阿里AI视频模型悄悄上线:登顶排行榜,超越可灵和Seedance
4月15号，阿里正式上线了HappyHorse-1.0视频模型。直接登顶全球权威AI评测平台Artificial Analysis的Video Arena榜单，文生视频和图生视频两个赛道双双第一，把字节的Seedance 2.0和快手的可灵都给压下去了。欢乐马模型4月7号就匿名上线测试了，没做任何宣传，就那么悄无声息地靠实力霸榜。网友扒了48小时，阿里才慢悠悠出来认领："是的，这是我们做的。"幕后操盘手是张迪，前快手副总裁、可灵AI的技术负责人，去年年底加入阿里淘天。五个月憋出这么个大招。目前市面上大多数AI视频模型的做法是先生成画面，再用另一个模型配音，最后找工具对口型。三步走，费时费力，出来的成品还容易音画不同步。HappyHorse换了个思路——一个模型、一套流程、一次搞定。视频和音频在同一个Transformer里联合生成，唇形、脚步声、环境音全都是一次出来的，不需要任何后期拼接。参数规模150亿，用单张H100显卡生成5秒1080p视频，大概38秒。还支持7种语言唇形同步：普通话、粤语、英语、日语、韩语、德语、法语。以后给客户做产品视频，配音这个环节可以直接砍掉了。输入一段文字描述，选择语言和画面风格，38秒后拿到一段带音效、口型对得上的成品视频。对于做跨境电商的朋友来说，多语言版本不再需要重拍或重录，一套素材改改配音就能覆盖好几个市场。短视频创作者也是受益群体。9:16竖屏、带音乐、带音效，38秒出成品，午餐时间够你测试七八个版本。当然，现阶段它还不是万能的。单段视频时长限制在5-8秒，复杂动作和分镜控制比起头部闭源模型还有提升空间。但对于日常内容创作来说，够用了。HappyHorse选择了完全开源——基础模型、推理代码全部对外发布，商用也没问题。对中小团队和个人创作者来说，这是个好事。不用烧钱买API调用额度，不用看大厂的定价脸色，自己部署、自己微调、自己用。
