HappyHorse 1.0 评测：提示词、应用场景与 PixVerse 使用指南

HappyHorse 1.0 是阿里巴巴开源的 AI 视频模型：单次生成即可同步画面与声音——对白、音效与环境声——最高约 15 秒、1080p。它在 PixVerse 上与 Seedance 2.0、Kling、Veo、Sora 2 和 PixVerse V6 并列，方便你在同一处对比成片效果。

本文涵盖实用提示技巧、已知局限，以及六条可直接复制的提示词。淘天未来生活实验室已宣布完整开源栈——基座模型、蒸馏变体、超分模块与推理代码；权重发布与许可证仍以项目公开时间表为准——若计划自托管，请使用下方链接的代码仓库。

要点速览：

• 单次前向即原生联合音视频（含对部分语言训练过的口型同步）。
• 蒸馏 DMD-2 路径目标为 8 步去噪且不使用 classifier-free guidance，在足够强的 GPU 上更快。
• 在 PixVerse 上面向 Pro 及以上方案，HappyHorse、Seedance、Kling、Veo、Sora 与 PixVerse V6 共用同一套积分余额。

HappyHorse 1.0 是什么？

据社区整理的技术说明，其底层为 约 150 亿参数的统一自注意力 Transformer，共 40 层、三明治式排布：入口 4 层与出口 4 层按模态分工，中间 32 层在 文本、图像、视频与音频 token 的同一序列 上共享权重。资料强调 没有独立音频子模块、也没有专用交叉注意力分支；每头 sigmoid 门控用于稳定多模态训练；另有说法称该栈 不显式嵌入时间步，而是从潜空间噪声推断去噪状态。

蒸馏： DMD-2 变体将推理压缩到 不使用 classifier-free guidance 的 8 步——公开材料称在 NVIDIA H100 上 1080p 约 38 秒，短 256p 预览约 2 秒。

发布状态： 已宣布的套装包含基座模型、八步蒸馏变体、超分模块与推理代码。项目见 github.com/FreeyW/HappyHorse。截至本文撰写时，默认分支中尚未提供已发布的权重与可运行推理——在规划本地部署前，请确认最新 tag 或 README。

HappyHorse 1.0 一览

规格	说明
参数量	约 150 亿
架构	统一自注意力 Transformer（40 层，三明治式）
模态	文本、图像、视频、音频——单一 token 序列
原生音频	联合音视频（对白、拟音、环境声）
口型同步语言	6 种（英语、普通话、日语、韩语、德语、法语）
蒸馏	DMD-2——8 步，无 CFG
1080p 生成时间	H100 上约 38 秒
256p 预览	约 2 秒
最长时长	3–15 秒（默认 5 秒）
宽高比（文生视频）	16:9、9:16、1:1、4:3、3:4
文生视频	支持
图生视频	支持
开源	已宣布（权重尚未发布）

HappyHorse 1.0 如何对比？基准与定价

HappyHorse 1.0 排名如何？

Artificial Analysis Video Arena 是 AI 视频模型最常引用的公开基准，通过盲测两两投票计算 ELO。注意榜单是动态的——随着新投票累积与模型更新，名次会变化，务必查看实时榜单获取最新分数。

HappyHorse 1.0 已迅速跻身文生视频与图生视频榜单前列，与 Seedance 2.0、Veo 3.1、Kling 3.0 等前沿闭源模型直接竞争；其图生视频分数尤其受关注，在该平台上属于历史高位之一。对开源模型而言，相较此前 LTX-2 Pro 与 Wan 2.2 所代表的水平，这是显著跃升。

HappyHorse 1.0 与其他 AI 视频生成器相比如何？

功能	HappyHorse 1.0	Seedance 2.0	PixVerse V6	Kling 3.0	Veo 3	Wan 2.2
原生音频	联合生成	联合扩散	是	是	空间音频	否
参数量	约 150 亿	未披露	未披露	未披露	未披露	140 亿
开源	是（已宣布）	否	否	否	否	是
采样步数	8（无 CFG）	约 25–50	—	—	—	约 50
最高分辨率	1080p	2K	1080p	4K	4K	1080p
口型语言	6	7+	—	多语言	—	0
图生视频	是（首帧）	是	是	是	是	是
当前是否开放权重	否	否	否	否	否	是

纸面上的核心差异是 原生联合音视频生成 与 开源可得性 的组合。Wan 2.2 开源但生成无声视频。Seedance 2.0 与 Veo 3 有音频但是闭源。HappyHorse 1.0 试图两者兼得——首个带原生联合音视频的开源路线。

HappyHorse 1.0 多少钱？

作为开源模型，权重发布后或可自托管，但本地部署仍需要 NVIDIA H100 或同级 等强力硬件才能全速推理。阿里巴巴亦通过 Dashscope 平台 提供 API，含国内与国际端点。

在 PixVerse 上，HappyHorse 1.0 面向 Pro、Premium、Ultra 方案用户。标价为 按积分计费，与 Seedance、Kling、Veo 及平台上其他模型 共用同一余额——无需单独订阅。

使用方式	成本	要求
自托管（权重发布后）	硬件与运维成本	NVIDIA H100 或同级
阿里云 Dashscope API	按次计费（见 Dashscope）	API 密钥与集成
PixVerse	按积分、共享池	Pro、Premium 或 Ultra 方案

在 PixVerse，HappyHorse 的计费纳入与其他视频模型相同的 共享积分余额，便于你在不维护多份订阅的前提下，对比 HappyHorse 与 Seedance、Kling、Veo、Sora、PixVerse V6 的提示词效果。

HappyHorse 1.0 擅长什么？

原生联合音视频生成

这是定义性能力。单一统一 Transformer 在同一序列中同时对视频与音频 token 去噪。对白、拟音与环境声一次生成并与画面天然对齐。对创作者而言，可省掉一整段后期：无需单独录对白、无需口型工具、无需为生成片段手工做声音设计。

快速推理

得益于 DMD-2 蒸馏，8 步去噪且无 classifier-free guidance。公开报道称 H100 上 1080p 约 38 秒，256p 预览约 2 秒。多数竞品需要 25–50 步采样，同分辨率往往要数分钟。

多语言口型

原生训练覆盖 6 种语言：英语、中文普通话、日语、韩语、德语、法语。一套权重覆盖全部六种——无需按语言换模型或后期配音。对跨市场投放的品牌尤其相关。

文生视频与图生视频

HappyHorse 1.0 同时支持文生与图生。上传参考图（首帧）做图生视频，或输入文本做文生视频。在 PixVerse 上，通过同一界面中的专用 T2V / I2V 模式即可——无需在不同平台或工具间切换。

开源承诺

阿里巴巴已宣布发布范围包含基座模型、八步蒸馏变体、超分模块与推理代码。若许可证如所述允许商用，HappyHorse 1.0 将成为 首个带原生联合音视频的开源模型——对需要自托管方案的研究社区与独立创作者而言，是重要里程碑。

HappyHorse 1.0 有哪些局限？

权重尚未可用。 截至本文撰写，尚未发布模型权重、推理代码或官方仓库。本文内容基于公开规格报道与 Artificial Analysis 竞技场的社区观察。模型正式发布后，应重新评估所有能力声明。

单条最长约 15 秒。 输出时长 3–15 秒（默认 5 秒），适合社交短片、广告与简短产品演示，但限制长叙事。多镜头序列需在外部处理——不像 Seedance 2.0 原生支持时间线式多镜头。

无多模态参考体系。 Seedance 2.0 可接受最多 12 个参考素材（9 图、3 视频、3 音频）并以 @ 标签精细控制。HappyHorse 1.0 处理文本与图像输入；未见 视频或音频参考条件报道，依赖视觉参考的工作流会受限。

音频质量尚未大规模验证。 联合音视频是 headline 主张，但尚无法进行独立大规模测试。社区样片有潜力但数量有限。在模型广泛可用前，复杂对白、细腻拟音时机与多源环境声仍可能出现波动。

未宣布微调或 LoRA 支持。 若你需要基座未覆盖的特定品牌视觉或风格，只能依赖提示工程。社区微调工具链可能在权重发布后跟进，但目前尚不可用。

许可证条款未知。 虽描述为开源且允许商用，但 确切许可证尚未公布。在官方许可证确认前，请暂缓商用部署规划。

HappyHorse 1.0 优缺点一览

优点	缺点
✅ 单次前向原生联合音视频——无需后期配音	❌ 模型权重尚未发布
✅ 8 步推理（1080p 约 38 秒）——较多数竞品快约 3–6 倍	❌ 单条最长 15 秒——无原生多镜头
✅ 六种语言口型，一套权重	❌ 无多模态参考（仅文本+图像）
✅ 已宣布开源（基座+蒸馏+超分+代码）	❌ 音频质量尚未大规模验证
✅ 同一模型支持文生与图生	❌ 尚无微调或 LoRA
✅ Arena 文生与图生榜单均处第一梯队	❌ 许可证条款尚未确认

如何为 HappyHorse 1.0 写提示词

多数 AI 视频提示指南只写视觉——主体、动作、镜头、光线。HappyHorse 1.0 原生生成音频，提示策略需要随之调整。以下是如何从「既听且看」的模型中榨出更多效果。

音频优先

HappyHorse 1.0 的最大变化是：声音不是事后补丁，而是与视频在同一前向中生成。提示里对音频的描述应像对画面一样明确。

仅视觉提示（可用，但音频交给随机性）：

A chef prepares pasta in a restaurant kitchen. Warm lighting, medium shot, shallow depth of field.

兼顾音频的提示（发挥联合生成优势）：

A chef tosses pasta in a sizzling pan, flames leaping briefly above the rim. He plates the dish with precise, quick movements. Close-up on the pan, then medium shot as he slides the plate across the counter. Warm restaurant lighting, shallow depth of field. Audio: oil sizzling, pan scraping on the burner, the soft clatter of the plate on granite, kitchen chatter in the background.

第二版为模型提供了明确的音频目标，便于与画面对齐。

使用具体的镜头语言

HappyHorse 对电影化指令有反应。具体术语带来更可预期的结果；模糊词则让模型猜测。

镜头用语	典型效果
Slow push-in	缓慢推向主体，蓄积张力
Tracking shot	镜头横向或从后方跟随主体
Low-angle	低机位，强化体量或力量感
Macro close-up	极近细节、浅景深
360-degree orbit	绕主体完整旋转
Aerial/drone shot	鸟瞰并向前运动
Whip pan	在主体间快速横摇

「Slow dolly-in from medium shot to close-up」告诉模型具体动作；「Cinematic」几乎不提供信息。

分层描述音频

用三层结构描述音频，控制力更强：

• 前景：主导声（对白、主音效如刀剑碰撞或引擎轰鸣）
• 中景：次要声（脚步、布料摩擦、餐具碰撞）
• 背景：环境质感（人群低语、雨声、远处车流、风）

示例：「Audio: sizzling oil on the grill (foreground), the vendor scraping the spatula across metal (mid-ground), night market crowd murmur and distant motorbike engines (background).」

模型在单一序列中同时处理音频与视频 token。音频描述越精确，对齐越好。

风格锚点锁定视觉一致性

显式命名美学并堆叠描述词，帮助模型锁定一致画风：

• 写实：「anamorphic bokeh, 35mm film grain, teal-orange color grading, shallow depth of field」
• 动漫/风格化：「cel-shading style, thick outlines, flat bold colors, Makoto Shinkai color palette」
• 复古/怀旧：「1990s VHS grain, oversaturated warm tones, CRT screen scan lines」
• 商业：「studio lighting, white cyclorama background, product photography, macro lens」

7 条提示技巧速览

1. 把主体与动作前置——前 15 个词对模型注意力最关键。
2. 明确写音频——对白用引号，点名具体声音，分层前景/中景/背景。
3. 使用具体镜头指令——「slow dolly-in from medium to close-up」永远胜过「cinematic」。
4. 点名视觉风格——引用具体美学、胶片颗粒、色板或艺术传统。
5. 加入物理细节——如「rain on glass」「silk catching wind」「steam curling through neon light」提供锚点。
6. 提示词控制在约 100 词内——足够具体，又避免 token 互相争抢。
7. 先低分辨率迭代——在 480p 或 256p 验证概念，再投入 1080p。

HappyHorse 1.0 应用场景：6 条提示词

我们将下列每条提示词在 PixVerse 的 HappyHorse 1.0 上跑通，以评估真实输出质量。下方嵌入的视频均为 实际模型输出——非精选或后期处理。每条提示针对 原生音视频联合生成 实用差异最大的场景。

1. 短视频社交内容

适合谁：需要原生声音、又不想单独走配音流水线的 TikTok、Reels、Shorts 创作者。

可期待什么：滋滋作响的街头美食片段，带 ASMR 级音频——能在任意社交平台打断划屏的内容。

提示词：

A Thai street food vendor cracks two eggs onto a sizzling flat-top griddle, tosses in chopped scallions and bean sprouts with a metal spatula. Oil pops and splatters. Steam rises through golden string lights above the cart. Close-up macro shots alternate with a medium shot showing the vendor’s confident hands. Night market crowd murmurs in the background. ASMR food photography style, shallow depth of field, warm tungsten lighting, handheld camera with subtle movement. Audio: sizzling oil and egg whites hitting the grill, sharp spatula scrape on metal, distant crowd chatter and a motorbike passing.

看什么：音频应在铲动时呈现令人满足的滋滋与刮擦声，人群环境声填补空隙。这类片段在美食内容社区易传播——纯感官满足，无需画外音。

2. 营销与广告创意

适合谁：需要高转化产品预告片、带电影感运动与精准音频的广告公司、品牌与产品团队。

可期待什么：奢侈品揭晓式镜头，音效与画面动作精准对齐——可在早期概念测试中替代部分 3D 渲染或棚拍。

提示词：

A luxury chronograph watch sits on a slab of dark volcanic stone. Water droplets fall in slow motion onto the sapphire crystal, each impact sending tiny ripples across the glass. The camera orbits slowly as the chronograph crown is pressed — the second hand sweeps forward with a precise mechanical click. Macro detail reveals brushed titanium and polished bevels catching a single hard key light from above. Studio product photography, dark background, slow-motion water at a 240fps feel. Audio: individual water droplet impacts on glass, a crisp mechanical click as the crown is pressed, a subtle low-frequency hum that fades to silence.

看什么：计时秒针启动时那声同步的「咔嗒」是胜负手。若该音频与视觉动作严丝合缝，说明其音视频同步水平是多数无声视频模型无法企及的——也比一次性后期配音更容易对齐。

3. 多语言营销活动

适合谁：在英语、中文、日语、韩语、德语、法语市场跑创意、又不想重拍的团队与代理商。

可期待什么：角色说出一句对白且口型自然——展示单次生成即可在 6 种支持语言之一产出「可直接对白」的输出。

提示词：

A barista in a cozy specialty coffee shop slides a perfectly layered oat milk latte across a wooden counter. She looks up at the camera with a friendly half-smile and says: “Your usual. Extra foam, zero judgment.” Behind her, an espresso machine hisses softly. Morning light streams through a large window, casting warm stripes across the counter. Medium shot with a slow push-in to a close-up on her face as she speaks. Warm color grading, shallow depth of field, indie film aesthetic. Audio: espresso machine steam hiss, the soft slide of the ceramic cup on wood, her spoken line delivered casually and warmly, faint acoustic guitar from a speaker in the background.

看什么：对白行的 口型同步 是首要测试。HappyHorse 1.0 宣称 6 种语言原生口型——本条为英语基线。用其他语言对白重跑同一概念，可测跨语言一致性。若口型、表情与语气在多语言下都稳定，可省去整段重拍与配音流水线。

4. B-Roll 与预演

适合谁：需要建立镜头、概念素材与带匹配环境声分镜的影视与 YouTube 制作人。

可期待什么：带分层环境声的氛围建立镜头——适合纪录片、旅行片或叙事项目的 B-roll。

提示词：

A lone figure in a red parka walks across a vast Antarctic ice field toward a small research station at twilight. The station’s windows glow warm orange against deep blue polar light. Snow blows horizontally across the frame. The figure pauses, pulls a radio from her belt — breath visible in the freezing air. Tracking shot follows her from behind, then cuts to a wide establishing shot showing the tiny station dwarfed by an enormous glacier wall. Documentary cinematography, cool blue-teal palette with warm interior contrast, steady handheld, National Geographic style. Audio: howling polar wind as a constant bed, rhythmic crunching of boots on packed snow, radio static crackle when she reaches for it, a brief muffled voice from the radio speaker.

看什么：分层环境声是考点。风应持续且主导；脚步碾压雪的节奏应与行走一致；无线电杂音应作为独立质感出现。广角建立镜头考验大环境下的空间一致性。此类输出可直接用作前期概念素材或占位 B-roll。

5. 电商产品视频

适合谁：需将静态产品图通过图生视频转为动态演示的电商与产品营销团队。

可期待什么：将静态英雄角变为动态、偏商业级运动的工作流——可替代首版产品内容的实体拍摄。

提示词：

A pair of fresh-out-of-the-box white running shoes sits on a clean concrete surface. The camera starts static, then slowly orbits as one shoe lifts off the ground and rotates in mid-air, revealing the tread pattern, mesh ventilation holes, and a neon green accent stripe along the sole. Soft particles of dust drift through a shaft of sunlight hitting the shoe. The shoe sets back down gently. Minimal studio setup, single directional light source from the upper left, clean white-gray background, product catalog photography with motion. Audio: a soft whoosh as the shoe lifts, the faint creak of new rubber flexing, a satisfying muted thud as it lands back on concrete.

看什么：材质渲染是关键——网眼是否像网眼、橡胶底是否读出橡胶感、霓虹点缀上的光是否正确？对电商团队，该工作流可用一张产品图变运动素材而无需排期视频拍摄。细微音频（呼呼声、橡胶吱嘎、落地闷响）增添本需声音设计的质感。

6. AI 研究

适合谁：研究联合音视频扩散、多模态 Transformer 与统一生成架构对齐边界的研究者。

可期待什么：多路同时音源需与不同视觉表演在节奏与空间上对齐的技术场景——用于暴露同步极限的压力测试。

提示词：

A three-piece jazz ensemble performs in a dimly lit basement club. A drummer brushes a snare with wire brushes in a steady swing rhythm. An upright bass player plucks a walking bass line, fingers clearly visible on the strings. A saxophone player steps forward into a spotlight and plays a slow, bluesy solo. A single audience member at the bar taps a glass in time with the beat. Smoke drifts through a cone of amber spotlight. Medium wide shot establishing all three musicians, then a slow tracking push-in toward the saxophone solo. Warm amber and deep shadow, 16mm film grain, vintage jazz club atmosphere. Audio: wire brush on snare, plucked upright bass, saxophone melody — all three instruments rhythmically aligned, with the faint clink of the glass tap and low crowd murmur underneath.

看什么：本条刻意加大难度。要求模型生成三种需彼此节奏连贯、并与各乐手演奏视觉同步的乐器声。钢丝刷应与鼓手手部动作匹配；拨弦应与指法对齐；萨克斯音色应跟随嘴型与呼吸。若 HappyHorse 1.0 能较好完成，说明其在开源领域具备真正意义上的新颖多模态对齐水平。

如何在 PixVerse 上使用 HappyHorse 1.0

在 PixVerse 上开始使用 HappyHorse 1.0 不到两分钟。无需本地 GPU、无需配置 API、无需单独账号——使用你用于其他模型的 PixVerse 账号即可。

1. 打开 PixVerse — 访问 app.pixverse.ai 并登录或注册。
2. 选择模式 — 选 文生视频 做基于提示的生成，或 图生视频 若你有参考图要动画化。
3. 选择 HappyHorse 1.0 — 在模型选择器中选 HappyHorse 1.0。它与 Seedance 2.0、Kling、Veo、Sora 2、PixVerse V6 并列显示。
4. 撰写提示词 — 描述场景时同时包含画面与音频线索。结合上文提示技巧效果更佳。
5. 设置参数并生成 — 选择宽高比（16:9、9:16、1:1 等）与时长（最长 15 秒）。点击生成，结果约 30–60 秒。

HappyHorse 1.0 在 PixVerse 上需要 Pro 及以上方案。Basic 与 Standard 不包含访问权限。每次生成使用与平台上其他模型相同的 共享 PixVerse 余额。

为什么要在 PixVerse 上用 HappyHorse 1.0？

「订阅地狱」问题

模型发布稿里很少直说的一点：2026 年评估 AI 视频模型的成本，几乎与使用成本一样令人头疼。

Sora 2 的完整访问需要 ChatGPT Pro——每月 200 美元。Kling 自有套餐结构，起价约 每月 10 美元。Seedance 2.0 在中国需通过字节即梦付费墙，或经由托管平台访问。Luma、Runway、Hailuo——每个都是一笔月费。若创作者想在选定战役主力模型前认真评估前五名，仅平台订阅就可能每月 300–500 美元，还没算最终成片的生成成本。

还不只是钱：五个账号、五套 UI、五套积分、五套限速与分辨率上限。在平台间切换的认知成本是隐性支出，吞噬本可用于创作的时间。

一个平台、所有模型、一份预算

这正是 PixVerse 模型聚合 要解决的问题。Seedance 2.0、Kling、Veo 3.1、Sora 2 与 HappyHorse 1.0——同一账号、同一积分余额、同一界面。

实务上：你可以用 HappyHorse 1.0 跑联合音视频，用 PixVerse V6 控镜头，用 Seedance 2.0 做多参考精度，用 Kling 3.0 上 4K——然后并排对比，按镜头选最优。无需换平台、无需重复订阅。

这不仅是便利：它改变了实验的经济学。在 PixVerse，HappyHorse 1.0 的价值在于可与 Seedance、Kling、Veo、Sora、PixVerse V6 同一账号、共享积分 对比测试——是 不维护多份订阅、不切换多工具 前提下，高性价比的模型对比方式。

「模型自由」长什么样

方式	每月评估 5+ 模型的成本	所需账号数	界面切换
分散订阅	Sora、Kling、Luma、Runway 与新平台合计 300–500 美元+	5+	5+ 套不同 UI
PixVerse	一份会员（Pro+），积分全模型共享	1	无——同一界面覆盖全部

在 PixVerse 使用 HappyHorse 1.0，意味着 少一份评估订阅、少一个账号管理，并多一个可与全家桶对标的模型。访问 HappyHorse 1.0 需要 Pro 及以上——Basic 与 Standard 不包含。

常见问题

HappyHorse 1.0 在 PixVerse 上多少钱？

HappyHorse 1.0 面向 Pro、Premium、Ultra 用户，通过平台 按积分 计费。由于 PixVerse 使用 共享积分余额，你可以在 不单独订阅某模型 的前提下，对比 HappyHorse 与 Seedance、Kling、Veo、Sora、PixVerse V6 的定价与成片质量。

可以在线试用 HappyHorse 1.0 吗？

可以。在 PixVerse 的标准生成界面即可在线试用 HappyHorse。选择文生或图生，在模型选择器中选 HappyHorse 1.0，撰写含视觉与音频线索的提示词并生成——无需本地 GPU 或 API 集成。

HappyHorse 1.0 比 Seedance 2.0 更好吗？

取决于任务。HappyHorse 1.0 围绕 原生 AI 视频+音频、快速 8 步推理 与 已宣布的开源发布 构建。Seedance 2.0 在 多参考控制、更高分辨率工作流 与 制作向迭代 上更强。更深入对比请阅读我们的 HappyHorse 1.0 与 Seedance 2.0 完整对比，然后在 PixVerse 上用同一提示词实测两者。

HappyHorse 1.0 适合带音频的 AI 视频吗？

适合，音频正是值得测试它的主因。HappyHorse 在与视频同一前向中生成对白、拟音与环境声，可减少单独配音、口型与声音设计工具的需求。为获得最佳效果，请撰写明确分层 前景、中景、背景 音频的 HappyHorse 提示词。

使用 HappyHorse 1.0 需要 GPU 吗？

在 PixVerse 上使用 不需要 GPU。权重发布后本地自托管可能需要高端硬件；但通过浏览器使用 PixVerse 时，可与其它 AI 视频模型 同一账号、同一积分余额。

结语

HappyHorse 1.0 为 AI 视频领域带来一项真正新的能力：开源路线下的原生联合音视频生成。公开宣称的规格——8 步推理、6 语口型、文生/图生最长 15 秒、1080p 约 38 秒生成——纸面上极具吸引力。本文中的提示词旨在帮助你在模型已在 PixVerse 上线、可亲手验证之际，判断实际成片是否配得上这些说法。

借助 PixVerse 上的 HappyHorse 1.0，你可以在我们 AI 视频生成器 盘点中，与 其余所有模型 对标——同一账号、同一界面，工作流其余部分共用一套积分。这就是模型自由：为每个镜头选对引擎，而无需在每一扇门前再付一笔订阅过路费。