短編ドラマスタジオ
Alibabaによると、このモデルはすでに短編ドラマ、eコマース広告、ブランドマーケティング、CGゲームトレーラーで使用されています。ドラマでは、リップシンク付きのマルチショットシーンにより、1回のレンダリングで2人のキャラクターの会話をカバーできます。
HappyHorse 1.1 は、Alibaba のビデオモデルで、画像、音声、リップシンクのダイアログを一度にレンダリングします。プロンプトを入力するか、最大 9 枚の参照画像をアップロードすると、720p または 1080p で 5~15 秒のクリップが得られます。HappyHorse 1.0 は、同じピッカーでワンクリックで利用できます。
ビデオの持続時間を選択
解像度を選択
アスペクト比を選択
機能01
1 つのプロンプトから画像と音声
HappyHorse は動画とその音声を一緒に生成します。Alibaba によると、このモデルはリップシンクのダイアログ、環境音、表現豊かなボーカルパフォーマンスを同じパスで出力するため、クリップには声と部屋の音が含まれ、無音ではありません。プロンプトで話し言葉を引用符で囲むと、それに合わせて口の動きが調整されます。バージョン 1.1 では、1.0 に比べて視聴覚同期も改善されています。
機能02
1 枚の写真または 9 枚の参照画像
1 枚の写真をアップロードすると HappyHorse がアニメーション化します。または最大 9 枚の参照画像をアップロードすると、モデルがそれらの人物、製品、場所を 1 つのシーンに結合します。Alibaba のバージョン 1.1 の主な目標は参照の一貫性でした。アップグレードにより、参照元の製品、顔、衣装が出力でずっと良好に保持されます。Artificial Analysis の画像から動画アリーナでは、HappyHorse 1.1 は 1104 点で 7 位にランクされています。



機能 3
一貫性のあるアクション
AlibabaはHappyHorse 1.1向けにモーション・モデリングと時間的整合性を再構築し、その結果は高速アクションで示されています。戦闘、ダンス、スプリントなどで手足や小道具がフレーム間でそのまま維持されます。また、物理的な因果関係も説得力を持って保たれるため、Alibabaはゲームトレーラーやアクション主体の広告にこれを推しています。
機能 4
あなたが考える言語でプロンプトを入力
AlibabaのAPIドキュメントでは、HappyHorseがあらゆる言語のプロンプトを受け付け、最大5,000文字(中国語の場合は2,500文字)まで対応するとされています。シーンをスペイン語、日本語、中国語で記述すれば、モデルがそれに従います。サードパーティのサイトでは7言語のリップシンクが可能とされていますが、Alibabaは音声の言語リストを公開していないため、長尺レンダリングの前に短いクリップでテストしてください。
機能 5
速度に関する主張の意味
「8ステップ」という数値は、コミュニティの記事に基づくもので、HappyHorseが蒸留(ディスティレーション)を用いてノイズ除去を8ステップに削減しているとされています。Alibabaはこれを確認しておらず、同社のAPIガイドではレンダリングに数分かかるとされています。実際にはクリップあたり少し待つことを想定し、Ricebowl上で最速・最安の設定である720p・5秒で下書きすることをお勧めします。
機能 6
明瞭な発話、合った口の動き
WER(Word Error Rate)は、発話された単語のうち誤った割合を測定する指標です。AlibabaはHappyHorseのWER数値を公表していないため、他の場所で見られる具体的な数値は未確認として扱ってください。Alibabaが明言しているのは、同モデルがリップシンク付きのダイアログを提供すること、そしてローンチデモではカフェで俳優2人が完全な文を交わす様子が示されていることです。明瞭な音声を得るには、ラインを短くし、誰が話しているかを明示し、ショットごとに1人の話者にすることで、最もクリーンな同期が得られます。
機能 7
1回の15秒レンダリングに複数のショット
HappyHorseは、1080pで最大15秒の単一クリップ内で、1つのプロンプトを複数のショットに分割できます。Alibabaはマルチショットの整合性を強調しています。頻繁なカットをまたいでもキャラクターが同じ位置に留まるため、緊張感とクローズアップを重視する短編ドラマに適しています。ショットを順番に説明してください。たとえば「カフェのワイド、彼女のクローズアップ、それから彼のクローズアップ」と指定すると、モデルがシーンを編集します。
機能08
言葉でレンズを操作
HappyHorseにカメラスライダーはありません。プロンプトでレンズを操作します。このモデルは、開放絞り、浅い被写界深度、フィルムらしい質感によるシネマティックな構図に最適化されているため、「スロードリーイン」「35mmルック」「カップにフォーカスを移動」といった言葉でショットが変わります。公式APIでは9種類のアスペクト比、Ricebowlでは横長・縦長を選択できます。
機能09
実際にオープンになっているもの
現時点でHappyHorseはオープンウェイトではありません。モデルが初めて登場した際、非公式サイトがGitHubとHugging Faceのリンクを「近日公開」として完全オープンソースと説明していました。WaveSpeedが2026年4月8日に確認したところ、リポジトリ、ウェイト、ライセンスは一切見つかりませんでした。Alibabaは現在、Model Studio API、happyhorse.com、Qwen Appを通じて提供しています。ダウンロード可能なウェイトが必要な場合、MiniMax H3はオープンウェイトであり、同じRicebowlピッカーで利用できます。
プロンプト例
プロンプト
[Image 1]のやかんが大理石のカウンターに置かれ、夜明けの光の中。スロープッシュインで注ぎ口から湯気が立ち上り、柔らかな窓からの光、沸騰の笛の音とスイッチが切れる優しいクリック音、16:9、5秒。
参照

結果

プロンプト
若い女性が[Image 1]のやかんからマグカップに湯を注ぎ、カメラを見て言う:「90秒。それだけが私の朝に必要なこと。」暖かいキッチン、手持ちのミディアムショット、その後マグカップのクローズアップ、9:16、10秒。
参照

結果

ユースケース
Alibabaによると、このモデルはすでに短編ドラマ、eコマース広告、ブランドマーケティング、CGゲームトレーラーで使用されています。ドラマでは、リップシンク付きのマルチショットシーンにより、1回のレンダリングで2人のキャラクターの会話をカバーできます。
商品写真を参照としてアップロードすると、モデルはラベルと形状をそのまま保持し、クリップに音声も含まれます。
Try this use case →1080pの縦型クリップは5秒で145クレジットです。キャンペーンごとに複数のフックをテストするのに十分安価です。
Try this use case →HappyHorse 1.1の改良されたアクションモーションは、ピッチトレーラーでの戦闘、追跡、披露に適しています。
マーケットコンテキスト
現在のT2VおよびI2Vリーダーボードの状況
ユーザーの声
01
クリエイターがHappyHorseを繰り返し利用するのは、人が話すシーンのためです。HappyHorseの1回のレンダリングで音声と口の動きを取得できるため、吹き替えの工程が不要になります。
02
HappyHorseのウェイトを探しに来た開発者は、「近日公開」のリンクしか見つけられませんでした。HappyHorseはAPIおよびアプリ製品であり、ローカルモデルではありません。
03
HappyHorse 1.0に対する主な不満は製品とキャラクターの忠実度でした。AlibabaはHappyHorse 1.1でそれを直接改善しました。
04
HappyHorseは4月にアリーナのトップでデビューしましたが、その後Google、AlibabaのWanチーム、MiniMaxの新しいモデルが追い抜きました。
バージョン
HappyHorse 1.1 は 2026 年 6 月に HappyHorse 1.0 を引き継ぎ、Ricebowl ではより良く、より安くなりました。HappyHorse 1.1 は Artificial Analysis のテキストから動画のアリーナで 1147 点、HappyHorse 1.0 は 1119 点、画像から動画では 1104 点対 1082 点。5 秒 720p の HappyHorse 1.1 クリップはここで 115 クレジット、同じ HappyHorse 1.0 クリップは 140 クレジット、1080p では 145 対 240 クレジット。古いプロジェクトとの整合が必要でない限り、このサイトで HappyHorse 1.0 を選ぶ理由はありません。
バージョン 1.1 は、Artificial Analysis のテキストから動画アリーナ(2026 年 9 月)で 1.0 を 28 エロポイントリードしています。
写真からの差は 22 ポイントで、1.1 は 7 位、1.0 は 10 位です。
5 秒クリップは、1.1 では 720p で 115 クレジット、1080p で 145 クレジット、1.0 ではそれぞれ 140、240 クレジットです。新しいバージョンはあらゆる長さでより安価です。
他との違い
01
HappyHorseは2026年4月上旬に匿名でArtificial Analysisアリーナに登場し、Alibabaが公表する前にテキスト・トゥ・ビデオと画像・トゥ・ビデオの両方で1位を獲得しました。6月にはArena.aiの3つのビデオボードでHappyHorse 1.0が依然として2位にランクされていました。これらはブラインドの横並び投票であり、ベンダーベンチマークではありません。HappyHorseはもはや1位ではありませんが、その名前が広まった理由はそこにあります。
02
HappyHorseは最大9枚の参照画像を受け入れ、同じパスで音声もレンダリングします。これは115クレジットで提供される組み合わせとしては、ここにあるモデルではほとんどありません。
03
RicebowlでのHappyHorse 1.1(1080p、5秒)は145クレジットで、同じ長さと解像度のSeedance 2.0の510クレジットを大きく下回ります。
私たちの見解
HappyHorse 1.1はより優れており、こちらの料金も低いため、質問は自ずと答えが出ます。両方のアリーナボードでHappyHorse 1.0をリードし、すべての長さで安価です(720p、5秒で115クレジット、対して140クレジット)。常にHappyHorse 1.1を選んでください。
品質ではありません。Seedance 2.0はすでに両方のボードでHappyHorse 1.1を上回っています(テキストから動画で1147に対して1210)。Seedance 2.5はまだランク付けされていません。HappyHorseはコストと解像度で勝ります:720pの5秒で115クレジット、Seedance 2.5では315クレジット、さらにSeedance 2.5がここでは提供していない1080p。会話付きの手頃な1080pを選ぶならHappyHorse、15秒以上のクリップや9つ以上の参照を使うならSeedance 2.5を選んでください。
HappyHorseは、会話駆動の短編ドラマ、参照写真からの商品広告、予算内での1080pソーシャルクリップに適しています。4K、15秒を超えるクリップ、最もリアルなフレーム(MiniMax H3またはSeedance 2.0を使用)、または自身のハードウェアでモデルを実行する場合には適していません。
比較
| 機能 | HappyHorse 1.1 | Seedance 2.0 | Kling 3.0 | Wan 2.6 |
|---|---|---|---|---|
| テキストから動画のアリーナElo | 1147 | 1210 (720p) | 1095 (1080p Pro) | 1030 |
| 画像から動画のアリーナElo | 1104 | 1175 (720p) | 1054 (1080p Pro) | 889 |
| Ricebowlでのクリップ長 | 5, 10, 15秒 | 5, 10, 15秒 | 5, 10, 15秒(Kling 3.0 Turboでは15秒) | Ricebowlにはありません |
| Ricebowlでの最大解像度 | 1080p | 1080p | 4K (Omni) | Ricebowlにはありません |
| サウンド | 内蔵 | 内蔵 | オプション、追加料金 | Ricebowlにはありません |
| 参照画像 | 9 | 9 | 2 | Ricebowlにはありません |
| Ricebowl上の最も安いクリップ | 115クレジット | 95クレジット(480p) | 70クレジット(高速、無音) | Ricebowlでは利用不可 |
| 最適な用途 | 低予算での1080pダイアログシーン | 4つの中で最高品質 | 4K商品ショット | 古いAlibabaベースライン |
アリーナスコアは、Artificial Analysisのテキストtoビデオおよびイメージtoビデオリーダーボード(2026年9月)からのものです。クレジット価格はRicebowlの現在のレートです。
今すぐHappyHorseを試す01
このページ上部のジェネレーターには既にHappyHorse 1.1が選択されています。メールまたはGoogleでサインアップして開始してください。
02
アクション、カメラ、および引用符で囲んだセリフを記述します。アニメーション化する写真を1枚追加するか、最大9枚の参考画像を追加し、[Image 1]、[Image 2]として参照します。
03
5秒、10秒、15秒、720pまたは1080p、横長または縦長を選んで生成ボタンを押します。HappyHorseクリップは音声付きでフィードに表示されます。
レビュー
RicebowlでHappyHorseを実際の作業に使用している方々からのフィードバックです。
2人のキャラクター、3カット、リアルな会話、1回のレンダリング。HappyHorseが吹き替えの工程を置き換えました。
短編ドラマ監督
製品の参考画像がようやくモデルに忠実になりました。どのテイクでもラベルが正しく読み取れます。
Eコマースマネージャー
145クレジットで1080p、音声付きの動画が生成できるので、1バージョンではなく3バージョンを提案できます。
ソーシャル広告のフリーランサー
アクション振付の整合性が高い。HappyHorse 1.1はアクションシーンの定番です。
ゲームトレーラー編集者
フランス語でプロンプトを書けば、そのまま正しいシーンが返ってきます。翻訳の手間は不要です。
ブランドコンテンツリーダー
残高は一つ、モデルはすべて。クレジットは20種類すべての動画モデルで使えます。ウォーターマークなし、プランによるモデル制限なし、有料プランはすべて商用利用可。
年払いで30%お得
年間払いでさらに節約。
最も安く始められる方法。すべてのモデルを、小さな毎月の枠で。
$12.99/月
毎月更新、いつでもキャンセル可能。
400 クレジット
≈ 1〜20 本(どのモデルを使うかで変わります)
≈ 28〜133 枚(どのモデルを使うかで変わります)
3.25¢ / クレジット
すべてのモデルを一通り試し、毎月数本を仕上げられる分量です。
$29.9/月
毎月更新、いつでもキャンセル可能。
1,000 クレジット
≈ 3〜50 本(どのモデルを使うかで変わります)
≈ 71〜333 枚(どのモデルを使うかで変わります)
2.99¢ / クレジット
同時実行 2 件
プロを目指す個人クリエイター向け。全モデルを余裕のある予算で。
$49.9/月
毎月更新、いつでもキャンセル可能。
2,000 クレジット
≈ 6〜100 本(どのモデルを使うかで変わります)
≈ 142〜666 枚(どのモデルを使うかで変わります)
2.50¢ / クレジット
同時実行 3 件
多作なクリエイターと小規模チームのための大量制作向け。
$89.9/月
毎月更新、いつでもキャンセル可能。
5,000 クレジット
≈ 15〜250 本(どのモデルを使うかで変わります)
≈ 357〜1666 枚(どのモデルを使うかで変わります)
1.80¢ / クレジット
同時実行 5 件
柔軟な月額サブスクリプション。
すべてのモデルを一通り試し、毎月数本を仕上げられる分量です。
$19.9/月$29.9
年間$238.8で請求。毎年更新、いつでもキャンセル可能。
月額払いと比べて年間$120節約
12,000 クレジット
≈ 38〜600 本(どのモデルを使うかで変わります)
≈ 857〜4000 枚(どのモデルを使うかで変わります)
1.99¢ / クレジット
同時実行 2 件
プロを目指す個人クリエイター向け。全モデルを余裕のある予算で。
$34.9/月$49.9
年間$418.8で請求。毎年更新、いつでもキャンセル可能。
月額払いと比べて年間$180節約
24,000 クレジット
≈ 76〜1200 本(どのモデルを使うかで変わります)
≈ 1714〜8000 枚(どのモデルを使うかで変わります)
1.75¢ / クレジット
同時実行 3 件
多作なクリエイターと小規模チームのための大量制作向け。
$62.9/月$89.9
年間$754.8で請求。毎年更新、いつでもキャンセル可能。
月額払いと比べて年間$324節約
60,000 クレジット
≈ 190〜3000 本(どのモデルを使うかで変わります)
≈ 4285〜20000 枚(どのモデルを使うかで変わります)
1.26¢ / クレジット
同時実行 5 件
12ヶ月間有効なクレジットをチャージ。
時折のニーズに対する一回限りのチャージ。
$49.9
一回限りの購入、有効期限12ヶ月。
1,000 クレジット
≈ 3〜50 本(どのモデルを使うかで変わります)
≈ 71〜333 枚(どのモデルを使うかで変わります)
4.99¢ / クレジット
より良い単価での大規模な一回限りのチャージ。
$198
一回限りの購入、有効期限12ヶ月。
4,800 クレジット
≈ 15〜240 本(どのモデルを使うかで変わります)
≈ 342〜1600 枚(どのモデルを使うかで変わります)
4.13¢ / クレジット
同時実行 5 件
Browse all
Browse all
Swagger down the mansion hallway
Your pet takes the mic
Get caught on the big screen
Hold up the red sign and jump
Take the cash, then hit the walk
Walk out to a crowd of fans
A ghost rises right behind them
Walked out by two officers, unbothered
Lean in, arms out, point on the beat
Serious game face, then the toy car
Snap the moon, reveal the witch
Your pet as the dancing cat trio
Float past the red light on a broom
Nod to the bass at the blue wheel
Do the duo intro from two photos
Your baby, a serious face, one photo
The flash step dodge, one photo
Ask the phone how to get rich, hear the answer
Your cat or dog stands up and dances
Wide squat, tiptoes, one-leg freeze
Swagger down the park path, point at the lens
Cup your ears and let the stadium roar
Walk the carpet, stop for the flashes
Bedroom horns, panels shut, night street
Tiny workers wash your truck until it shines
Fake the rabona, leave the defender on the floor
Rocket thrusters fire, your car lifts off

Set up a penny-farthing chase through a palace garden with a golden carriage.

Create a two-person autumn field bounce and finger-point dance.

Create a two-person autumn field reunion clip with a spoken beat and cheering.
Your partner turns zombie, then a warm memory
A loved one turns zombie, hugs you, then a warm memory
Turn your photo into the Ozil goal: dribble, strike, turn and celebrate.
Turn photos into phonk head bop trend videos in minutes.
One photo, a camera orbit around your subject
One or two photos into the vertical sidewalk singing clip
Chandelier party video from your selfie photos
Turn any photo into the tiptoe trend
Create scream-and-swap pet dance clips
Turn your selfie into an animatronic jumpscare
Make your photo lead the 1983 zombie dance in 9:16 vertical video.
Turn one adult photo into a trending 9:16 lip-sync clip in seconds.
Turn one group photo into a crew that steps in sync in 9:16 vertical video.
Turn your photo into a 1980s retro dance video with custom themes.
Pop the bottle from one photo and freeze it black and white.
Turn your photo into a Bulin 47 AI doorway clip.
Do the Layoo dance from one photo with two friends behind you.
Turn your photo into the viral lean, swing and low bounce, friend watching.
Black liquid rebuilds your car from its badge
Put your photo on the red stage doing the 2008 electro arm dance.
Sweep the 2 and 4 cards, reveal a car
Deadpan sway clip from one photo
Costume walk clip from one photo.
Make your pet or baby scold the camera
Make viral sneaky tiptoe videos from photos
Walk out with two officers
Two photos turned into a drill rap video clip.
Turn your pet into a tiny knight in a storm
Turn photos into the hop and knock dance
Switch wardrobe under spinning fan blades
Turn portrait photos into video
Make the viral video from two photos
Turn one pet photo into the stage meme
Dusk road-trip clip from your photos
You and a friend trading bars on one mic
Turn their photo into a funny birthday prank video
One photo zooms out to Earth, Moon or galaxy
Laser eyes, car jumps, hugs and more from one photo
Turn one photo into a video with copies of you
Hug the kid you were in a short video
Turn family photos into a short video clip.
Turn your photo into a cinematic video with effects
Share an imagined hug with someone who passed away
Turn one or two photos into a dance video
Two solo photos, one orange booth, one mic
Sit still while a car flies over you
Turn two photos into a hug video
Turn one or two photos into a gentle memorial clip
Make people in old photos smile, wave or hug
One or two photos into the zombie love story video
Two photos into the viral Hotel Lobby video
Ricebowlへの登録は無料で、クレジットカード不要で8クレジットがもらえます。ただし、ここではどの動画にも足りません。最も安いHappyHorse 1.1のレンダリングは115クレジット(720p、5秒)で、6秒のMiniMax H3クリップでも20クレジットかかります。HappyHorseのクリップをレンダリングするには、クレジットパックまたはプランを選択してください。
HappyHorseは、AlibabaのATH部門によるビデオ生成モデルです。HappyHorseは、テキスト、写真、または複数の参照画像を、同期した音声とリップシンクの会話を伴うクリップに変換します。最大15秒、1080pまで対応します。HappyHorse 1.0は2026年4月にリリースされ、HappyHorse 1.1は同年6月に続きました。
HappyHorse 1.1は、参照画像との一貫性、複雑なアクションの動き、指示追従、視覚的詳細、および音声映像同期を改善しています。また、両方のアリーナボードでHappyHorse 1.0より高いスコアを記録しており、Ricebowlではすべての長さでより安価です。
HappyHorseは、会話、マルチショット編集、9枚の参照画像を1つのレンダリングにまとめ、低価格の1080pで提供します。115クレジットからのその価格帯での組み合わせこそが、HappyHorseを際立たせています。
いいえ。Seedance 2.0は両方のボードで高いスコアです。テキスト→ビデオで1210対1147、画像→ビデオで1175対1104です。HappyHorse 1.1は1080pへのより安価なルートです。5秒で145クレジットに対し、Seedance 2.0の1080pは510クレジットです。
はい。AlibabaはHappyHorseの出力を、リップシンクの会話、環境音、ボーカルパフォーマンスを含む、画像と同じパスで生成される同期されたオーディオビジュアルと説明しています。
Alibabaのドキュメントによると、HappyHorseのプロンプトは任意の言語で記述できます。ただし、Alibabaは話し言葉の言語リストを公開していないため、最初に短いHappyHorseクリップで使用する言語をテストしてください。
クリップあたり最大15秒です。Ricebowlでは5秒、10秒、15秒から選択できます。15秒のHappyHorse 1.1クリップは720pで340クレジット、1080pで435クレジットです。
いいえ。公開されているHappyHorseの重み、コード、ライセンスはありません。HappyHorseは、AlibabaのModel Studio API、happyhorse.com、Qwen App、Ricebowlなどのサービスを通じて利用可能です。
AlibabaのAPIは480p、720p、1080pを提供しています。RicebowlではHappyHorseを720pと1080pで、横向きまたは縦向きで提供しています。
Ricebowlです。すべての代替モデルが1つのジェネレーター内でHappyHorseと並んでいるからです。MiniMax H3はより高いランクで20クレジットから利用でき、Seedance 2.0は画像→ビデオでさらに高く、Kling 3 Omniは4Kまで対応します。HappyHorseと競合モデルで同じプロンプトをレンダリングし、より良いクリップを保持し、1つの残高から支払うことができます。
関連リンク
Ricebowlで!
サウンドとリップシンク会話、9枚の参照画像、最大15秒の1080pクリップを持つHappyHorse 1.1を、他のすべてのトップビデオモデルと並べてご利用いただけます。
今すぐHappyHorseを試す無料登録 ・ サウンド内蔵 ・ 最大1080p ・ 5~15秒
HappyHorse 1.1で映画級のAIクリエイションを体験
今すぐHappyHorseを試す