Happy Horse 1.0 AI動画ジェネレーター

2026年4月26日にAlibabaのATH AI Innovation Unitから発表されたHappy Horse 1.0は、Artificial Analysis ArenaのリーダーボードでビジュアルトラックEloレーティング1381、音声付きで1238を獲得し、トップに立ちました。動きの質と視覚的一貫性に関する人手によるブラインド評価において、OpenAI、Google、ByteDanceのモデルを上回る結果を残しています。本モデルは40層・150億パラメータの自己注意Transformerを採用し、競合に見られるマルチストリーム方式の複雑さを避けて、動画と音声を1度のパスで同時生成します。

ネイティブで対応する言語はEnglish、Mandarin、Cantonese、Japanese、Korean、German、Frenchの7言語で、いずれも精度の高いリップシンクが可能です。テキストから動画を生成するだけでなく、1枚目のフレームをアニメーション化するimage-to-videoや、最大9枚の参照画像をアップロードしてショットを跨いだマルチキャラクターの一貫性を保つreference-to-videoにも対応しています。出力解像度は480p、720p、ネイティブ1080pをサポートし、5種類のアスペクト比（16:9、9:16、1:1、4:3、3:4）と3〜15秒の動画長に対応します。

Happy Horse 1.0が他と一線を画すのは、映画級の動きの忠実度です。他モデルで起こりがちなフワフワとした動きや物理法則を無視した挙動を排除し、重力、慣性、衝突挙動の一貫性を維持します。統合された音声生成では、対話、環境音、Foley効果を1度のフォワードパスで同期生成するため、映像とのズレが発生しません。Alibabaはベースモデル、蒸留モデル、超解像モジュール、推論コードのオープンソース公開も発表しています。LoveGen AIでは、Happy Horseの出力をSora 2やVeo 3.1などと直接比較し、プロジェクトに最適な結果を選ぶことができます。