Alibaba: HappyHorse 1.0

Alibaba HappyHorse 1.0 est une édition de création vidéo avec des profils nommés de génération à partir de texte, d’une première image et de références. Le producteur présente les mouvements physiquement convaincants, la compréhension sémantique et la synchronisation audiovisuelle comme ses priorités créatives. Son profil de références peut utiliser jusqu’à neuf images pour guider les sujets et les scènes. Le livrable utile est un court clip avec du son : une nouvelle scène, une animation à partir d’une image fixe d’ouverture préparée ou un plan de personnage ou de produit guidé par des références.

Pour une scène à partir de texte, définissez le sujet, le décor, l’action et la caméra, avec le son souhaité. Pour une scène filmée sur une table, montrez une petite maquette de voilier qui avance dans un bac d’eau peu profond pendant que la caméra la suit à hauteur de table. La revue peut alors vérifier la forme du bateau, l’échelle de la scène, le mouvement de l’eau et le rapport entre mouvement et son. Une action ciblée est plus facile à évaluer qu’une séquence dense dont le moment essentiel n’est pas clairement indiqué.

Pour la génération à partir d’une première image, utilisez une image fixe dont le sujet et la composition correspondent déjà à l’ouverture souhaitée. Décrivez le mouvement qui suit et le trajet de la caméra. Le profil d’image 1.0 précis du producteur accepte des entrées texte et image, tandis que son tableau de génération l’identifie comme de la vidéo à partir d’une première image. Préparez le recadrage et les détails visibles du produit ou du personnage avant de générer le plan. Vérifiez que ces détails restent reconnaissables pendant le mouvement au lieu de juger uniquement l’image d’ouverture.

La génération à partir de références combine les personnes, produits, styles ou décors des sources visuelles dans une scène nouvellement décrite. La page précise du modèle de références 1.0 documente jusqu’à neuf images. Attribuez-leur leurs rôles dans le brief et décrivez la manière dont le sujet doit agir dans la scène. Une présentation de produit peut distinguer la référence de l’article de celle du lieu environnant ou du style visuel. L’accent mis par le producteur sur la stabilité est un objectif de revue : comparez le sujet, ses inscriptions et son emplacement aux références réelles sur toute la durée du clip.

La famille 1.0 possède aussi un profil de modification vidéo nommé séparément, pour changer le style et apporter des révisions locales ou plus larges aux séquences existantes. Ce profil utilise exactement une vidéo source et de zéro à cinq images de référence, plutôt que la configuration de génération à neuf images de référence. Précisez ce qui doit changer et ce qui doit rester, par exemple changer un vêtement tout en conservant la personne, le mouvement et l’arrière-plan. Le résultat modifié doit être comparé à tout le clip source, et pas seulement à une image montrant le remplacement souhaité.

Le guide précis de modification 1.0 accepte des séquences sources MP4 ou MOV, recommande H.264 et autorise des durées sources de trois à soixante secondes. Il indique un maximum de 100 Mo, un côté court d’au moins 360 pixels, un côté long ne dépassant pas 4 096 pixels, des proportions comprises entre 1:2.5 et 2.5:1 et une fréquence d’entrée de huit à soixante images par seconde. Les vidéos modifiées durent de trois à quinze secondes : les sources de quinze secondes ou moins conservent leur durée, tandis que les sources plus longues n’utilisent que leurs quinze premières secondes. Découpez le passage souhaité avant de préparer la modification si une action importante se produit plus tard dans la source.

Les images de référence facultatives du profil de modification ont leur propre limite de vingt Mo et doivent utiliser JPEG/JPG, PNG ou WEBP, avec les deux dimensions d’au moins 300 pixels et la même plage de proportions documentée. Le guide distingue aussi le traitement automatique du son de la conservation du son original. Préparez la référence qui identifie le changement souhaité et choisissez la manière dont le son source doit accompagner cette modification. Il s’agit de contrôles spécifiques au profil de modification 1.0, distincts des modes de génération de nouvelles scènes.

Pour les modes de génération 1.0, le tableau précis du producteur indique des sorties en 720p ou 1080p, d’une durée de trois à quinze secondes, en MP4 à 24 images par seconde et avec du son. Le profil de modification produit aussi des vidéos en 720p ou 1080p dans sa limite de quinze secondes. Le processus de tâches documenté renvoie d’abord un identifiant de traitement, puis l’adresse de la vidéo terminée après réussite ; les adresses des résultats sont valides pendant vingt-quatre heures. Conservez le clip lui-même, le prompt et les références lorsque vous préparez un montage de production et examinez ensemble le cadrage, la durée et le son renvoyés.

HappyHorse 1.1 ajoute une option de génération 480p et des améliorations nommées des détails visuels, du mouvement et de la cohérence entre clips. Ces affirmations de génération ultérieures ne constituent pas une garantie pour la révision fixe du profil 1.0. La préparation utile en 1.0 suit le mode choisi et ses éléments sources réels. Vérifiez l’identité, les contacts, la géométrie des objets, le texte et le son, puis rendez la correction suivante concrète. Pour un clip modifié, vérifiez aussi que les détails originaux importants en dehors du changement demandé restent adaptés à la scène prévue.