Ljud är inget alternativ på HappyHorse 1.1: bild, ljud och läppsynk kommer ur samma svep, så en karaktär som talar kommer redan med rätt munrörelser.
HappyHorse 1.1 är en tredjepartsvideomodell som vi dirigerar till på endpointen alibaba/happyhorse-1.1 — vi tränar eller hostar den inte. Det som skiljer den här är att ljud inte är valfritt: ljud och läppsynk genereras i samma svep som bilden, så en karaktär som talar kommer redan med rätt munrörelser i stället för att behöva ett dubbsteg. Tre lägen delar en panel — text-till-video, bild-till-video och referens-till-video som tar en till nio bilder.
Känn till begränsningarna. Priset per sekund ligger över Wan 2.7:s vid båda upplösningarna, så hitta tagningen någonstans billigare och rendera om den du behåller här. Ljudet kan inte stängas av, så det finns ingen ren plåt att lägga eget ljud på, och 1080p är taket. Siffran om läppsynk på sex språk är modellens eget dokumenterade påstående — vi har inte testat vart och ett av språken här — och vi tidtog inte klippen nedan, så den här sidan hävdar ingen hastighet.
Alibabas topprankade videomodell genererar bild och ljud tillsammans, med bildruteexakt läppsynk på sex språk, realistisk fysik och upp till nio referensbilder för konsekventa karaktärer.
HappyHorse genererar ljudspåret och bilden i samma svep, så dialog, atmosfär och effekter är tajmade med det som syns på skärmen från början. Inget separat ljudsteg, ingen manuell synkning — klippet kommer redo att publiceras.
Talande karaktärer håller munrörelserna på engelska, mandarin, japanska, koreanska, tyska och franska. Skriv in dialogen i din prompt så sköter modellen bildruteexakta munrörelser — perfekt för berättade shorts och flerspråkigt innehåll för sociala medier.
Referens-till-video-läget tar emot upp till nio bilder som refereras i ordning som character1, character2 och så vidare — ansikten, kläder och rekvisita förblir konsekventa genom hela klippet utan någon finjustering.
En av de högst rankade modellerna på oberoende videotopplistor: tyg släpar, vatten tränger undan och föremål bär trovärdig massa. Välj 720p eller 1080p, 3-15 sekunder och nio bildförhållanden från vertikalt 9:16 till ultrabrett 21:9.
Genererat här den 15 augusti 2026, vid första försöket, med exakt de prompter och inställningar som visas. Varje klipp prövar en av de förmågor som påstås längre ner på sidan.
A news presenter at a desk speaking directly to camera, clear mouth movement matching speech, studio lighting, static medium shot.
A barista explaining a pour-over to a customer across the counter, gesturing at the kettle, warm cafe ambience, medium two-shot.
Den är modellen i den här gruppen som behandlar ljud som en del av tagningen snarare än något som läggs till efteråt — och den prissätter därefter.
Dialog, munrörelser och bild kommer ur samma svep, så en presentatör, en talesperson eller en karaktär med repliker landar redan synkad. Ingenting att synka i en redigering, och inget separat röststeg att beställa.
Referens-till-video tar upp till nio bilder och du hänvisar till dem i prompten som character1, character2 och så vidare. Det är tillräckligt många platser för en liten ensemble plus rekvisitan och garderoben som måste förbli densamma.
Nio bildförhållanden, inklusive 4:5 och 5:4 för flödesinlägg och 21:9 och 9:21 i ytterkanterna, så bildutsnittet bestäms vid genereringen snarare än genom att beskära något som komponerats för ett annat format.
Ljud genereras med bilden varje gång, så det som kommer tillbaka går att publicera som det är. Det är en verklig tidsvinst när leveransen är en kortfilm med en röst i och deadline är i dag.
Priset per sekund ligger över Wan 2.7:s vid båda upplösningarna, så iterera någonstans billigare och rendera om den du behåller här. Ljudet kan inte stängas av, så det finns ingen ren plåt att lägga eget ljud på, och 1080p är taket — en 4K-slutversion hör till Kling 3.0.
Samma arbetsyta, samma kreditpott — att byta mellan vilka som helst av dessa är ett klick.
| HappyHorse 1.1 | Wan 2.7 | Hailuo 02 | Kling 3.0 | |
|---|---|---|---|---|
| Upplösningar | 720p · 1080p | 720p · 1080p | 512p · 768p · 1080p | 720p · 1080p · 4K |
| Kliplängd | 3–15s, vilken hel sekund som helst | 2–15s, vilken hel sekund som helst | 6 eller 10s — 1080p är endast 6s | 3–15s, vilken hel sekund som helst |
| Så debiteras den | Per sekund utdata | Per sekund utdata | Per färdigt klipp, ur en fast tabell med fem poster | Per sekund utdata |
| Ljud | Inbyggt ljud och läppsynk, alltid på, ingen växel | Inbyggt, alltid på, ingen växel | Ingen ljudparameter — klippen kommer tillbaka tysta | Valfri växel, av som standard |
| Krediter per sekund, 720p | 65 | 40 | Ej tillämpligt — prissatt per klipp, och dess närmaste nivå är 768p | 45 tyst · 60 med ljud |
| Krediter per sekund, 1080p | 85 | 70 | Ej tillämpligt — prissatt per klipp | 60 tyst · 85 med ljud |
| Krediter per sekund, 4K | Erbjuds inte | Erbjuds inte | Erbjuds inte | 200, ljud inkluderat utan extra kostnad |
| Krediter för ett 6-sekunders 1080p-klipp | 510 | 420 | 240 | 360 tyst · 510 med ljud |
| Krediter för ett klipp, från golv till tak | 195–1,275 | 80–1,050 | 40–240 | 135–3,000 |
| Bild-till-video | Ja, en första bildruta | Ja, en första bildruta | Ja, en första bildruta | Ja, en första bildruta |
| Referensbilder för identitet | Upp till 9, utpekade i prompten som character1, character2 … | Upp till 5, utpekade i prompten som Image 1, Image 2 … | Inga — inget referens-till-video-läge | Inga — den enda bilden är första bildrutan |
| Bildförhållanden | 9 — från 9:21 ända till 21:9 | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | Ingen parameter för bildförhållande | 3 — 16:9, 9:16, 1:1 |
| Hastighet vi mätt själva | Inte uppmätt | Inte uppmätt | 94s och 86s för två 6-sekunders 768p-klipp (2 klipp, augusti 2026) | Inte uppmätt |
Varje upplösning, kliplängd och kreditsiffra i den här tabellen är hämtad ur vårt eget modellregister och pristabellerna i vår kod den 20 augusti 2026 — samma tabeller som prissätter dina genereringar, inte leverantörers marknadsföringssidor. HappyHorse 1.1, Wan 2.7 och Kling 3.0 debiterar per sekund, så deras siffror per klipp är priset multiplicerat med längden du väljer; Hailuo 02 debiterar per klipp ur en fast tabell. De enda hastighetssiffrorna här är de två Hailuo 02-klipp vi tidtog själva, och varje cell vi inte har mätt säger det i stället för att låna en siffra någon annanstans ifrån.
Jämför HappyHorse 1.1 med andra videomodeller — samma arbetsyta, byt med ett klick.
| Modell | happyhorse-1.1 — en tredjepartsmodell som serveras på endpointen alibaba/happyhorse-1.1 via vår videoleverantör |
|---|---|
| Lägen | Text-till-video, bild-till-video från exakt en första bildruta, och referens-till-video med 1–9 referensbilder |
| Upplösning | 720p och 1080p |
| Längd | 3–15 sekunder, vilken hel sekund som helst (5 som standard) |
| Bildförhållanden | Nio — 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 21:9 och 9:21 — för text- och referens-till-video; bild-till-video följer referensfotot |
| Referensbilder | Upp till 9, utpekade i prompten i ordning som character1, character2 och så vidare. Endast bilder — referensvideo och referensljud är inte indata |
| Ljud | Inbyggt ljud och läppsynk genererade i samma svep, alltid på — det finns ingen växel och inget tyst alternativ |
| Språk för läppsynk | Sex, enligt modellens egen dokumentation: engelska, mandarin, japanska, koreanska, tyska och franska. Vi har inte testat vart och ett av dem här |
| Credits | Per sekund utdata: 65 vid 720p och 85 vid 1080p — samma pris för text-, bild- och referens-till-video |
| Kreditintervall per klipp | 195 för ett 3-sekunders 720p-klipp, upp till 1 275 för ett 15-sekunders 1080p-klipp |
| Uppmätt hastighet | Inte mätt — de två klippen på den här sidan genererades här, men vi registrerade inte deras genereringstider |
Tre steg från en tom promptruta till ett färdigt klipp.
Öppna modellväljaren och välj HappyHorse 1.1. Panelen visar kreditkostnad, upplösningsalternativ och längdgränser innan du spenderar något.
Skriv motivet, händelsen och hur kameran rör sig. Bifoga en första bildruta om klippet ska utgå från en viss bild.
Ladda ner klippet, förläng det eller skicka det vidare till mer redigering. Prompt, modell och inställningar följer med i din historik.
Ett konto, hela arbetsflödet för bild- och videogenerering.
Kör HappyHorse 1.1 med gratisplanen, eller uppgradera för premiummodeller, snabbare generering och 4K-utdata.
Perfekt för att komma igång
Faktureras årligen · 240 USD/år
Faktureras årligen · 468 USD/år
Den genererar video och synkroniserat ljud i ett enda svep, med bildruteexakt läppsynk på sex språk. Oberoende topplistor rankar den bland de bästa tillgängliga videomodellerna.
Per sekund utdata: taxan beror på upplösningen (720p eller 1080p), och samma taxa gäller för text-, bild- och referens-till-video. Den exakta kostnaden visas före varje generering, och misslyckade körningar återbetalas automatiskt.
Text-till-video, bild-till-video (animera en första bildruta) och referens-till-video med upp till 9 referensbilder som refereras som character1, character2 och så vidare.
3 till 15 sekunder per generering, i 720p eller 1080p, alltid med inbyggt ljud.
Engelska, mandarin, japanska, koreanska, tyska och franska — skriv dialogen i din prompt så följer munrörelserna den.
Credits återbetalas automatiskt för misslyckade videogenereringar.
Ett-klicks-verktyg för allt runt genereringen — putsa, styla om och dela.
