Crie vídeos IA HappyHorse a partir de um prompt de texto ou uma imagem de referência e modele 3 a 15 segundos de movimento cinematográfico em 720p ou 1080p. Use HappyHorse 1.1 para mais proporções e referências maiores, ou o modelo HappyHorse base para um rascunho Alibaba mais simples com estrutura multi-shot e Native Audio para demos de produto, anúncios curtos, texturas ASMR e storyboards sociais.
HappyHorse é uma família de modelos de vídeo Alibaba-ATH para texto para vídeo e imagem para vídeo. Quando o HappyHorse 1.0 entrou no Artificial Analysis Video Arena em abril de 2026, ficou em primeiro em texto para vídeo e imagem para vídeo sem áudio e em segundo nos testes equivalentes com áudio.
No Toolaze, escolha HappyHorse 1.0 ou 1.1 para criar clipes de 3 a 15 segundos em 720p ou 1080p a partir de texto ou uma imagem. Ambos servem para demos de produto, anúncios curtos, cenas de personagem, ASMR tátil e storyboards multi-shot.
modelo de vídeo IA
| Métrica de Desempenho | Especificação Toolaze |
|---|---|
| Desenvolvedor | Família de modelos de vídeo HappyHorse da Alibaba-ATH |
| Referência de lançamento de abril de 2026 | Primeiro em texto para vídeo e imagem para vídeo sem áudio e segundo nos testes equivalentes com áudio do Artificial Analysis Video Arena |
| Entradas no Toolaze | Texto para vídeo ou imagem para vídeo com uma imagem como primeiro quadro |
| Saída | 3 a 15 segundos, 720p ou 1080p, MP4 a 24 fps |
| Áudio | Saída de áudio com prompts para diálogo, ambiente, direção musical e efeitos táteis |
| Idioma do prompt | A documentação da Alibaba Cloud aceita prompts em qualquer idioma; não publica quantidade fixa de idiomas de sincronização labial nem garantia de precisão |
| Direção multi-shot | Defina a ordem das tomadas e repita detalhes de sujeito, produto, roupa ou cena que precisam permanecer consistentes |
| Proporções | HappyHorse 1.1 adiciona 4:5, 5:4, 9:21 e 21:9 a 16:9, 9:16, 1:1, 4:3 e 3:4 |
| Credits iniciais | HappyHorse 1.1 começa em 135 Credits no Toolaze e HappyHorse 1.0 em 168 Credits |
Comece com HappyHorse 1.1 para a faixa mais ampla de proporções e limite de imagem de 20MB. Escolha o modelo base quando um fluxo de referência de 10MB for suficiente.
Use texto para vídeo em um conceito novo ou envie uma imagem de referência quando identidade, forma do produto, roupa ou composição precisarem permanecer reconhecíveis.
Escolha 720p ou 1080p, uma duração compatível e descreva câmera, ordem das tomadas, ação, luz e pistas de Native Audio.
Revise deriva de movimento, fidelidade à referência e timing do som. Se ficar amplo demais, reduza a lista de tomadas ou reforce as notas de preservação.
Use como ponto de partida e ajuste duração, resolução e proporção nos controles do Toolaze.
Revelação de produto
Crie um vídeo premium de produto para uma caixa de som portátil preta fosca em uma mesa de pedra. Comece com um push lateral lento, passe para o detalhe da grade de tecido e revele uma luz azul suave pulsando sob o logo. Preserve o formato do produto e adicione vibração grave, ambiente de sala e cliques nítidos.
Momento de personagem com referência
Anime a imagem de personagem enviada em um breve momento dramático. O personagem vira para uma janela iluminada, o casaco se move, o cabelo reage ao vento leve e a câmera vai do ombro ao close do rosto. Preserve rosto, cores da roupa, pose e clima do fundo.
Cena de textura ASMR
Crie um clipe macro ASMR de cubos de gelatina translúcida pressionados por uma colher metálica em prato de cerâmica. Mostre compressão lenta, pequenas ondulações, gotas refletindo luz e a colher levantando. Adicione sons macios, contato com prato, pequenos toques e sem música.
Anúncio lifestyle multi-shot
Crie um anúncio lifestyle de uma jaqueta leve de corrida ao nascer do sol. A primeira tomada mostra tecido ao vento, a segunda acompanha o corredor de lado e a terceira foca o zíper quando a luz toca a faixa refletiva. Preserve cor e logo da jaqueta, adicionando passos, vento e cidade.
HappyHorse responde melhor quando versão, sujeito preservado, movimento e som ficam separados.
Prompt fraco
Faça um clipe de moda.
Fraco
Faça um clipe de moda.
Melhor
Crie um clipe de moda em três tomadas para uma jaqueta prateada. Comece pelo ombro, corte para caminhada lateral e termine com close da textura da manga. Preserve formato e cor, use luz suave de amanhecer e adicione tecido roçando e passos baixos.
Prompt fraco
Anime esta imagem.
Fraco
Anime esta imagem.
Melhor
Anime o retrato enviado com push lento da câmera e leve virada de cabeça. Preserve rosto, cabelo, cor da jaqueta, fundo e direção de luz, adicionando respiração natural e vento leve.
Prompt fraco
Adicione sons ASMR.
Fraco
Adicione sons ASMR.
Melhor
Crie uma cena macro de uma barra de sabonete sendo raspada por uma lâmina fina. Adicione corte nítido, pequenas lascas caindo na cerâmica, movimento suave da mão e sem música de fundo.
Transforme produtos e ideias visuais em rascunhos curtos com formas estáveis e luz clara.
Envie uma imagem e anime o sujeito preservando pessoa, objeto, roupa ou layout.
Descreva cortes, pressão, derramamentos, toques e contato de tecido com Native Audio correspondente.
Monte uma ordem compacta de tomadas para redes sociais sem uma linha de edição completa.
Crie momentos expressivos com câmera, clima, continuidade de figurino e movimento controlado.
Teste ordem de cena, luz, ritmo e som antes da produção final.
Escolha a versão HappyHorse por tamanho de entrada, necessidade de proporção e nível de controle de saída.
| Ponto de decisão | HappyHorse 1.1 | HappyHorse |
|---|---|---|
| Modos de criação | Texto para vídeo e imagem para vídeo com uma imagem de referência. | Texto para vídeo e imagem para vídeo com uma imagem de referência. |
| Limite de referência | Uma imagem enviada de até 20MB. | Uma imagem enviada de até 10MB. |
| Proporções | Inclui 16:9, 9:16, 1:1, 4:3, 3:4, além de 4:5, 5:4, 9:21 e 21:9. | Suporta o conjunto principal 16:9, 9:16, 1:1, 4:3 e 3:4. |
| Duração e saída | 3 a 15 segundos em 720p ou 1080p. | 3 a 15 segundos em 720p ou 1080p. |
| Áudio e controle de tomadas | Native Audio e prompts multi-shot para produto, narrativa e ASMR. | Native Audio e prompts multi-shot para rascunhos simples. |
| Credits iniciais | A partir de 135 Credits no Toolaze. | A partir de 168 Credits no Toolaze. |
| Escolha quando | Precisar da maior cobertura de proporções HappyHorse ou de referência maior. | Quiser o modelo HappyHorse base e puder ficar no limite menor de referência. |
Use HappyHorse quando continuidade de cena e controle de proporção por versão forem mais importantes que o número máximo de referências.
| Modelo | Bom uso | Verifique antes |
|---|---|---|
| HappyHorse | Texto para vídeo ou imagem para vídeo Alibaba com uma referência, Native Audio e proporções por versão. | Confirme se HappyHorse 1.1 ou o modelo base atende ao tamanho de arquivo e proporção. |
| Wan 2.6 | Clipes Wan guiados por som, Native Audio e tempos conhecidos de 5/10/15 segundos. | Use quando não precisar das proporções extras largas ou altas do HappyHorse 1.1. |
| Kling 3.0 | Movimento cinematográfico polido, clipes de produto e shorts para creators. | Confira se o estilo de movimento Kling combina com a marca antes de usar runs de maior qualidade. |
| Grok 1.5 Video | Rascunhos rápidos com Native Audio e exploração criativa ampla. | Use para ideação rápida quando controles exatos do HappyHorse importarem menos. |
HappyHorse 1.1 aceita imagem de referência maior, até 20MB, e amplia proporções como 4:5, 5:4, 9:21 e 21:9. O modelo base mantém proporções principais e limite de 10MB, suficiente para rascunhos simples com referência.
Ao entrar em abril de 2026, ficou em primeiro em texto para vídeo e imagem para vídeo sem áudio e em segundo nos testes equivalentes com áudio. É uma referência de lançamento datada, não uma posição atual permanente.
No Toolaze, cria clipes MP4 de 3 a 15 segundos em 720p ou 1080p. A Alibaba Cloud documenta saída a 24 fps para a família HappyHorse.
A Alibaba Cloud informa que os prompts aceitam qualquer idioma. Não publica lista fixa de idiomas de sincronização labial nem garantia de precisão; teste o idioma e o diálogo antes do render final.
Sim. Escreva o prompt como uma sequência curta de tomadas, com uma ação por etapa, e diga o que deve permanecer consistente entre cortes.
Sim. Adicione pistas concretas como tecido roçando, passos, ambiente de sala, contato de lâmina ou sons suaves do produto.
Funciona bem para cenas táteis curtas quando o prompt descreve textura, câmera próxima, sons de contato e ausência de música.
Sim. Use imagem para vídeo quando pessoa, produto, roupa ou layout precisam continuar reconhecíveis. O limite de arquivo depende da versão.
Use Wan 2.6 com texto ou uma imagem, tempos de 5/10/15 segundos, Native Audio e movimento Wan equilibrado.
Crie rascunhos Kling cinematográficos quando quiser um modelo de movimento familiar e clipes sociais polidos.
Explore vídeos conceituais rápidos com Native Audio para ideação ampla e rascunhos sociais.