HappyHorse 1.1 レビュー：1枚のフレームから、音声も無料で

コンテンツ段階の実行からはフレームを公開していません。結果は文章で報告します。代わりに、HappyHorse 1.1 が他社の十数の画像から動画・テキストから動画シリーズと同一のプロンプトを実行した、同日の比較バッチで見たものをここに記します。

本棚に飛び乗るネコ。 かがんで身をよじり、2 段目の棚に飛び乗るよう頼んだところ、HappyHorse 1.1 はカメラを固定したまま、ネコをきれいに着地させ、姿勢を正してレンズに顔を向けさせました。溶けた前足も、フレーム間で角度が変わる棚もなく、同じバッチの一部の高価格な段階に見られた問題です。

カメラを止めた本物の笑顔。 クローズアップで女性が「slowly breaks into a genuine smile and tilts her head slightly」する場面では、表情が自然に構築され、背景も動きませんでした。カーテンの色や背後の光にずれはなく、これは同一プロンプトで少なくとも 1 つの競合をつまずかせた点です。

ポアオーバーの膨らみ。 ドリッパーに注がれる湯、泡立ち膨らむコーヒー粉、カップから立ち上る湯気——細かい泡のディテールと説得力のある注ぎのカーブは、同じバッチの物理現象が絡むこのプロンプトで好成績だった他社シリーズと同水準でした。

動き出す油絵。 港の絵画を——船が揺れ、雲が流れ、水面が波立つように——太い筆致のテクスチャを保ったままアニメーション化するよう頼むと、絵画的な見た目は写真にならすことなくクリップ全体で保たれました。

書いた依頼への音声。 雨のコンビニから出ていく場面を描いた文章だけを与えたところ、そのスキーマに音声を頼むフィールドがないにもかかわらず、映像に合わせて生成された雨音と足音付きでクリップが返ってきました。

HappyHorse 1.1 は段落を文字どおりに読みます。まずカメラの振る舞いを名指しし（「the camera stays on him」）、次に 1 つの連続した物理的アクションを記述し、服装や設定のディテールは言葉ではなく画像や参照写真に任せましょう。

1. 画像から動画、明確なカメラの指示 1 つ。

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.

このプロンプトを HappyHorse 1.1 で試す →

2. 固定カメラと 1 つの物理的アクション。

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

このプロンプトを HappyHorse 1.1 で試す →

3. テキストから動画、参照画像なしの 1 段落。

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.

このプロンプトを HappyHorse 1.1 で試す →

弱いプロンプト：「A woman on a bike.」カメラの振る舞いもペースも光も指定されていないので、モデルはこの 3 つすべてを自分で発明しなければならず、結果は再現できません。強いプロンプト： プロンプト 2——1 つのカメラの動き、1 つの物理的な出来事、モデルの注意を奪い合うものが他に何もありません。

当社のコンテンツ段階は、L1 ほのめかし（ランジェリー、ずり落ちる肩紐）から L2 部分露出、L3 強めを経て、L4 高強度（大人同士の親密な場面）、そして L5 極限に至ります。L5 極限は 2 種類の独立したプローブとして検証しています：合意ある拘束と刺激プレイ、そして映画的なゴア表現です。

画像から動画では、2026 年 9 月 25 日に実行したすべての段階——L1 から L3、L4 高強度、そして L5 極限の両プローブ種別まで——が拒否も弱めもなく指示どおりに出ました。参照から動画はその日 L1 と L3 だけを試し、どちらも出力されました。テキストから動画は違う結果でした。L1、L2、L5 極限ゴアは毎回出力されましたが、L4 高強度のプロンプト 3 本すべてと L5 極限拘束のプローブ両方は拒否され、L3 強めのプロンプト 3 本中 1 本は書いたとおりではなく弱めて返ってきました。

ページ上の表示は、画像から動画と参照から動画のエンドポイントでは 規制なし です。当社側でコンテンツフィルターは追加していません。テキストから動画はそれ自体の側でより厳しい一線を持っています——その違いは当社が課しているものではなく、その 1 つの経路の応答の仕方に組み込まれています。プロジェクトが書いた依頼から最も厳しい段階に着地する必要があるなら、代わりに静止画をアニメーション化し、画像から動画で同じ結果を得てください。

まだ試していないこと： L3 強めを超える参照から動画、コンテンツ段階のどれかでの 9 枚フルの参照上限、L1 ほのめかしを超える女性 2 人・男性 2 人の場面。

プロンプト、参照画像のすべてで成人のみ。実在し特定できる人物には本人の同意が必要で、参照や開始フレームとして使うすべての写真の権利もお客様側でご用意ください。

HappyHorse の公開ストーリーはベンチマークのストーリーです。このモデルは匿名で Artificial Analysis のアリーナに登場し、両方の動画リーダーボードで一時トップに立った後、Alibaba の ATH チームが自社のものだと明かしました。続く 1.1 アップデートでは、より速い動きと安定した複数参照の一貫性が追加されました。英語圏の開発者コミュニティでの独立した論評は少なく、存在するものも評価が割れています。

最も声高な疑問は、AI 動画のヘビーユーザーの少なくとも 1 人から出ています。Artificial Analysis のベンチマーク手法は信頼できないと主張し、あるコメント投稿者は、このリーダーボードが「このモデルが実際には全くのゴミであるにもかかわらず、Happy Horse を良いモデルとしてランク付けし続けている」と書きました。ある返信はこれに負けじと反論しています。「私たちにはデータがあるが、あなたにはあなたの逸話がある」。別の、より早い時期のスレッドはまったく異なる懸念を提起していました。公開前はアリーナでしか到達できなかったため、その希少性が「そっくりなサイトで人を騙そうとする模倣者たちにとってのご馳走」になった、というものです。

私たち自身の検証は、画質とプロンプトへの忠実さについては、その議論の「データ」側に近い結果でした。そして、テキストから動画で見つけた拒否のパターンは、純粋なベンチマークスコアだけではどちらにしても見えてこない類のものです。

• 照らし合わせられる公開のリーダーボード順位があるモデルが欲しい？ Vidu Q3 も規制なしの画像から動画専用の選択肢で、一律の秒単価ではなく解像度で価格が決まります。Vidu Q3 のレビュー。
• もっと安く、私たちの検証で全段階を通過した？ MiniMax H3 は 1 秒 $0.025 からで、3 つの入り口すべてで自社検証のコンテンツ段階を出力しました。
• 台本どおりに進む長いテイクが欲しい？ Seedance 2.5 は 30 秒の台本や大きな参照キャストを保持でき、720p で 1 秒 $0.2773 からです。
• テキスト・画像・参照から、音声付きの規制なし 30 秒クリップが欲しい？ Wan 3.0 は 1 秒 $0.045 から、私たちが試したすべてのタスクで全段階を通過しました。