Test de HappyHorse 1.1 : une image en entrée, le son est gratuit

Nous ne publions pas d’images issues de nos tests d’échelle de contenu ; nous rapportons les résultats en prose. Voici en revanche ce que nous avons vu sur le lot de comparaison du même jour, où HappyHorse 1.1 a couru les mêmes prompts qu’une douzaine d’autres familles image vers vidéo et texte vers vidéo.

Un chat bondissant sur une étagère. Chargé de s’accroupir, de frétiller et de bondir sur la deuxième étagère, HappyHorse 1.1 a gardé la caméra fixe et fait atterrir le chat proprement, assis bien droit et face à l’objectif — pas de pattes fondues, pas d’étagère qui change d’angle entre les images, un problème vu chez certains paliers plus chers du même lot.

Un vrai sourire, caméra fixe. Sur un gros plan où une femme « éclate lentement en un sourire sincère et incline légèrement la tête », l’expression s’est construite naturellement et l’arrière-plan est resté stable — aucune dérive dans la couleur du rideau ni dans la lumière derrière elle, ce qui a fait trébucher au moins une rivale sur ce même prompt.

Un bouillonnement de café filtre. L’eau qui coule dans le filtre, les grains de café qui moussent et bouillonnent, la vapeur qui monte de la tasse : un détail de bulles fin et un arc de versement convaincant, à la hauteur des meilleures familles du même lot sur ce prompt riche en physique.

Une peinture à l’huile qui prend vie. Chargée de faire vivre un tableau de port — bateaux qui tanguent, nuages qui dérivent, eau qui ondule — tout en gardant le grain épais des coups de pinceau, l’allure picturale a tenu sur tout le clip plutôt que de s’aplatir en photographie.

Du son sur un simple brief. Sans rien d’autre qu’un paragraphe décrivant une sortie de supérette sous la pluie, le clip est revenu avec une ambiance pluvieuse et des bruits de pas calés sur l’image, sur un point de terminaison dont le schéma n’a aucun champ pour le demander.

HappyHorse 1.1 lit un paragraphe au pied de la lettre : nommez d’abord le comportement de la caméra (« la caméra reste sur lui »), puis décrivez une seule action physique continue, et laissez tout détail de tenue ou de décor à l’image ou aux photos de référence plutôt qu’aux mots.

1. Image vers vidéo, une seule instruction de caméra claire.

The camera stays on him as he swings a leg over the tank, jacket hanging open. The same rider, the same open jacket, the same motorcycle, the same filling station at night: he swings a leg over the tank and settles, the overhead light pressing shadows across the tank.

Lancer ce prompt sur HappyHorse 1.1 →

2. Une caméra fixe et une seule action physique.

Slow push-in along the forest path as sunbeams break through the mist and a few leaves drift down.

Lancer ce prompt sur HappyHorse 1.1 →

3. Texte vers vidéo, un seul paragraphe, aucune image de référence.

An adult woman in a cropped tank top and denim shorts sits on the tailgate of a pickup truck at a desert sunset, boots swinging, tipping a bottle of beer and squinting into the low sun, dust drifting past. Warm orange backlight, lens flare, five seconds, 720p.

Lancer ce prompt sur HappyHorse 1.1 →

Faible : « A woman on a bike. » Rien sur le comportement de la caméra, le rythme ou la lumière, si bien que le modèle doit inventer les trois et le résultat ne se répétera pas. Fort : le prompt 2 — un seul mouvement de caméra, un seul événement physique, rien d’autre qui rivalise pour l’attention du modèle.

Notre échelle de contenu va de L1 Suggestif (lingerie, une bretelle qui glisse) en passant par L2 Thèmes matures et L3 Fort jusqu’à L4 Intense (une scène intime entre deux adultes) et L5 Extrême, testé comme deux tests séparés : contrainte consentie et jeux d’impact, et gore cinématographique.

En image vers vidéo, chaque palier testé le 25 septembre 2026 est revenu tel que demandé — L1 à L3, L4 Intense, et les deux types de test L5 Extrême, sans refus ni rien d’atténué. En référence vers vidéo, nous n’avons testé que L1 et L3 ce jour-là, et les deux ont rendu. Le texte vers vidéo raconte une autre histoire : L1, L2 et le gore L5 Extrême ont rendu à chaque fois, mais les trois essais L4 Intense et les deux essais de contrainte L5 Extrême ont été refusés, et un des trois essais L3 Fort est revenu atténué plutôt que tel qu’écrit.

L’étiquette de la page est Sans censure pour les points de terminaison image vers vidéo et référence vers vidéo : nous n’ajoutons aucun filtre de contenu de notre côté. Le texte vers vidéo se tient derrière sa propre ligne plus stricte — la différence n’est pas quelque chose que nous imposons, elle est intégrée à la façon dont ce seul chemin répond. Si votre projet doit atteindre les paliers les plus stricts depuis un brief écrit, animez plutôt une image fixe et obtenez le même résultat par l’image vers vidéo.

Pas encore testé : la référence vers vidéo au-delà de L3 Fort ; le plafond complet de neuf images de référence sur n’importe quel palier de l’échelle ; les scènes à deux femmes ou deux hommes au-delà de L1 Suggestif.

Réservé aux adultes, dans chaque prompt et chaque image de référence. Une personne réelle et identifiable doit avoir consenti, et vous devez détenir les droits sur chaque photo utilisée comme référence ou comme image de départ.

L’histoire publique de HappyHorse est une histoire de benchmark : le modèle est apparu anonymement sur l’arène d’Artificial Analysis et a brièvement dominé les deux classements vidéo avant que l’équipe ATH d’Alibaba ne le revendique, et la mise à jour 1.1 qui a suivi a ajouté un mouvement plus rapide et une cohérence multi-référence plus stable. Les commentaires indépendants à son sujet dans les communautés de développeurs anglophones sont rares, et ce qui existe est partagé.

Le doute le plus fort vient d’au moins un utilisateur assidu de vidéo IA : arguant que la méthodologie de benchmark d’Artificial Analysis est peu fiable, un commentateur a écrit que le classement « continue de classer Happy Horse comme un bon modèle alors que le modèle est absolument mauvais ». Une réponse a rétorqué tout aussi franchement : « vous avez vos anecdotes, nous avons des données ». Un fil antérieur et distinct a soulevé une inquiétude différente — que, le modèle n’étant accessible que par l’arène avant sa sortie publique, cette rareté en ait fait « un festin pour les copieurs cherchant à arnaquer les gens » avec des sites imitateurs.

Nos propres tests penchent plutôt du côté des « données » sur la qualité d’image et le respect du prompt, et le schéma de refus que nous avons trouvé sur le texte vers vidéo est exactement le genre de chose qu’un simple score de benchmark ne montrerait pas non plus.

• Un modèle avec des classements publics à vérifier ? Vidu Q3 est une autre option image vers vidéo uniquement, sans censure, tarifée à la résolution plutôt qu’à un taux fixe à la seconde. Notre test de Vidu Q3.
• Moins cher, et chaque palier franchi dans nos tests ? MiniMax H3 démarre à $0.025 la seconde et a rendu chaque palier de notre échelle de contenu dans nos propres tests, par trois voies d’entrée.
• Une prise plus longue qui doit suivre le script ? Seedance 2.5 tient un script de 30 secondes ou un grand casting de référence, dès $0.2773 la seconde en 720p.
• Des clips sans censure de 30 secondes avec son, depuis un texte, une image ou des références ? Wan 3.0, dès $0.045 la seconde, a franchi chaque palier testé sur chaque tâche.