Alibaba: HappyHorse 1.0

Alibaba HappyHorse 1.0 ist eine Ausgabe zur Videoerstellung mit eigenen Profilen für Text-to-Video, Image-to-Video mit Startbild und Reference-to-Video. Als kreative Schwerpunkte nennt der Hersteller physikalisch überzeugende Bewegung, semantisches Verständnis und audiovisuelle Synchronisierung. Das Referenzprofil kann bis zu neun Bilder zur Orientierung für Motive und Szenen verwenden. Das nutzbare Artefakt ist ein kurzer Clip mit Ton: eine neue Szene, eine Animation aus einer vorbereiteten Eröffnungsaufnahme oder eine referenzgeführte Figuren- oder Produktaufnahme.

Definieren Sie für eine Textszene Motiv, Umgebung, Handlung und Kamera sowie den gewünschten Ton. Eine Tischszene könnte ein kleines Modellsegelboot zeigen, das sich durch eine flache Wasserschale bewegt, während die Kamera ihm auf Tischhöhe folgt. Bei der Prüfung lassen sich dann Bootsform, Größenverhältnisse der Szene, Wasserbewegung und das Zusammenspiel von Bewegung und Ton beurteilen. Eine klar umrissene Handlung lässt sich leichter bewerten als eine dichte Abfolge, deren entscheidender Moment nicht eindeutig beschrieben ist.

Verwenden Sie für die Generierung mit Startbild eine Aufnahme, deren Motiv und Komposition bereits zum gewünschten Einstieg passen. Beschreiben Sie die anschließende Bewegung und den Weg der Kamera. Das konkrete Bildprofil der Version 1.0 akzeptiert Text und Bild als Eingabe; die Generierungsmatrix bezeichnet dies als Image-to-Video mit Startbild. Bereiten Sie Zuschnitt und sichtbare Produkt- oder Figurendetails vor der Generierung vor. Prüfen Sie, ob diese Details während der Bewegung erkennbar bleiben, statt nur das erste Bild zu beurteilen.

Reference-to-Video verbindet die in visuellen Quellen gezeigten Personen, Produkte, Stile oder Umgebungen zu einer neu beschriebenen Szene. Die Modellseite des konkreten Referenzprofils 1.0 dokumentiert bis zu neun Bilder. Weisen Sie ihnen im Briefing Rollen zu und beschreiben Sie, wie das Motiv in der Szene agieren soll. Bei einer Produktpräsentation lässt sich die Artikelreferenz von der umgebenden Location oder dem Bildstil unterscheiden. Der vom Hersteller betonte Stabilitätsanspruch ist ein Prüfziel: Vergleichen Sie Motiv, Kennzeichnungen und Platzierung über den gesamten Clip hinweg mit den tatsächlichen Referenzen.

Die Familie 1.0 besitzt außerdem ein separat benanntes Video-Edit-Profil für Stiländerungen und lokale oder umfassendere Überarbeitungen vorhandener Aufnahmen. Dieses Profil nimmt genau ein Quellvideo und null bis fünf Referenzbilder entgegen, anstelle der neun Bilder bei der referenzgestützten Generierung. Geben Sie an, was sich ändern und was erhalten bleiben soll, beispielsweise ein Kleidungsstück auszutauschen und dabei Person, Bewegung und Hintergrund beizubehalten. Das bearbeitete Ergebnis muss mit dem vollständigen Quellclip verglichen werden, nicht nur mit einem Bild, das den gewünschten Austausch zeigt.

Der konkrete Edit-Leitfaden für 1.0 akzeptiert Quellaufnahmen als MP4 oder MOV, empfiehlt H.264 und erlaubt eine Quelldauer von drei bis sechzig Sekunden. Er nennt maximal 100 MB, eine kurze Seite von mindestens 360 Pixeln, eine lange Seite von höchstens 4.096 Pixeln, Seitenverhältnisse zwischen 1:2,5 und 2,5:1 sowie Eingabebildraten 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 Vorbereitung der Bearbeitung den gewünschten Abschnitt zu, wenn eine wichtige Handlung erst später in der Quelle stattfindet.

Für die optionalen Referenzbilder des Edit-Profils gelten eine eigene Grenze von zwanzig MB und die Formate JPEG/JPG, PNG oder WEBP. Beide Abmessungen müssen mindestens 300 Pixel betragen; der dokumentierte Seitenverhältnisbereich ist derselbe. Der Leitfaden unterscheidet außerdem zwischen automatischer Audiobearbeitung und dem Beibehalten des Originaltons. Bereiten Sie eine Referenz vor, die die gewünschte Änderung bestimmt, und wählen Sie, wie sich der Quellton dazu verhalten soll. Dies sind spezifische Steuerungen des Edit-Profils 1.0, getrennt von den Modi zur Generierung neuer Szenen.

Für die Generierungsmodi von 1.0 nennt die konkrete Matrix des Herstellers 720p oder 1080p, drei bis fünfzehn Sekunden, MP4 mit 24 fps und Audio. Das Edit-Profil liefert ebenfalls 720p oder 1080p innerhalb seiner Grenze von fünfzehn Sekunden. Der dokumentierte Auftragsablauf gibt zunächst eine Verarbeitungskennung zurück und nach erfolgreichem Abschluss die Adresse des fertigen Videos; Ergebnisadressen sind vierundzwanzig Stunden gültig. Bewahren Sie bei der Vorbereitung einer Produktionsbearbeitung den eigentlichen Clip, Prompt und Referenzen auf und prüfen Sie das zurückgegebene Bildformat, die Dauer und den Ton gemeinsam.

HappyHorse 1.1 ergänzt eine 480p-Option für die Generierung und ausdrücklich benannte Verbesserungen bei Bilddetails, Bewegung und Konsistenz zwischen Clips. Diese Aussagen zu einer späteren Generierungsversion garantieren keinen bestimmten Revisionsstand des Profils 1.0. Die sinnvolle Vorbereitung für 1.0 richtet sich nach dem gewählten Modus und seinem tatsächlichen Quellmaterial. Prüfen Sie Identität, Kontakt, Objektgeometrie, Text und Ton und formulieren Sie anschließend eine konkrete nächste Korrektur. Kontrollieren Sie bei einem bearbeiteten Clip auch, ob wichtige Originaldetails außerhalb der gewünschten Änderung weiterhin zur beabsichtigten Szene passen.