С момента начала ограниченного тестирования HappyHorse 1.0 от Alibaba в конце апреля модель быстро возглавила рейтинг Artificial Analysis Video Arena. Мы провели многопрофильное тестирование модели. Вот наш подробный отчёт.
Среда тестирования
Тестирование проводилось на нескольких сторонних платформах, интегрировавших HappyHorse 1.0, охватывая режимы текст-в-видео и изображение-в-видео. Промпты варьировались от кратких описаний до сложных нарративов длиной до 800 слов.
Производительность с персонажами: главное преимущество
При генерации портретов с фокусным расстоянием 35–85 мм HappyHorse 1.0 демонстрирует явное преимущество. Эффект размытия фона выглядит естественно, а сохранение текстуры кожи и деталей мимики находится на высоком уровне. Несколько тестировщиков отметили, что генерируемые моделью лица избавлены от проблемы «явной искусственности» — микровыражения и движение глаз выглядят относительно реалистично.
Это делает модель особенно подходящей для:
- создания музыкальных клипов с персонажами
- эмоциональных коротких видео
- портретных крупных планов
- контента в стиле молодёжных идол-драм
Совместная генерация аудио и видео: точная синхронизация губ
Функция синхронизации аудио и видео HappyHorse 1.0 показала надёжные результаты в тестировании. В сценариях с китайско-английским смешанным диалогом соответствие губ речи было высоким, а генерация окружающих звуков — естественной. Эта функция значительно сокращает объём работы по постпродакшн озвучке и синхронизации губ, что особенно удобно для производства коротких драм с большим количеством диалогов.
Разбор сложных промптов: мощный, но требовательный
Модель поддерживает промпты длиной до 800 слов и способна разбирать детальные инструкции по движению камеры, стилевой атмосфере и переходам между сценами. Однако несколько пользователей сообщили, что качество промпта оказывает большее влияние на результат, чем в предыдущих моделях. При недостаточной точности описания модель склонна к переобучению или отклонению от ожидаемого результата.
HappyHorse 1.0 можно охарактеризовать как «блестящего специалиста» — отличная производительность в конкретных сценариях, но с более высокими требованиями к качеству входных данных.
Недостатки
Композиция персонажей в масштабных сценах — явное слабое место модели. Когда персонажи размещаются на обширном фоне, иногда наблюдается неестественное слияние персонажа с окружением, а в некоторых тестовых случаях — переобучение. Для проектов, требующих грандиозных нарративных сцен, рекомендуется использовать модель в сочетании с альтернативами.
Сравнение с Seedance 2.0
На основе стороннего сравнительного тестирования HappyHorse 1.0 превосходит Seedance 2.0 в:
- естественности лиц персонажей
- детализации текстур и временной согласованности
- точности синхронизации губ
- чёткости в коротких (3–5 секунд) клипах
Seedance 2.0 сохраняет определённые преимущества в композиции масштабных сцен и сложных движениях камеры.
Цена и соотношение цена/качество
В период ограниченного тестирования некоторые платформы предлагают бесплатные кредиты или ограниченные по времени скидки. По стандартам ценообразования APIMart одна генерация потребляет около 90 кредитов. С учётом качества вывода и длительности соотношение цена/качество находится на уровне выше среднего среди текущих моделей генерации видео.
Итог
HappyHorse 1.0 — отличный выбор для генерации видео с нарративом, управляемым персонажами, особенно подходит для коротких драм, музыкальных клипов и эмоционального контента. Если вам нужны масштабные сцены со сложным движением камеры, стоит дождаться оптимизации в будущих версиях или использовать модель в сочетании с другими.
Для команд, занимающихся производством коротких драм для зарубежного рынка или экспортного контента, качество генерации лиц и возможности синхронизации губ модели представляют значительную коммерческую ценность.