2026年4月8日晚，全球權威AI評測平台Artificial Analysis嘅Video Arena榜單出現爆炸性變化：此前完全匿名嘅模型HappyHorse‑1.0以Elo得分1332分（文生影片無音頻）同1392分（圖生影片無音頻）雙榜登頂（以上數據仍有變動），明顯領先字節Dreamina Seedance 2.0、快手SkyReels V4等主流競品。短短數小時後，淘天集團（阿里系）旗下未來生活實驗室（Future Life Lab）官方確認：HappyHorse‑1.0就係該實驗室最新成果，由前快手Kling技術負責人張迪領軍開發，並宣布將全面開源，包括基礎模型、蒸餾模型、超分辨率模型及完整推理代碼。呢一舉動標誌住阿里喺影片生成賽道嘅一次低調但強勢布局，亦為全球AI影片生成領域注入新嘅開源變數。
HappyHorse‑1.0嘅橫空出世可稱得上係一匹「黑馬」。Artificial Analysis採用嚴格盲測加Elo評分機制，用戶匿名對比不同模型生成嘅影片後投票。HappyHorse‑1.0喺運動自然度、提示詞遵循度、視覺一致性、物理真實性同多鏡頭連貫性上表現出色，特別喺複雜動態場景同多主體互動中領先明顯。加入音頻維度後，其文生影片同圖生影片分別排名第二，僅稍遜Seedance 2.0，但整體實力已進入全球第一梯隊。
技術實現細節：15B參數、40層單流自注意力Transformer架構
HappyHorse‑1.0採用150億參數嘅統一單流自注意力Transformer架構，係其核心設計亮點。呢個架構徹底摒棄傳統多流（multi‑stream）影片生成模型嘅複雜流程，將文本、圖像、影片幀同音頻token統一打包成單一序列，喺同一個注意力空間內進行聯合建模同去噪處理，無需額外嘅跨注意力（cross‑attention）機制。
具體架構採用獨特嘅三文治式（Sandwich）層設計：
- 前4層同後4層：模態特定投影層（modality‑specific layers），分別負責唔同模態（文本、圖像、影片、音頻）嘅嵌入同最終解碼，確保各模態嘅初始表徵同最終輸出具針對性。
- 中間32層：共享參數層（shared layers），所有模態嘅token喺呢啲層中通過自注意力機制進行深度融合同互動，最大化參數利用效率，實現跨模態信息嘅緊密耦合。
呢個設計大大簡化咗傳統影片生成流程，避免模態間對齊誤差，同時顯著提升時間一致性同音畫同步效果。模型仲結合咗DMD‑2蒸餾技術，將去噪步驟壓縮至只需8步，無需Classifier‑Free Guidance（CFG），極大降低推理成本。實際生成時，256p分辨率影片約需2秒，1080p約38秒，推理速度遠超多數競品。
截圖自https://artificialanalysis.ai/video/leaderboard/image‑to‑video
另外，HappyHorse‑1.0原生支援音視頻聯合生成同7種語言唇型同步（中、英、日、韓、德、法、粵），唇形匹配準確率高，WER（Word Error Rate）極低。呢點得益於統一序列中嘅聯合訓練，令音頻同影片幀喺生成過程中實現天然同步，而非後期拼接。
張迪團隊喺快手Kling項目中已累積豐富影片生成經驗，今次喺阿里淘天集團未來生活實驗室嘅支援下，HappyHorse‑1.0融合咗淘天喺多模態大模型上嘅技術儲備，實現由「生成」到「可控生成」嘅躍升。開源之後，社區可以基於完整權重同代碼進行微調、蒸餾同垂直優化，進一步釋放模型潛力。
全面開源：由神秘黑馬走向社區共享
最受關注嘅係開源承諾。淘天集團表示，HappyHorse‑1.0將完全開源基礎模型權重、蒸餾模型、超分辨率模型同完整推理代碼。呢個決定同目前多數影片生成模型嘅閉源或半開源策略形成鮮明對比，預計會喺未來幾日內於GitHub同Hugging Face上線。
開源範圍覆蓋：
- 基礎模型（Base Model）
- 蒸餾模型（Distilled Model）
- 超分辨率模型（Upscaling Model）
- 完整推理代碼同訓練腳本
呢一舉措被視為阿里喺影片生成領域一次策略性嘅開放，預期會快速吸引全球開發者參與微調、優化同垂直應用開發，進一步擴大HappyHorse喺開源生態中嘅影響力。開源之後，開發者可以輕鬆喺本地部署、自訂訓練，或構建基於HappyHorse嘅短影片、廣告、短劇生成工具，大幅降低內容生產門檻。
行業影響：重塑影片生成競爭格局
HappyHorse‑1.0嘅登頂同開源計劃，對AI影片生成賽道造成多重衝擊：
- 直接挑戰頭部玩家：字節Seedance、快手可靈等曾佔榜單前列嘅模型會面臨更大壓力。中國AI企業喺文生影片領域嘅競爭或會進一步白熱化，同時亦為國際玩家（如谷歌Veo、OpenAI相關技術）帶來新變數。
- 加速開源生態發展：全面開源會降低開發者門檻，推動更多基於HappyHorse嘅衍生工具、插件同垂直應用出現，可能催生短影片、廣告、短劇等領域嘅創新爆發。
- 戰略意義：阿里透過HappyHorse展示「高效小模型+開源」嘅路線，與Meta Llama、Mistral等開源策略互相呼應，同時為淘天集團喺多模態AI商業化上打開新空間。15B參數嘅輕量設計配合40層高效架構，體現咗「以小勝大」嘅中國AI技術路線。
對普通創作者嚟講，HappyHorse‑1.0上線（現時已喺 happyhorse.ai 等平台提供限量體驗）意味住更高性價比嘅1080p影片生成工具即將普及，進一步降低內容生產門檻。
挑戰與未來展望
雖然表現亮眼，但作為新模型，HappyHorse‑1.0喺超長影片生成、複雜多角色敘事同商業化落地穩定性方面仍有優化空間。開源後，點樣平衡社區貢獻同知識產權保護，亦會係淘天集團要面對嘅新課題。未來，隨住模型權重正式放出同社區迭代加速，HappyHorse有望成為影片生成領域新嘅開源標桿，並進一步推動AI由「生成內容」向「生成世界」演進。
由匿名登頂到官方確認開源，HappyHorse‑1.0用短短數日完成由黑馬到焦點嘅轉變。呢件事再次提醒行業：AI影片生成嘅競賽遠未完結，而開源同創新結合，或會成為下一階段制勝嘅關鍵。喺AI多模態浪潮持續高漲嘅當下，HappyHorse‑1.0嘅爆紅證明：技術突破往往來自意想唔到嘅角落，而最終決定勝負嘅，始終係模型喺真實應用場景中嘅可用性同創新高度。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com