格动画，各种风格也能轻松还原。
效率方面，HappyHorse采用DMD-2蒸馏技术，将传统需要数十步的去噪过程压缩到仅需8步，在单张H100显卡上生成一段5秒1080p视频仅需约38秒。原生支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的唇形同步，词错误率在同类开源模型中最低。目前模型已接入千问App，大众用户可在千问App首页点击“HappyHorse”按钮体验；全球专业创作者和企业级客户可在HappyHorse官网和阿里云百炼平台注册使用。阿里悟空、MuleRun、JVS Claw等Agent平台也已接入。
△ HappyHorse——全球首个原生音视频联合生成的开源视频大模型
🔗 HappyHorse官网：happyhorse.cn
HappyHorse 主要功能
🎬 文生视频与图生视频——双赛道登顶AA盲测榜
HappyHorse支持主流的文生视频（T2V）和图生视频（I2V）能力。在Artificial Analysis盲测榜上，文生视频（无音频）赛道Elo得分1378分，领先第二名字节Seedance 2.0整整105分；图生视频（无音频）赛道1411分，刷新全平台历史最高纪录。多位参与盲测的用户反馈，人物面部纹理更加细腻、镜头切换更为流畅，人像场景表现尤为突出。
🖼️ 多图参考生视频——最多9张图片精准控制创作意图
HappyHorse-1.0-R2V支持参考生视频，提供更加稳定的主体与情境参考，支持最多9张图片参考，能够精准保持创作意图，实现更强的表现能力。这一功能特别适合需要保持角色一致性或场景延续性的广告、短剧和漫剧创作场景。
✂️ 视频编辑——V2V自然语言编辑 + SV2V参考图编辑
除了视频生成，HappyHorse的第二张王牌是视频编辑。提供两种编辑模式：V2V自然语言编辑（用自然语言指令修改已有视频内容）和SV2V参考图编辑（基于参考图对视频进行灵活的二次创作）。在Arena视频编辑榜单上，HappyHorse以1299分的Elo评分登顶榜首。
🔊 原生音视频联合生成——声音与画面同一语义空间
HappyHorse最核心的技术差异化。采用40层统一自注意力Transformer架构，将文本、视频、音频三种模态的token放入同一序列联合建模，从生成之初就处于同一语义空间。无论是充满张力的台词交锋，还是雨滴敲打窗棂的环境音效，均可通过模型生成。原生支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的唇形同步。
🎥 15秒多镜头叙事与电影级画面质感
模型支持15秒多镜头叙事、多画幅适配及1080P输出。在画面质感与光影效果、运镜与转场流畅度以及人物真实感等方面表现优秀，尤其擅长大光圈、浅景深、强氛围感的中近景镜头表达，支持拉近、拉远、景深变换等多种运镜方式。生成的画面能让人物经得起大特写镜头，模拟出真实拍摄的感觉，可以显著降低视频的“AI感”。
⚡ DMD-2蒸馏技术——8步推理，38秒出片
HappyHorse采用DMD-2蒸馏技术，将传统需要数十步的去噪过程压缩到仅需8步。在单张H100显卡上，生成256p视频仅需约2秒，生成5秒1080p视频仅需约38秒。在保证电影级画质的同时实现了行业领先的生成速度。
适合人群
HappyHorse 价格方案
¥0
新用户注册享免费额度 · 阿里云百炼免费体验10秒 · 千问App免费使用 · 每日领取积分 · 最多2个并发任务
¥70 / 月（限时）
原价¥87.5/月 · 包年¥714（原价¥1050）· 720P和1080P视频生成 · 批量生成 · 去水印
¥245 / 月（限时）
原价¥350/月 · 包年¥2499 · 720P低至0.44元/秒 · 1080P低至0.78元/秒 · 全部高级功能
💡 HappyHorse新用户注册享免费额度，阿里云百炼平台可免费体验10秒视频生成，大众用户可在千问App免费使用。720P刊例价0.9元/秒，1080P刊例价1.6元/秒。专业会员包月叠加限时折扣后，720P低至0.44元/秒，1080P低至0.78元/秒。这是专业用户最常选择的套餐，跟其他视频平台相比打了62折。免费版用户仅可每日领取积分，最多支持2个并发任务，无法使用批量生成、去水印、1080P视频生成等功能。具体价格以官网实时公布为准。
✅ 优点
- AA盲测榜双赛道登顶：文生视频（无音频）Elo 1378分，领先Seedance 2.0达105分；图生视频（无音频）1411分，刷新全平台历史最高纪录。高分是超过9000次真实用户盲选结果。
- 原生音视频联合生成独一档：全球首个原生支持音视频联合生成的开源视频大模型，40层统一自注意力Transformer，文本、视频、音频三模态在同一语义空间建模，口播和人物场景同步效果自然。
- 电影级画面质感与人物真实感：擅长大光圈、浅景深、强氛围感的中近景镜头，人物面部纹理细腻、镜头切换流畅，“活人感”强，可显著降低视频“AI感”。
- 价格优势显著：专业会员包月叠加折扣后720P低至0.44元/秒，相比同类模型的高准入门槛，价格优势有望让更多创作者和企业用上高质量AI视频生成。
- 多端免费体验：千问App可直接免费使用，阿里云百炼平台免费体验10秒，新用户注册享免费额度，零成本即可上手。
⚠️ 注意事项
- 复杂动作和分镜控制不如Seedance稳定：据国联民生证券实测研报，HappyHorse生成的画面及场景非常真实、饱满，但复杂动作和分镜控制还不如Seedance等玩家那么稳定、成熟。
- 有音频赛道优势缩小：在纯视频质量维度上HappyHorse已建立统治地位，但一旦进入音画融合赛道，与Seedance 2.0的分差迅速收缩至1-2分，几乎可以忽略不计。
- 免费版功能受限：免费版用户仅可每日领取积分，最多支持2个并发任务，无法使用批量生成、去水印、1080P视频生成等功能，深度使用需开通会员。
- API开放时间较晚：模型于2026年4月27日开启灰测，API预计4月30日左右开放，对于希望立即集成到自有产品的开发者来说，需要等待正式开放。
📖 使用教程
1
选择体验入口
大众用户可在千问App首页点击“HappyHorse”按钮直接体验。专业创作者和企业用户可访问 happyhorse.cn 或阿里云百炼平台注册使用。
2
输入提示词或上传参考图
在输入框中用自然语言描述想要的视频内容，或上传参考图片（R2V模式支持最多9张图片参考）。描述越清晰，生成结果越精准。建议首帧图清楚干净、提示词明确，产出结果的可用性更高。
3
选择分辨率并生成
选择输出分辨率（720P或1080P）和视频时长（4秒到15秒）。点击生成，HappyHorse在约38秒内完成5秒1080p视频的生成。
4
视频编辑与二次创作
对生成的视频不满意？使用V2V自然语言编辑用文字指令修改视频内容，或使用SV2V参考图编辑基于参考图进行二次创作。
5
导出与发布
确认效果后导出视频。免费版支持720P导出，标准会员及以上支持1080P和去水印导出。可直接用于广告、电商、短剧或社媒内容发布。
常见问题
Q：HappyHorse免费吗？
A：提供免费体验。新用户注册享免费额度，阿里云百炼平台可免费体验10秒视频生成，千问App可直接免费使用。免费版每日领取积分，最多2个并发任务。深度使用需开通标准会员（¥70/月限时）或专业会员（¥245/月限时）。
Q：HappyHorse和Seedance 2.0哪个更好？
A：在纯视频质量维度上，HappyHorse在AA盲测榜的Elo评分领先Seedance 2.0达105分，建立了断层优势。但在有音频的赛道上，两者分差缩小至1-2分。HappyHorse在画面质感、人物真实感方面表现突出；Seedance在复杂动作和分镜控制上更稳定成熟。选择哪个取决于你的具体需求场景。
Q：HappyHorse支持哪些语言？
A：原生支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的唇形同步，词错误率在同类开源模型中最低。
Q：HappyHorse支持视频编辑吗？
A：支持。提供两种编辑模式：V2V自然语言编辑（用文字指令修改视频内容）和SV2V参考图编辑（基于参考图对视频进行二次创作）。在Arena视频编辑榜单上以1299分Elo登顶榜首。
Q：HappyHorse生成速度怎么样？
A：采用DMD-2蒸馏技术，将传统需要数十步的去噪过程压缩到仅需8步。在单张H100显卡上，生成256p视频仅需约2秒，生成5秒1080p视频仅需约38秒。
Q：HappyHorse支持多图参考吗？
A：支持。HappyHorse-1.0-R2V支持参考生视频，更加稳定的主体与情境参考，支持最多9张图片参考，能够精准保持创作意图，实现更强的表现能力。
相关工具推荐
选择建议：HappyHorse 的核心优势在于 原生音视频联合生成 + 电影级画面质感 + AA盲测榜双赛道登顶 + 0.44元/秒的价格优势。如果你追求画面质感和人物真实感，尤其是广告、电商、短剧等内容生产场景，HappyHorse是首选。Seedance 2.0在复杂动作和分镜控制上更成熟，可灵AI在短视频创作方面表现优秀，OiiOii.ai适合AI动画制作，Pavo AI在免费视频生成方面有优势。
✍️ NavCN 点评
HappyHorse是阿里ATH创新事业部交出的第一份视频模型答卷，也是2026年AI视频赛道最具戏剧性的产品——匿名空降AA盲测榜，以断层式Elo领先登顶，然后被阿里认领。它的核心突破在于原生音视频联合生成，40层统一自注意力Transformer将文本、视频、音频放入同一语义空间建模，从生成之初就保证了音画同步，这与“先出视频再后配音频”的拼接方案有本质区别。电影级画面质感、人物“活人感”、7种语言唇形同步是它的硬实力，AA盲测榜超过9000次真实用户盲选的高分也证明了它在真实用户感受中的优势。价格上0.44元/秒的专业会员折扣价对创作者有吸引力，千问App免费体验则让大众用户零门槛上手。当然，HappyHorse并非无短板——复杂动作和分镜控制不如Seedance成熟，有音频赛道的领先优势缩小到1-2分，免费版功能限制较多。但综合来看，HappyHorse在画面质感和音画同步这两个维度上已经建立了足够清晰的差异化，是2026年AI视频生成赛道中不可忽视的一匹“黑马”。
