Happy Horse
Alibaba (ATH Business Group) · Vídeo
Happy Horse é o modelo de vídeo com IA da Alibaba: transforma um texto ou uma única imagem em clipes curtos em que fala, efeitos e ambiente saem da mesma passada que a imagem.
Sobre Happy Horse
About
O que é o Happy Horse
Happy Horse é o nome em inglês do modelo de vídeo desenvolvido pela unidade de negócios ATH, da Alibaba, criada há pouco tempo e ligada diretamente ao CEO do grupo, Eddie Wu. A primeira versão pública, HappyHorse-1.0, apareceu sem assinatura na arena de vídeo da Artificial Analysis em abril de 2026 e ficou em primeiro lugar tanto em texto para vídeo quanto em imagem para vídeo antes de a Alibaba confirmar a autoria em 10 de abril. Em junho veio a 1.1, com movimento mais firme, personagens mais estáveis e áudio mais limpo.
A proposta é fácil de entender. Quase todo vídeo com áudio feito por IA hoje é montado em duas etapas: primeiro saem as imagens mudas, depois alguém grava vozes, passos e ruído de fundo no editor. O Happy Horse coloca texto, imagem, vídeo e áudio no mesmo Transformer de 15 bilhões de parâmetros e gera tudo junto. A boca acompanha a frase porque o som nasceu no mesmo instante que o rosto.
O limite está no acesso. Não existem pesos para baixar nem jeito de rodar o modelo na sua própria GPU. O uso passa pelo site oficial, pelo app Qwen ou pela API do Alibaba Cloud Model Studio, o que coloca cobrança, documentação e regras de conteúdo chinesas no meio do seu fluxo de trabalho.
Como começar
- Abra o happyhorse.cn no navegador ou atualize o app Qwen e toque no atalho do Happy Horse na tela inicial.
- Entre com uma conta Alibaba ou Qwen. Contas novas recebem uma cota gratuita pequena; depois disso, o estúdio web roda com créditos.
- Escolha texto para vídeo ou imagem para vídeo, envie uma referência se tiver e defina proporção, duração e resolução. Os clipes vão de 3 a 15 segundos e chegam a 1080p.
- Escreva o prompt. Diga o tamanho do plano, o movimento de câmera, a luz e a fala que quer ouvir: o modelo trata tudo isso como direção.
- Gere, confira e baixe. Em 1080p, conte com alguns minutos por clipe; resoluções menores voltam mais rápido.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Happy Horse.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Criadores de séries verticais e novelas curtas
- Equipes pequenas de publicidade e ecommerce
- Editores de redes sociais
Tarefas
- Clipes de alguém falando para a câmera
- Do storyboard ao movimento
- Versões em vários idiomas do mesmo anúncio
Cenários
- Um lançamento semanal de produto com cinco clipes curtos e nenhuma equipe.
- Apresentar uma cena ao cliente antes de reservar uma locação.
- Adaptar uma campanha para espectadores japoneses ou alemães sem regravar.
Principais recursos
Áudio e vídeo na mesma passada
O Happy Horse é um gerador de vídeo com IA que monta a trilha dentro do mesmo passo de inferência que constrói os quadros. Voz, impactos e zumbido de fundo caem no tempo certo, o que apaga o descompasso comum entre dublagem e boca em movimento. Dá para pedir silêncio quando o plano não precisa de som.
Sincronização labial em sete idiomas
O modelo trabalha com mandarim, cantonês, inglês, japonês, coreano, alemão e francês sem passar por modelos separados. A Alibaba declara taxa de erro de palavra de 14,60%, bem abaixo da faixa de 19% a 40% que atribui a outros modelos abertos. Para quem publica o mesmo anúncio em quatro mercados, são quatro renders em vez de quatro sessões de voz.
Clipes de até 1080p e 15 segundos
A saída chega a 1080p, com rascunhos em 720p e 480p, em 16:9, 9:16 e 1:1. Cada clipe para em 15 segundos, então ele serve para publicidade e para cenas curtas de série, não para sequências longas. Histórias maiores saem da junção de várias gerações.
Direção de câmera a partir do prompt
Tamanho de plano, ângulo e movimento são lidos como instrução, não como variação aleatória. Peça um contrapicado com aproximação e o modelo tende a avançar, e ele muda o enquadramento quando o ritmo da cena muda. Isso economiza a repetição de tomadas até aparecer um ângulo utilizável.
Inferência rápida em hardware modesto
A destilação DMD-2 reduz a difusão a oito passos e dispensa o classifier-free guidance, e a quantização FP8 coloca o modelo em uma única H100. A Alibaba calcula cerca de 38 segundos de processamento para um clipe de cinco segundos em 1080p com áudio, duas a três vezes mais rápido que os modelos da comparação.
Referências que sustentam o personagem
A versão 1.1 trouxe referência com várias imagens, então vários personagens dividem o quadro sem as caras se misturarem. Storyboards e grades de nove quadros mantêm o visual entre cortes, e é isso que separa um teste de uma série.
Prós e contras
Prós
- O som vem com a imagem, sem etapa separada de dublagem ou efeitos de sala.
- A sincronização labial cobre sete idiomas e deixa uma campanha circular em vários mercados.
- A câmera segue a direção escrita em vez de uma lista fixa de presets.
- Saída em 1080p com três proporções, para anúncios horizontais e para feeds verticais.
- A API no Alibaba Cloud Model Studio encaixa em equipes que já usam essa nuvem.
Contras
- Sem pesos e sem opção local. Seu material sai da sua máquina e você fica dependente da disponibilidade e da tarifa da Alibaba.
- Interface, faturas e ajuda são pensadas em chinês, então fora desse mercado há trabalho extra de configuração.
- Quinze segundos por clipe é um teto rígido. Qualquer coisa maior exige montagem manual.
- A cobrança por segundo pesa em sessões longas, e dias de pico trazem fila.
Perguntas frequentes
Em parte. O app Qwen e o estúdio web oferecem uma cota gratuita pequena, suficiente para alguns clipes. O trabalho regular roda com créditos ou com cobrança por segundo na API: em 720p, a tarifa de tabela fica entre ¥0,44 e ¥0,9 por segundo.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Happy Horse.
Alternativas a Happy Horse
ngram 2.0
ngram · Vídeo · Marketingngram 2.0 é um gerador de vídeo com IA para equipes. Ele transforma um pedido, uma gravação de tela ou a URL de um produto em vídeo explicativo, demo ou vídeo com avatar de IA, e cada cena continua editável.
OpenScreen 2
OpenScreen (open-source project) · Vídeo · ProdutividadeOpenScreen 2 é um gravador de tela e editor de vídeos de demonstração gratuito e de código aberto para Windows, macOS e Linux, com zoom automático, molduras, legendas locais e edição por agentes.
Skreno
Skreno · Vídeo · ProdutividadeO Skreno é um gravador de tela no navegador que captura uma aba, uma janela ou o monitor inteiro e anexa transcrições com IA, resumos e logs de console a um único link.