0.44元/秒起！短劇們會為阿里的“歡樂馬”買單么？實測HappyHorse 1.0

本文來源：消費者報道 作者：郭美婷

一度登頂全球AI盲測榜單的阿里“歡樂馬”HappyHorse 1.0，終于揭開神秘面紗。

4月27日晚，阿里巴巴視頻生成模型 HappyHorse 1.0（歡樂馬）正式開啟灰度測試，這款曾以匿名身份橫掃國際權威AI視頻榜單、被行業熱議多日的“黑馬”，從幕后走到了臺前。

圖源：截圖自HappyHorse官網

作為阿里ATH創新事業部打造的多模態生成模型，HappyHorse 1.0采用音視頻聯合生成方案，瞄準廣告、電商、短劇、社媒創意等場景，推出AI視頻生成與視頻編輯服務。

當前AI視頻生成賽道中，運動流暢性、人物一致性、自動分鏡與自動運鏡，是決定內容可用度與專業質感的幾個核心指標。其中，運動流暢性關乎畫面自然度，人物一致性決定角色辨識度與敘事連貫度，自動分鏡與自動運鏡則體現模型的創意編排與鏡頭語言能力，直接影響成片的敘事節奏與視覺表現力。

為此，開機實驗室將從這幾個維度對HappyHorse 1.0展開實測。

目前，全球專業創作者與企業客戶可通過官網、阿里云百煉平臺注冊體驗，普通用戶則可通過千問App試用。

HappyHorse官網新用戶注冊即贈送66積分，可生成視頻比例囊括了16：9、4：3、3：4、1：1、9：16共5個常規視頻比例。一次可生成視頻時長在3-15秒之間，調節相對靈活。據開機實驗室實測，生成3秒視頻需要消耗19積分，5秒需消耗32個積分，10秒則需消耗63積分。

圖源：截圖自HappyHorse官網

千問APP提供的體驗額度則更大，用戶每日有10個額度的體驗額。只要在APP內找到HappyHorse內測接口，可選擇的視頻比例、清晰度與網頁版一致，但在時長選擇上相對固定，僅有5秒、10秒、15秒三個時長選項，生成5秒視頻消耗1個額度，10秒消耗2個額度。

圖源：截圖自千問APP

以下視頻均為使用千問APP生成，輸入指令后，排隊等待時長大約在2-3分鐘。

為了測試HappyHorse生成視頻的運動流暢性，開機實驗室分別輸入了人物在行走和演奏樂器兩段文字指令。

第一段指令為：

黃昏的城市街道，柏油路面殘留雨后水跡。一位身著米色風衣的女性在人群中穿過，手臂自然垂在身體兩側擺動，每一次跨步都是腳跟先落地，平穩向前行。身后街燈倒映在路面上光影斑駁。攝影機角度保持低位，近乎與地面齊平——仿佛一名蹲在路邊的行人正在隨意觀看。

從實際生成效果來看，模型完整還原了腳跟到腳掌的連貫落地步態，人物手臂擺動與行走節奏匹配協調，風衣隨肢體動作產生的布料褶皺真實自然，未出現腳底滑移、懸浮等常見 AI瑕疵，但細看街上的照片漢字出現了“生造字”情況。

第二段指令為：

中景鏡頭，一位身穿休閑襯衫的吉他手坐在木質高腳凳上，快速進行高把位和弦轉換與擊勾弦演奏。撥片在琴弦上細碎跳動著。運鏡自動跟隨按弦的手腕軌跡平移。

整體下來，畫面細節貼合演奏邏輯，手指形態自然無畸形、多指問題，撥片與琴弦交互也較為寫實，中景下的高把位演奏動作連貫，撥片細節、手腕跟隨運鏡均完整落地。

此外，強動態高速運動、瞬間撞擊反饋以及極速慢鏡頭演繹，也是檢驗 AI 視頻模型運動流暢度與物理還原能力的關鍵場景。

為此，開機實驗室輸入了以下指令：

傍晚的足球場，夕陽金色草地。前鋒全速帶球沖向禁區，右腳大力抽射，球鞋側面與皮球在撞擊瞬間產生形變。立即切換為超高速慢動作模式：鞋釘掀起的草皮碎屑緩緩飛揚；守門員飛身撲出時球衣隨風沙沙作響；足球在空中高速旋轉劃出弧線，最后撞擊球網將尼龍網格拉伸成長長的菱形。

在生成的10秒視頻里，文字指令里提到的夕陽、草地、抽射、慢鏡頭等元素基本都被還原出來，畫面氛圍感也在線。但仔細觀察就會發現，腳踢中足球泥土濺起那一刻畫面比較假。另外，動作之間的銜接存在不夠順滑的情況，運動員整體發力、碰撞、足球的飛行的邏輯不太符合現實物理規律，AI痕跡比較重。

一直以來，AI 視頻最讓人頭疼的問題之一就是人物的一致性，部分AI生成的視頻前后會出現“換臉”情況。前一秒還是這個五官，轉個頭就面目全非，發型、穿搭也會莫名其妙變化。所以，人物在生成的全程畫面里保持形象統一，也成為衡量一款AI視頻模型好不好用的指標之一。因此，開機實驗室通過文字指令不斷地切換場景，來測試模型能否在動態運動、鏡頭切換、長時間生成中，保持人物特征，不崩臉、不跳變、不“自我修改”。

第一段指令為：

連續片段展示一位戴黑框眼鏡、留三七分短發、穿櫻花粉毛衣的女性室內設計師。她先在落地窗大客廳受訪；接著轉入暖黃燈光與木質書架共存的書房伏案改圖；再進入正在裝修的毛坯房工地指導施工。短發始終朝左前額自然垂落，毛衣左胸處有同色系花紋帶，膚色在日光、暖光與粉塵光中自動匹配真實光影漂移。

從生成的視頻來看，人物在幾個場景轉換中都保持了一致，未出現異常（除了扶眼鏡時扶到了鏡片上）。為了進一步測試，在下一個文字指令中，又增加了更多的人物特征和鏡頭轉換。

第二段文字指令為：

視頻展示一位中年亞裔男性廚師在開放式廚房連續完成動作：正面面對攝像頭（近景）描述食材，向左后方轉身取鹽罐（過肩鏡頭），然后再次面向鏡頭進行翻勺演示（半身中景）。他左眉根部的痣在每次特寫時始終處于同一位置。

在該段視頻里，廚師轉身再轉回的過渡中并未出現“瞬間換人”感，特殊面部標識也一直都在。不過，左眉根部的痣有點像“粘”上去的。

如果是更極限的場景呢？在下面一個視頻里，開機實驗室設置了AB兩場景交叉敘事，指令如下：

A場景：身穿藏青色夾克、佩戴工牌的企業安全主管在監控室里查看屏幕，她看著面前一整面墻的安防監控畫面。隨后，同一安全主管立刻在應急指揮中心下達行動指令，她手持對講機，神情嚴肅。

B場景：劇情切換到應急響應小組（2-3名新配角，身著統一工作服）按指令迅速展開行動，分別跑向不同通道。

最后鏡頭切回安全主管的中景特寫。

視頻中，來回跨場景時，主管的面容始終保持穩定，發型、膚色沒有出現跳變與違和，全程也沒有出現配角喧賓奪主、角色面部錯亂替換的情況，整體表現相對穩定。不過，開機實驗室注意到一個小細節，視頻中主管的工牌上的照片似乎與其本人并不相符，工牌上的文字也多為亂碼，簡單說就是大的邏輯關系和畫面把握得比較好，但是細節的處理還不夠細膩。

另外，自動分鏡與自動運鏡屬于AI生成視頻模型中的高階動態調控能力，如果生成畫面能夠自主完成畫面視角切換與鏡頭跟隨，能大幅提升成片的鏡頭流暢度與氛圍感。

為此開機實驗室也設置了一組場景來檢查HappyHorse1.0該項能力。以下為指令

一縷陽光穿過未完全拉開的亞麻窗簾，投射正在煮咖啡的年輕女性臉上。鏡頭慢慢推進展現她側臉。當她伸手時，自動切換至低角度跟隨她的手打開柜門，緊接著轉為過肩視角，透過她的肩膀看到客廳里小孩在地毯上玩樂高。當咖啡機傳來“叮”的一聲，畫面快切為一個微距大特寫——一滴深褐色濃縮咖啡滴入透明玻璃杯，激起小氣泡。

生成視頻能在一些敘事節點自主決策切換鏡頭，不同景別的選擇也相對合理，但存在部分鏡頭與劇情匹配度不高和畫面不夠流暢的地方。

再來一段具有懸疑氣質的連續敘事：

一位穿棕色皮夾克、扎馬尾的私家偵探在雨夜推開后巷廢棄汽車旁的一扇鐵門。全景是后巷環境、廢棄汽車、鐵門位置，偵探緩緩推門進入。中景跟進，偵探跨過門檻，抬手摘下墨鏡，露出警惕的眼神。快速切至室內低角度鏡頭，畫面中出現一個背對鏡頭的模糊人影（敵方），偵探停步，對峙感形成。

這段指令的難點在于，需精準把控“全景交代環境→中景跟拍動作→特寫傳遞情緒”的連貫鏡頭敘事邏輯，同時保證各鏡頭間的時間銜接、空間方位無任何違和與矛盾。測試下來，模型基本復刻了這一敘事節奏，更值得肯定的是，鏡頭運鏡的切換、角度的選擇，均與懸疑氛圍高度契合，精準烘托出緊張壓抑的對峙張力。

總體而言，HappyHorse 1.0在當前AI視頻生成模型中展現出較強的綜合競爭力，尤其在人物一致性和基礎運動還原上已達到較高水準，自動分鏡能力也初步具備了實用價值。但在極端物理場景的真實感、畫面微觀細節的精確度，以及分鏡節奏的穩定性上，仍存在可感知的不足。

好消息是，對于內容創作者而言，它已經是一個值得關注的生產力工具，但若要勝任高精度、強敘事的專業影視制作，還需要進一步迭代。

價格上，HappyHorse官網新用戶享一定免費額度（以贈送積分方式），720P、1080P視頻刊例價分別定為0.9元/秒、1.6元/秒，專業會員包月價格疊加限時折扣后為0.44元/秒和0.78元/秒，商用門檻進一步降低。

同為AI視頻生成模型，字節Seedance 2.0則是按Token計費，據火山引擎官網，Seedance2.0輸出分辨率為720P的情況下，包含視頻輸入的價格是28元/百萬tokens，不含視頻輸入的價格是46元/百萬tokens。

按照此前媒體測算，在Seedance 2.0生成15秒視頻，需要消耗30.888萬tokens，最終折合每秒1元。如果簡單對比，HappyHorse相比Seedance2.0在視頻生成價格上每秒大概有一毛錢優勢。不過費用最終還是會取決于視頻的復雜程度，畢竟兩者計費體系完全不同。

阿里更明確的意圖體現在生態卡位上。HappyHorse在移動端嵌入千問App，PC 端開放創作網頁版，形成面向普通用戶與創作者的雙入口。同時，阿里悟空、Mulerun、JVS Claw等Agent平臺率先完成接入，ZeroCut AI、巨日祿AI、LibTV-official等AI創作平臺也宣布已接入HappyHorse1.0.生態擴張速度加快。

HappyHorse 1.0的亮相，與其說是一場價格革命，不如說是阿里在AI視頻賽道的一次生態級入場——用模型能力敲門，用平臺生態占位。至于它能否真正攪動格局，答案或許在于，接下來有多少創作者愿意把它放進自己的工作流中。