HappyHorse 1.0

Первая публичная версия видеомодели Alibaba. Главная идея — единая архитектура на 15 миллиардов параметров, которая генерирует картинку и синхронный звук за один проход, без отдельной стадии озвучки. Модель сразу поддержала четыре режима: текст в видео и картинка в видео, каждый со звуком и без. Длина ролика — 3–15 секунд, разрешение до 1080p, липсинк до семи языков.

Дебют получился громким: HappyHorse заняла первое место в категориях «текст в видео» и «картинка в видео» независимого рейтинга Artificial Analysis, обойдя прежнего лидера. Автор оставался неизвестным до 10 апреля, когда авторство подтвердила Alibaba (лаборатория Future Life Lab в составе Taotian Group). К лету версия разошлась по продакшену: короткие сериалы, реклама для электронной коммерции, бренд-маркетинг и CG.

Что появилось в 1.0:

• генерация видео и нативного звука одной моделью за один проход;
• четыре режима: text-to-video и image-to-video, со звуком и без;
• липсинк до семи языков, ролики 3–15 секунд, до 1080p;
• первое место в рейтинге Artificial Analysis по двум ключевым категориям.