Video · Alibaba
HappyHorse
El modelo de 2026 de Alibaba que genera imagen y sonido a la vez, con sincronización labial en siete idiomas, francés incluido. Elígelo para personajes que hablan.
Anonimizado Moderate costQué lo distingue
HappyHorse viene del Taotian Future Life Lab de Alibaba, dirigido por un antiguo arquitecto técnico de Kling. Genera video y audio en una sola pasada con sincronización labial en siete idiomas, hasta 1080p y 15 s.
- Sincronización labial en 7 idiomas
- Hasta 9 imágenes de referencia (1.1)
- Texto, imagen, referencia, edición de video
Recomendado para: una escena en la que hablan personas.
Puntos fuertes y límites
Dónde brilla
- Sincronización labial en 7 idiomas, francés incluido
- Primero en la arena de video de Artificial Analysis en su lanzamiento (abril de 2026)
- Mismo precio para 1.0 y 1.1
Piénsalo dos veces si
- Precio intermedio, no es una opción económica
- 1080p como máximo
- De 3 a 15 s, sonido nativo
- 720p o 1080p
- Texto, imagen, referencias y video a video
Casos de uso
Portavoz multilingüe
Un farmacéutico amable en un mostrador dice en francés «Bonjour, comment puis-je vous aider ?» con una sonrisa suave. 5 segundos.
La sincronización labial cubre siete idiomas, entre ellos el francés.
Producto en contexto
Con la foto de mi producto como referencia, muestra el altavoz sobre una encimera de cocina con luz de la mañana, con la cámara acercándose despacio. 8 segundos.
El modo de referencias mantiene coherente el producto.
Retocar un clip
Cambia la chaqueta roja por un impermeable verde en mi clip y mantén el movimiento al caminar.
1.0 ofrece un modo de edición de video.
Frente a sus rivales
- Wan 3.0Wan 3.0 llega hasta 30 s y acepta documentos como entrada.Puesto 3 de 22 en Artificial Analysis Image to Video Arena ( 1164 Elo)
- Kling V3Kling V3 añade multiplano, control de movimiento y un nivel 4K.Puesto 12 de 22 en Artificial Analysis Image to Video Arena ( 1055 Elo)
- MiniMax H3 (Hailuo)MiniMax H3 llega a 2K con pesos abiertos.Puesto 1 de 22 en Artificial Analysis Image to Video Arena ( 1195 Elo)
Historial de versiones
Cada versión, con su fecha y lo que cambió respecto a la anterior.
Los puntos huecos son versiones anteriores que Sub Rosa ya no ofrece.
Ver las cifras
| Versión | Lanzamiento | Elo |
|---|---|---|
| HappyHorse 1.0 | 2026-04-27 | 1083 |
| HappyHorse 1.1 | 2026-06-28 | 1104 |
- HappyHorse 1.0
- Video y audio en una sola pasada, con sincronización labial en 7 idiomas.
- Endpoints de texto, imagen, referencia y edición de video en 720p y 1080p.
- HappyHorse 1.1La más reciente
- Mayor coherencia de escena, fidelidad al prompt y consistencia temporal.
- Generación a partir de hasta 9 imágenes de referencia, clips de 3 a 15 s.
Benchmarks
Cómo leer estas puntuaciones: lo que te dice un benchmark.
Artificial Analysis Image to Video Arena: puesto 4 de 22 modelos medidos en el catálogo. El mismo duelo a ciegas, a partir de una imagen: qué clip le da vida mejor. Una puntuación Elo: cuanto más alta, más a menudo se prefiere. Con 100 puntos de diferencia, el modelo con mayor puntuación gana alrededor del 64 % de los duelos.
- 1. MiniMax H3 MaxMiniMax H3 (Hailuo)1195
- 2. MiniMax H3MiniMax H3 (Hailuo)1181
- 3. Wan 3.0Wan 3.01164
- 4. HappyHorse 1.1HappyHorse1104
- 5. Grok Imagine 1.5Grok Imagine video1098
- 6. HappyHorse 1.0HappyHorse1083
- 7. Veo 3.1 Full QualityVeo 3 y 3.11082
- 8. Wan 2.7Wan 2.x1077
- 9. Grok ImagineGrok Imagine video1072
- 10. Veo 3.1 FastVeo 3 y 3.11066
Ver las cifras
| Modelo | Elo |
|---|---|
| 1. MiniMax H3 Max | 1195 |
| 2. MiniMax H3 | 1181 |
| 3. Wan 3.0 | 1164 |
| 4. HappyHorse 1.1 | 1104 |
| 5. Grok Imagine 1.5 | 1098 |
| 6. HappyHorse 1.0 | 1083 |
| 7. Veo 3.1 Full Quality | 1082 |
| 8. Wan 2.7 | 1077 |
| 9. Grok Imagine | 1072 |
| 10. Veo 3.1 Fast | 1066 |
Artificial Analysis Text to Video Arena with audio: puesto 9 de 18 modelos medidos en el catálogo. El duelo para clips con sonido: imagen, voces, efectos y lo bien que encajan. Una puntuación Elo: cuanto más alta, más a menudo se prefiere. Solo participan los modelos que generan su propio sonido.
- 1. Wan 3.0Wan 3.01156
- 2. Seedance 2.5Seedance 2.51142
- 3. MiniMax H3MiniMax H3 (Hailuo)1138
- 4. MiniMax H3 MaxMiniMax H3 (Hailuo)1134
- 5. Flux 3FLUX 3 video1127
- 6. Seedance 2.0Seedance 2.0 y 1.51119
- 7. Gemini Omni Flash 1.1Gemini Omni Flash1113
- 8. Grok Imagine 1.5Grok Imagine video1044
- 9. HappyHorse 1.1HappyHorse1043
- 10. Wan 2.7Wan 2.x1029
- 11. HappyHorse 1.0HappyHorse1025
Ver las cifras
| Modelo | Elo |
|---|---|
| 1. Wan 3.0 | 1156 |
| 2. Seedance 2.5 | 1142 |
| 3. MiniMax H3 | 1138 |
| 4. MiniMax H3 Max | 1134 |
| 5. Flux 3 | 1127 |
| 6. Seedance 2.0 | 1119 |
| 7. Gemini Omni Flash 1.1 | 1113 |
| 8. Grok Imagine 1.5 | 1044 |
| 9. HappyHorse 1.1 | 1043 |
| 10. Wan 2.7 | 1029 |
| 11. HappyHorse 1.0 | 1025 |
Los 7 modelos de esta familia
| Modelo | Uso | Privacidad | Precio |
|---|---|---|---|
HappyHorse 1.0happyhorse-1-0-text-to-video | Texto a video | Anonimizado | 0,119 $ por segundo de video0,594 $ por un clip de 5 s |
HappyHorse 1.0happyhorse-1-0-image-to-video | Imagen a video | Anonimizado | 0,119 $ por segundo de video0,594 $ por un clip de 5 s |
HappyHorse 1.0 Referencehappyhorse-1-0-reference-to-video | De referencias a video | Anonimizado | 0,119 $ por segundo de video0,594 $ por un clip de 5 s |
HappyHorse 1.0 Edithappyhorse-1-0-video-to-video | Texto a video | Anonimizado | Se muestra en la app |
HappyHorse 1.1happyhorse-1-1-text-to-video | Texto a video | Anonimizado | 0,089 $ por segundo de video0,445 $ por un clip de 5 s |
HappyHorse 1.1happyhorse-1-1-image-to-video | Imagen a video | Anonimizado | 0,089 $ por segundo de video0,445 $ por un clip de 5 s |
HappyHorse 1.1 Referencehappyhorse-1-1-reference-to-video | De referencias a video | Anonimizado | 0,0891 $ por segundo de video0,446 $ por un clip de 5 s |
Especificaciones
| Especificación | HappyHorse 1.1 | HappyHorse 1.0 |
|---|---|---|
| Lanzamiento | 28 de junio de 2026 | 27 de abril de 2026 |
| Acepta | text, images | text, images, video |
| Produce | video, audio | video, audio |
| Duración de los clips | 3 a 15 s, con sonido | 3 a 15 s, con sonido |
| Resoluciones | 1080p, 720p | 1080p, 720p |
| Idiomas | · | 7 idiomas con sincronización labial (EN, ZH, YUE, JA, KO, DE, FR) |
| Precio | 0,089 $ por segundo de video | 0,119 $ por segundo de video |
| Privacidad | Anonimizado | Anonimizado |
Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.
Fuentes
Todo lo que hay en esta página viene de estas páginas, leídas el 16 de octubre de 2026 o en la fecha indicada en cada puntuación.