Alibaba: HappyHorse 1.1

Alibaba HappyHorse 1.1 è un’edizione di generazione video con profili denominati separatamente per text-to-video, image-to-video dal primo fotogramma e reference-to-video. Il produttore sottolinea miglioramenti di dettaglio visivo, movimento, identità dei personaggi fra clip, stabilità del testo e sincronizzazione audiovisiva. Il risultato è un breve video con suono, utile per una ripresa di prodotto, un ritratto animato o una piccola scena con personaggi. Scegli la modalità di input in base a ciò che deve definire la scena: un concetto scritto, un’immagine iniziale esatta o vari riferimenti visivi.

Per il text-to-video, descrivi soggetto, luogo, azione, inquadratura, movimento di camera e intento sonoro. Per una breve scena d’azione, mostra un ciclista che si ferma accanto a un caffè lungo il fiume mentre la camera si avvicina dolcemente alla bicicletta parcheggiata. Mantieni l’azione adatta a una breve clip e descrivi il momento finale. L’attuale guida di testo del produttore consente fino a 5.000 caratteri non cinesi o 2.500 caratteri cinesi e tronca il testo eccedente. Organizza il brief affinché soggetto e azione essenziali siano espliciti anziché nascosti fra aggettivi ripetuti.

L’image-to-video dal primo fotogramma usa esattamente un’immagine come apertura. Prepara soggetto, composizione e ritaglio desiderato in tale immagine statica, poi descrivi cosa deve muoversi o come deve cambiare la camera. I formati documentati sono JPEG/JPG, PNG e WEBP, fino a 20 MB, con entrambe le dimensioni di almeno 300 pixel e rapporto d’aspetto fra 1:2.5 e 2.5:1. L’output approssima la fascia di risoluzione selezionata mantenendo le proporzioni dell’immagine sorgente. Un risultato verticale parte quindi da una composizione verticale adatta anziché da un’istruzione di rapporto d’aspetto indipendente.

Il reference-to-video accetta da una a nove immagini. Il prompt usa [Image 1], [Image 2] e le posizioni successive per identificarle nell’ordine degli input. Indica il ruolo di ogni riferimento e nomina l’oggetto o la persona pertinente, affinché un’immagine di scena non venga scambiata per una fonte del personaggio. La guida di riferimento accetta JPEG/JPG, PNG o WEBP fino a 20 MB, richiede che il lato più corto sia di almeno 400 pixel e consiglia riferimenti chiari in 720p o superiore. Evita un riferimento fortemente compresso i cui dettagli identificativi siano già assenti.

Per una scena con vari riferimenti, colloca la persona di un’immagine nella stanza di un’altra, conservando un cappotto o un prodotto fornito da una terza. Descrivi interazione e camera nello stesso brief. Il profilo di riferimento 1.1 evidenzia stabilità dei soggetti, stile della scena e movimento cinematografico; ispeziona il risultato effettivo per identità desiderata, marcature del prodotto e collocazione spaziale. Più immagini danno al brief maggiori informazioni, ma la revisione deve comunque verificare quali caratteristiche siano passate nel video.

Il produttore elenca output in 480p, 720p e 1080p per le modalità di generazione 1.1, con durata in secondi interi da tre a quindici e MP4 a 24 fps. La risposta API descrive la codifica H.264. Generazione da testo e riferimenti offrono formati fra cui 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 e 21:9; la generazione dal primo fotogramma segue l’immagine in ingresso. Scegli il formato per la destinazione e lascia spazio a didascalie o elementi di impaginazione successivi. Controlla l’inquadratura effettiva del video restituito alle dimensioni di visualizzazione previste.

L’output della famiglia di modelli include suono. Assegna a interpretazione o atmosfera un ruolo chiaro nel brief e controlla dialoghi, effetti o traccia di sottofondo insieme all’immagine. Mantieni il parlato abbastanza breve per l’azione e le pause, invece di comprimere un copione lungo in una sola breve ripresa. Quando è presente il parlato, verifica movimento delle labbra, attribuzione del parlante e parole effettive. L’accettazione della lingua del prompt non definisce di per sé una pronuncia garantita o un input separato di riferimento vocale.

Il flusso documentato del produttore è asincrono: un identificatore di attività segue l’elaborazione e un risultato riuscito fornisce l’indirizzo del video. Il link del risultato e le interrogazioni dell’attività hanno una validità documentata di ventiquattro ore. Conserva clip completata, riferimenti e prompt come registro delle revisioni. Le guide documentano anche controlli del seed e della filigrana. Un seed fisso può aiutare il confronto, ma il produttore afferma espressamente che non garantisce risultati identici; giudica quindi il risultato restituito invece di presumere che un’impostazione fissi ogni fotogramma.

HappyHorse 1.0 e 1.1 sono edizioni separate. La tabella di output 1.1 aggiunge 480p alle opzioni 720p e 1080p di 1.0 e le pagine del modello 1.1 descrivono miglioramenti di dettaglio, movimento e coerenza. Il profilo di modifica video HappyHorse 1.0, denominato separatamente, ha input e limiti propri e non è una modalità di modifica da assegnare implicitamente a 1.1. Controlla l’intera clip 1.1 per identità, movimento, inquadratura, testo e suono, poi applica una correzione specifica mantenendo le parti riuscite del brief.