物理法則に沿った動き
浮遊感ではなく、説得力のある動き
現実の物理法則に沿うモーションエンジンで学習。衝突には重みがあり、布には自然なひだが生まれ、手足は自然な弧を描いて動きます。従来の動画モデルにありがちな、ゆがんだ動きや不自然にスローな動きが抑えられています。
Happy Horse 1.0 プロンプトガイド#1 on Video Arena
Happy Horse 1.0 プロンプトガイドへようこそ。Alibabaの最新動画モデルは、物理法則に沿った動きと複数ショットに対応し、長く構造化されたプロンプトにも際立って忠実です。書き方のコツ、他との違い、そのまま使えるプロンプトの型を紹介します。
Happy Horse 1.0は、AlibabaのATH AI Innovation Unitが開発した最新の動画生成モデルです。特長は、長く構造化されたプロンプトを多くの動画モデルより忠実に反映すること。不自然に漂うのではなく、物理法則に沿った動きを描くこと。そして現在、モデル名を伏せた横並び比較の支持で、Artificial Analysis Video Arenaランキングの#1に立っていることです。
PixelDojoのHappy Horseは、テキストから動画、画像から動画の2つのモードに対応。解像度は720pまたは1080p、動画の長さは2〜15秒です。料金は720pが1秒あたり4クレジット、1080pが6クレジットで、生成成功時のみ課金されます。Reference-to-Videoは新しい1.1エンジンが標準で、720pは1秒あたり3クレジット、1080pは4クレジットと、より低料金で利用できます。
Happy Horse プロンプトガイドでは、モデルの得意分野、その強みを引き出すプロンプトの組み立て方、定番ショットに使えるコピペ用の作例を紹介します。
Happy Horseが前世代から大きく進化した6つのポイント。これらを生かしてプロンプトを組めば、その違いがすぐにわかります。
浮遊感ではなく、説得力のある動き
現実の物理法則に沿うモーションエンジンで学習。衝突には重みがあり、布には自然なひだが生まれ、手足は自然な弧を描いて動きます。従来の動画モデルにありがちな、ゆがんだ動きや不自然にスローな動きが抑えられています。
一つのプロンプトでカットを切り替える
Happy Horseは、複数のカメラアングルや展開を記述した、長く構造化されたプロンプトへの追従が得意です。三つのショットからなる短いシーケンスを書けば、一つの10-15sクリップ内で実際にカットを切り替えます。
そのままで映える仕上がり
LUTを当てる前から、シャープな質感、バランスの取れたコントラスト、心地よい色表現に仕上がります。肌の色、生地の織り目、表面の素材感も自然。プラスチックのような顔や、濁った黒を抑えられます。
開始フレームをそのまま活かす
静止画を動かすとき、Happy Horseは被写体の外見、衣装、ライティングをクリップ全体で維持します。シーンの途中で顔が変わったり、小道具の位置がずれたりしないので、キャラクターが主役のショットにぴったりです。
EN, ZH, JA
英語、中国語、日本語のプロンプトをそのまま理解します。1つのプロンプトで複数の言語を使うこともできます。他の言語ではニュアンスを伝えにくい、的確な表現を使いたいときに便利です。
#1 on Video Arena
モデル名を伏せた映像の横並び比較で、現在Artificial Analysis Video Arenaのランキング首位。つまり、多くの競合モデルより、その出力が人に選ばれています。
Happy Horseのプロンプトで頼れる基本構成です。五つの要素すべてが必須ではありませんが、この順番で書くと、モデルが監督のようにショットを組み立てられます。
Who or what is in frame, and what they're doing right now. Be specific about clothing, age, posture, expression — these anchor the rest of the scene.
Where and when. Time of day matters more than you'd think — "golden hour", "blue hour", "overcast noon" each give the model a complete lighting direction.
Name the move explicitly. Push-in, pull-back, side-tracking, low-angle dolly, slow orbit. Static shots are fine too — just say "locked off" or "static camera".
What changes during the clip. For multi-shot prompts, number them: "Shot 1… Shot 2…". For single shots, name the micro-action (a blink, a turn, a step forward).
Closing tags steer the look: "hyper-realistic", "cinematic", "anime style", "film grain", "8k", "shallow depth of field". Happy Horse responds to film vocabulary.
よく使うショットをカバーする6つのプロンプト。そのままコピーして実行できるほか、各例のポイントをもとに、自分のプロンプトへアレンジできます。
ゆっくり寄る、ゴールデンアワー
ポイント: ワイドで始めて、寄る。「ゆっくり寄ってミディアムショットへ」のようにカメラワークを明記すると、Happy Horseに動きの流れが伝わります。同じ被写体の固定ショットより、ぐっと力のある映像になります。
1つのプロンプト内で複数ショット
ポイント: ショットに番号を付けましょう。Happy Horseは10sの動画内で、明示した2-3回のカメラ切り替えを的確に処理します。各場面にカメラアングルと具体的な動作を指定し、カットの切り替え位置を明確にしましょう。
固定カメラのワンショット
ポイント: ポートレートでは、まばたき、かすかな笑み、葉が舞う動きなど、欲しい微細な動作を指定します。Happy Horseは、被写体を静止させたり動かしすぎたりせず、小さな動きを自然なタイミングで描きます。
スタイライズされた手描きの質感
ポイント: 冒頭でスタイルを指定しましょう。「スタジオアニメ調」「セルシェーディング」「細くすっきりした線画」などが有効です。Happy Horseはカメラが動いても2Dの表現を安定して維持するので、毎文スタイルを繰り返す必要はありません。
15s広告の構成
ポイント: 広告は、ディテール → アクション → 主役を魅せるショットの順に構成します。「クリーン、上質」などの形容詞で、ブランド名を出さずに色やテンポを導けます。
環境から組み立てるプロンプト
ポイント: 風景が主役なら、被写体より先に舞台を作り込みましょう。空間の存在感、光の向き、時間帯を指定すれば、Happy Horseは遠くに小さく映る人物も一貫して描写します。
Happy Horseは、静止画に動きをつける際の一貫性が際立っています。I2Vモードの力を引き出すコツを紹介します。
The model can see your reference. Don't restate what's already in frame — focus the prompt entirely on what should happen next.
Sharp focus, well-lit, no compression artifacts. Happy Horse holds detail well, but it inherits the source image — garbage in, garbage out.
Crop the source to the orientation you want (16:9, 9:16, 1:1) before uploading. The model adapts to the source ratio rather than a separate setting.
"Slow push-in", "slight handheld sway", "the wind picks up". Even gentle named motions read more naturally than "make it move".
If you need a specific face, build it as a still in your favorite image model first, then animate with Happy Horse: the identity holds rock-solid through the whole clip.
5 seconds is the sweet spot for "alive portrait" style clips. Save multi-shot prompts for T2V, where they shine.
Happy Horse Reference-to-Video は1〜9枚の参照画像とプロンプトを受け取ります。各画像にはトークンが割り当てられます。 character1, character2…。モデルは動きの中でも各被写体の外見を維持します。複数キャラクターのシーン、特定の参照アイテムを使った商品配置、複数ショットにわたる顔の固定に活用できます。現在は、1秒あたりの料金がより低い新しい1.1エンジンがデフォルトです。従来の1.0もバージョン選択から引き続き使えます。
使える紐づけ方は2通り
トークンは名詞の直後に置くと自然に読み取られます(「赤いチャイナドレスを着た女性 character1 扇子を開く character2」)。宣言文で対応づける方法も同じように機能し、自動化も簡単です。プロンプトの冒頭を「Mayaは character1。革のサッチェルバッグは character2。」と書き、あとは名前を使って普段どおりに動作を記述します。
プロの技: トークンでひも付けられるのは人物だけではありません。絵コンテの静止画やレイアウト画像を最初に置き、冒頭を次のように始めます。「character1 がこのショットの絵コンテフレームです。構図、フレーミング、キャラクターの配置を正確に合わせ、このフレームを起点に動かしてください」。続いて、登場人物を次の参照画像に紐づけます。 character2 まで。これはまさに、PixelDojoの Film Studio がHappy Horseを動かします。承認済みのフレームを先頭に置き、その後ろで登場人物を名前に紐づけます。
参照画像3枚 → 1つのショット
ポイント: 参照画像にはすべて番号を付けましょう。順番はアップロード欄の並びに対応し、1枚目がcharacter1、2枚目がcharacter2となります。モデルは、それぞれを指定した役割に配置します。
1枚の参照画像 → 映画のように再演出
ポイント: 参照画像1枚で、特定の顔やキャラクターを好きな環境に配置できます。人物の外見はそのままに、衣装、ライティング、背景はプロンプトに合わせて変わります。
被写体が画面の大部分を占める、鮮明で明るい写真を使いましょう。大胆なトリミング、極端なアングル、雑然とした背景は避けてください。モデルは参照画像に写っているものをすべて拾います。
複数のキャラクターを一枚の画像にまとめないでください。それぞれ別の参照画像としてアップロードし、プロンプト内でcharacter1 / character2と指定します。
character1が赤髪なら、プロンプトに「赤髪の」と書く必要はありません。モデルはすでに把握しています。プロンプトはアクションとカメラの演出に使いましょう。
参照画像は顔でなくても使えます。衣装、車両、武器、特徴的なアイテムにも対応。人物と同じように、キャラクタートークンで指定しましょう。
Happy Horse Video Edit はテキストの指示で既存のクリップを変換します。指示内容に応じて、2つのモードが自然に切り替わります。 スタイル転写 (動画全体のスタイル変換)と 部分置換 (参照画像を使って衣装、小道具、オブジェクトを置換)。物理法則に沿った動きも、複数ショットへの対応も、ベースモデルと同じ持ち味。その力を手持ちの映像に適用できます。
参照画像なし、プロンプトのみ
ポイント: スタイル変換では、画材や表現(水彩、木炭、油絵、アニメ、クレイアニメ)、配色、そして「筆跡が見える」「ざらついた紙」などの質感を一つか二つ指定します。動きと構図を維持する指示も加えましょう。
固有名詞でスタイルを指定
ポイント: スタジオ名や監督名を使えば、「Studio Ghibli」「Wes Anderson」「Roger Deakins」のような一言で、細部を列挙せずにおなじみの映像表現を指定できます。「元のカメラワークを維持」と組み合わせれば、ショットの意図も保てます。
「水彩」「油絵」「木炭画」「Studio Ghibli」「コミック」「クレイアニメ」。曖昧な形容詞を五つ並べるより、具体的な表現を一つ指定するほうが効きます。
「セーターを差し替える」「車をこれに変える」「キャラクターをこの髪型にする」場合は、変更先の対象を参照画像としてアップロードし、置き換えを一つの指示で書きます。
デフォルトのAutoでは、モデルが音声を判断します。入力動画の会話、音楽、特徴的な音を残したいときはOriginalを選択してください。映像は変わっても、音声トラックはそのまま保持されます。
MP4またはMOV、3-60秒、最大100MB。出力は最大15秒です。長い元動画は冒頭の15秒に切り詰められます。主役がはっきりした動画を使うと、より良い結果が得られます。
「Shot 1: …Shot 2: …Shot 3: …」と書きます。Happy Horseは番号付きの各ブロックを別のカメラアングルとして扱い、1つのクリップ内で切り替えます。
具体的に指定します。「ゆっくりドリーイン」「横から追うトラッキングショット」「ローアングルで寄る」「カメラ固定」。動きの指示が曖昧だと、結果も安定しません。
「ゴールデンアワー」「ブルーアワー」「曇りの正午」「ネオンが照らす夜」。色を一つずつ指定しなくても、この言葉だけで照明全体を設定できます。
プロンプトを「ハイパーリアル、シネマティック、8k、浅い被写界深度」で締めると、モデルの最高精細な出力を引き出す方向に導けます。
単一ショットのプロンプトでは、カメラに一つの役割を与えます。ズーム + 周回 + パンなど、同時に動きを詰め込みすぎると、たいてい動きが乱れます。
木漏れ日のような日本語ならではの言葉は、英語では的確に表しにくい空気感を際立たせます。Happy Horseは、その意味をそのまま理解します。
最も低コストな720p × 5sで試行を重ね、採用するプロンプトが決まったら、仕上げに1080p × 10-15sで再生成します。
詳細設定を開き、シードを固定しましょう。ランダムな変化に左右されず、プロンプトの変更が結果にどう影響するかを個別に確認できます。
テンポよく切り替える複数ショットのプロンプトでは、各展開に時間帯を指定します。「Shot 1 (0-1s): ワイドの導入ショット… Shot 2 (1-4s): ミディアムのトラッキングショット… Shot 3 (4-5s): ゆっくり寄るクローズアップ。」括弧内の時間が明確なカット位置となり、一つのクリップ内でテンポをコントロールできます。
仕上がりが平板だったり、顔がプラスチックのようになったりしたら、まずは曖昧な褒め言葉を削りましょう。「美しい」「圧巻」「すごい」「華麗」「傑作」「壮大」「息をのむ」「驚異のディテール」「超高精細」などです。代わりに「35mm望遠」「浅い被写界深度」「暖かな琥珀色の逆光」のような具体的な技術指定を一つ入れ、再生成します。
booru形式のタグ一覧、JSON形式の入力、括弧による重み付け、似た色名の羅列は不要です。Happy Horseには、文章で伝えるのが効果的。曖昧な5語より、的確な1語が効きます。
Happy Horse 1.0が実力を発揮する場面と、プロンプトの力を引き出すプロの技をまとめました。
解像度
720p · 1080p
元動画に準拠 / 選択した比率
長さ
2 – 15s
5s for portraits, 10-15s for multi-shot
コスト
4 cr/s · 6 cr/s
720p · 1080p。生成失敗時は返還。1.1のR2V: 3 · 4。Video Edit: 5 · 9
対応言語
EN · ZH · JA
1つのプロンプトで自由に組み合わせ
Happy HorseはAlibabaの最新動画生成モデルファミリーです。PixelDojoでは、テキストから動画、画像から動画、参照画像から動画(キャラクターや小道具の画像1-9枚)、動画編集(既存クリップのスタイル変換 + 部分置換)の四つを使えます。すべて720pまたは1080pに対応し、クリップの長さは最大15秒です。Reference-to-Videoのデフォルトは、秒単価が安い新しい1.1エンジンになりました。従来の1.0も、バージョン選択からワンクリックで使えます。ベースモデルは現在、モデル名を伏せた比較の支持でArtificial Analysis Video Arenaランキングの#1に立っています。
Happy HorseとWAN 2.7は同じ基盤プロバイダーを利用していますが、チューニングが異なります。Happy Horseは、物理的に正確な動き、複数ショットの演出、鮮明な質感を重視。WAN 2.7はPixelDojo上の機能がより豊富です(最初と最後のフレーム制御、動画延長、音声同期)。テキストや画像からきれいな動画を生成するなら、まずHappy Horseを試してください。
テキストから動画、画像から動画の料金は、720pが1秒あたり4クレジット、1080pが6クレジットです。Reference-to-Videoは1.1エンジンが標準で、720pが1秒あたり3クレジット、1080pが4クレジット。5秒の720p動画なら15クレジットです。従来の1.0を選ぶと、料金は4/6クレジットになります。動画編集は、新しい動画と元動画をあわせて処理するため、出力動画1秒あたり720pで5クレジット、1080pで9クレジットです。課金は生成成功時のみ。失敗したジョブのクレジットは自動で返還されます。
2秒から15秒。まとまりのある単一ショットなら5秒前後が最適です。ショット番号や時間指定の括弧を使う複数ショットのプロンプトでは、各展開に余裕を持たせるため10-15秒を試してください。
はい。Happy Horse 1.0は英語、中国語、日本語をネイティブに理解します。1つのプロンプトに複数の言語を混ぜても問題ありません。ある言語のほうが特定の用語を明確に伝えられるときに便利です。
Happy Horse 1.0(テキストから動画、画像から動画)が基本の主力モデルです。プロンプトや一枚の開始画像から新しく生成するなら、ここから始めましょう。Reference-to-Videoでは最大9枚の参照画像をアップロードでき、character1 / character2のプロンプトトークンで、ショット内の特定のキャラクターや小道具を固定できます。Video Editは既存の動画とプロンプトを使い、スタイル変換(クリップ全体のスタイル変更)や部分置換(参照画像を使った衣装、小道具、オブジェクトの差し替え)を行います。三つとも出力動画の秒数に応じた料金です。Video Editは元動画も処理するため、少し高めの設定です(720pで5、1080pで9)。