Alibaba: HappyHorse 1.0

Alibaba HappyHorse 1.0 ist eine Videoerstellungsedition mit benannten Profilen für Text-to-Video, Image-to-Video mit erstem Einzelbild und Reference-to-Video. Als kreativen Schwerpunkt nennt der Hersteller physisch überzeugende Bewegung, semantisches Verständnis und audiovisuelle Synchronisation. Das Referenzprofil kann bis zu neun Bilder verwenden, um Motive und Szenen anzuleiten. Das nutzbare Ergebnis ist ein kurzer Clip mit Ton: eine neue Szene, eine Animation aus einem vorbereiteten Eröffnungsbild oder eine referenzgestützte Figuren- oder Produkteinstellung.

Definieren Sie für eine Textszene Motiv, Umgebung, Handlung und Kamera sowie den gewünschten Ton. Zeigen Sie bei einer Tischszene ein kleines Modellsegelboot, das durch eine flache Wasserwanne fährt, während die Kamera ihm auf Tischhöhe folgt. Die Prüfung kann dann Bootsform, Szenenmassstab, Wasserbewegung und das Verhältnis zwischen Bewegung und Ton kontrollieren. Eine fokussierte Handlung lässt sich leichter beurteilen als eine dichte Abfolge, deren wesentlicher Moment nicht klar benannt ist.

Verwenden Sie für die Generierung mit erstem Einzelbild ein Standbild, dessen Motiv und Komposition bereits zur gewünschten Eröffnung passen. Beschreiben Sie die folgende Bewegung und den Weg der Kamera. Das genaue 1.0-Bildprofil des Herstellers akzeptiert Text- und Bildeingaben; seine Generierungsmatrix bezeichnet dies als Image-to-Video mit erstem Einzelbild. Bereiten Sie Beschnitt und sichtbare Produkt- oder Figurendetails vor der Generierung vor. Prüfen Sie, ob diese Details während der Bewegung erkennbar bleiben, statt nur das Eröffnungsbild zu beurteilen.

Reference-to-Video kombiniert Personen, Produkte, Stil oder Umgebung aus visuellen Quellen in einer neu beschriebenen Szene. Die Modellseite des genauen 1.0-Referenzprofils dokumentiert bis zu neun Bilder. Weisen Sie ihnen im Briefing Rollen zu und beschreiben Sie die Handlung des Motivs innerhalb der Szene. Eine Produktpräsentation kann die Artikelreferenz vom umgebenden Ort oder visuellen Stil unterscheiden. Der Stabilitätsschwerpunkt des Herstellers ist ein Prüfziel: Vergleichen Sie Motiv, Kennzeichnungen und Platzierung über den gesamten Clip mit den tatsächlichen Referenzen.

Die 1.0-Familie hat ausserdem ein separat benanntes Videobearbeitungsprofil für Stiländerungen sowie lokale oder umfassendere Überarbeitungen bestehenden Materials. Dieses Profil verwendet genau ein Quellvideo und null bis fünf Referenzbilder statt der Neun-Bilder-Anordnung für Referenzgenerierung. Geben Sie an, was sich ändern und was bleiben soll, etwa ein Kleidungswechsel bei Erhalt von Person, Bewegung und Hintergrund. Das Bearbeitungsergebnis muss mit dem vollständigen Quellclip verglichen werden, nicht nur mit einem Einzelbild, das den gewünschten Ersatz zeigt.

Der genaue 1.0-Bearbeitungsleitfaden akzeptiert MP4- oder MOV-Quellmaterial, empfiehlt H.264 und erlaubt drei bis sechzig Sekunden Quelldauer. Genannt werden maximal 100 MB, eine kurze Seite von mindestens 360 Pixeln, eine lange Seite von höchstens 4’096 Pixeln, Proportionen zwischen 1:2.5 und 2.5:1 sowie eine Eingabebildrate von acht bis sechzig fps. Bearbeitete Ausgaben sind auf drei bis fünfzehn Sekunden begrenzt: Quellen von höchstens fünfzehn Sekunden behalten ihre Dauer; bei längeren Quellen werden nur die ersten fünfzehn Sekunden verwendet. Schneiden Sie vor der Bearbeitung den gewünschten Abschnitt zu, wenn eine wichtige Handlung später in der Quelle stattfindet.

Die optionalen Referenzbilder des Bearbeitungsprofils haben eine eigene Grenze von zwanzig MB und müssen JPEG/JPG, PNG oder WEBP verwenden, mit beiden Abmessungen von mindestens 300 Pixeln und demselben dokumentierten Proportionsbereich. Der Leitfaden unterscheidet ausserdem automatische Tonbehandlung vom Erhalten des Originaltons. Bereiten Sie die Referenz zur gewünschten Änderung vor und wählen Sie, wie sich der Quellton dazu verhalten soll. Dies sind spezifische Steuerungen des 1.0-Bearbeitungsprofils, getrennt von den Modi zur Generierung neuer Szenen.

Für die 1.0-Generierungsmodi nennt die genaue Herstellermatrix 720p oder 1080p, drei bis fünfzehn Sekunden, MP4 bei 24 fps und Ton. Auch das Bearbeitungsprofil liefert 720p oder 1080p innerhalb seiner Fünfzehnsekundengrenze. Der dokumentierte Auftragsablauf gibt zunächst eine Verarbeitungskennung und nach Erfolg den Speicherort des fertigen Videos zurück; Ergebnisspeicherorte sind vierundzwanzig Stunden gültig. Bewahren Sie den tatsächlichen Clip, Prompt und Referenzen für einen Produktionsschnitt auf und prüfen Sie zurückgegebenen Bildausschnitt, Dauer und Ton gemeinsam.

HappyHorse 1.1 ergänzt eine 480p-Generierungsoption und benannte Verbesserungen bei Bilddetail, Bewegung und Konsistenz zwischen Clips. Diese späteren Generierungsaussagen sind keine Garantie für eine bestimmte Überarbeitung des 1.0-Profils. Sinnvolle 1.0-Vorbereitung richtet sich nach dem gewählten Modus und seinem tatsächlichen Ausgangsmaterial. Prüfen Sie Identität, Kontakt, Objektgeometrie, Text und Ton und formulieren Sie die nächste Korrektur konkret. Prüfen Sie bei einem bearbeiteten Clip auch, ob wichtige Originaldetails ausserhalb der gewünschten Änderung für die vorgesehene Szene brauchbar bleiben.