HappyHorse 1.1

阿里巴巴的电影级视频模型（新加坡区域）—— 文生视频、图生视频、参考生视频,最多 9 张参考图。1.1 版在物理真实感、运动平滑度和跨镜头一致性上全面优于 1.0。

能力

特性	支持情况
文生视频	支持
图生视频	支持（首帧）
参考生视频	支持（最多 9 张图像）
分辨率	720p、1080p
画面比例	16:9、9:16、1:1、4:3、3:4、4:5、5:4、9:21、21:9
时长	3–15 秒连续（步长 1 秒）
帧率	24 fps
种子	支持
原生音频	不支持（输出为静音）
反向提示词	不支持

参考生视频

连接最多 9 张上游图像,模型将它们作为身份与风格锚点 —— 角色、产品、环境。用 @ 提及来指派角色:

@[Image 1] 走过 @[Image 2] 那条雨后湿漉漉的市场街,
镜头在旁侧跟拍。

时长与种子

• 3–15 秒连续区间 —— 与 Seedance 一样支持任意整数时长;注意下限是 3 秒（Seedance 从 4 秒起）。
• 支持种子 —— 这里少数几个可确定性复跑的视频模型之一。锁定种子后可以在保持运动特征的同时迭代提示词。

1.1 相比 1.0 的提升

• 物理真实感 —— 更少物体穿模,更可信的重量感与接触。
• 运动平滑度 —— 快速动作的帧间抖动更少。
• 跨镜头一致性 —— 片内镜头切换时主体身份保持稳定。

提示词技巧

• 描述你想看到的物理效果。 1.1 的物理性升级对"她转身时衣料翻飞"、"落水激起水花"这类提示词响应良好。
• 参考锚定身份,文字驱动动作。 参考图钉住谁/什么;提示词负责发生什么。
• 静音输出 —— 音频另行规划。 搭配 Seed Audio 1.0 或 ElevenLabs Sound Effects 配音轨。

局限

• 无原生音频
• 无首末帧插值（仅单一首帧锚点）
• 不支持视频或音频参考输入（仅图像）
• 无反向提示词

另请参阅

• Seedance 2.0 —— 图像+视频+音频混合参考、原生音频、4K
• Grok Video 1.5 —— 1 秒起步时长、自适应比例