符合物理的動態
動得真實,不再飄浮
以遵循真實物理規律的動態引擎訓練。碰撞有重量感,布料會自然摺疊,四肢沿著自然弧線擺動。舊款影片模型常見的動作扭曲、拖慢感,在這裡更少見。
Happy Horse 1.0 提示詞教學#1 on Video Arena
這份 Happy Horse 1.0 提示詞教學,帶你掌握 Alibaba 最新影片模型:符合物理的動態、多鏡頭敘事,還有對長篇結構化提示詞格外精準的執行力。往下看怎麼寫、強在哪,以及能直接複製的提示詞範本。
Happy Horse 1.0 是 Alibaba 旗下 ATH AI Innovation Unit 推出的最新影片生成模型。三大亮點:比多數影片模型更忠實執行長篇、結構化提示詞;動態遵循物理規律,不再隨意飄移;目前在 Artificial Analysis Video Arena 的並排盲測偏好排行榜位居 #1。
在 PixelDojo,Happy Horse 提供文字生成影片與圖片生成影片兩種模式,支援 720p 或 1080p,片長為 2 到 15 秒。720p 每秒 4 點數,1080p 每秒 6 點數,只在生成成功時扣點。參考圖生成影片預設使用較新的 1.1 引擎,費率更低:720p 每秒 3 點數,1080p 每秒 4 點數。
這份 Happy Horse 提示詞指南帶你掌握模型強項、發揮這些優勢的提示詞架構,以及常見鏡頭類型的範例,直接複製就能用。
Happy Horse 有六項能力明顯超越上一代。把這些優勢寫進提示詞,差異立刻看得見。
動得真實,不再飄浮
以遵循真實物理規律的動態引擎訓練。碰撞有重量感,布料會自然摺疊,四肢沿著自然弧線擺動。舊款影片模型常見的動作扭曲、拖慢感,在這裡更少見。
一段提示詞,完成多次切鏡
Happy Horse 特別擅長執行包含多個鏡位或動作段落的長篇結構化提示詞。你可以寫一段三鏡頭短敘事,模型真的會在單支 10-15s 影片內完成切鏡。
直接生成,就有好質感
還沒套用 LUT,成品就已經有清晰紋理、均衡對比與討喜色彩。膚色、布料織紋與表面材質自然呈現,塑膠感人臉與混濁暗部更少。
起始畫面,始終如一
將靜態圖片轉成動態時,Happy Horse 能在整段影片中維持主體的身分特徵、服裝與光線。臉孔不會演到一半變樣,道具也不會漂移,很適合以角色為核心的鏡頭。
EN, ZH, JA
原生理解英文、中文與日文提示詞。同一段提示詞也能混用語言,遇到難以精準翻譯的詞彙時特別好用。
#1 on Video Arena
目前在 Artificial Analysis Video Arena 的並排盲測偏好排行榜名列榜首。白話說:比起多數競爭模型,大家更喜歡它生成的影片。
一套可靠的 Happy Horse 提示詞架構。不必每次都寫滿五個區塊,但依這個順序安排,模型就能像導演一樣逐步構築鏡頭。
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.
六組提示詞,涵蓋最常見的鏡頭類型。每組都能直接複製使用,也能從重點技巧出發,改寫成自己的版本。
緩慢推近,黃金時刻
重點技巧: 從廣角開場,再推近。明確寫出運鏡方式,例如「緩緩推近至中景」,就能給 Happy Horse 清楚的動態進程,比同一主體的固定鏡頭更有張力。
在同一段提示詞中安排多個鏡頭
重點技巧: 替鏡頭編號。Happy Horse 能在 10 秒影片中流暢處理 2-3 次明確的鏡頭切換。每個段落都指定獨立的拍攝角度與肢體動作,讓剪接點一目了然。
單一固定鏡頭
重點技巧: 製作人像影片時,直接寫出想要的細微動態,例如眨眼、淺笑、葉片飄落。Happy Horse 能以自然的時序呈現這些小動作,不會讓主體僵住,也不會動得太誇張。
風格鮮明,手繪質感
重點技巧: 先寫風格描述,例如「動畫工作室風格」、「賽璐璐上色」、「纖細俐落的線條」。Happy Horse 在運鏡過程中也能穩定維持 2D 美感,不必每句都重複風格。
15s 廣告架構
重點技巧: 製作廣告時,依照細節 → 動作 → 主視覺鏡頭安排。「簡潔、高級」這類質感形容詞,不必點名品牌,也能引導色調與節奏。
先定環境,再寫提示詞
重點技巧: 當環境才是主角,就先寫場景,再寫主體。只要周圍世界具備重量感、明確的光線方向與時段,Happy Horse 就能讓遠處的小人物保持一致。
Happy Horse 讓靜態圖片動起來時,一致性格外出色。掌握這些做法,充分發揮 I2V 模式。
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 接受 1-9 張參考圖加上一段提示詞。每張圖片都會對應一個標記: character1, character2…,模型會在動態過程中維持每個主體的身分特徵。適合多角色場景、依指定參考物件置入產品,或讓同一張臉在多個鏡頭中保持一致。目前預設採用較新的 1.1 引擎,每秒費率更低;經典 1.0 仍可在版本選單中選用。
兩種綁定寫法都有效
把標記緊接在對應名詞後面,讀起來最自然(「一位穿紅色旗袍的女子 character1 打開一把摺扇 character2」)。直接宣告角色對應也同樣有效,而且更容易自動化:在提示詞開頭寫「Maya 是 character1。皮革肩背包是 character2。」接著正常使用名稱描述動作即可。
進階技巧:角色代碼能綁定任何參考圖,不只人物。把分鏡靜態圖或構圖圖放在第一張,並以「character1 是這個鏡頭的分鏡畫面:請完全對齊其構圖、取景與角色位置,並以此為起點生成動態。」接著從以下來源綁定角色: character2 起來。這正是 PixelDojo 的 Film Studio 驅動 Happy Horse:確認好的畫面放在第一個位置,後面再依名稱綁定角色。
三張參考圖 → 一個鏡頭
重點技巧: 替每張參考圖編號,順序對應上傳格位:第一張是 character1,第二張是 character2,依此類推。模型會依照你指定的角色安排各張參考圖。
一張參考圖 → 電影感場景重塑
重點技巧: 只要一張參考圖,就能把指定的熟悉面孔或角色放進任何環境。身分特徵維持一致,服裝、光線與場景則依提示詞調整。
選擇清晰、光線充足,且主體占據大部分畫面的照片。避免大幅裁切、極端角度或雜亂背景,因為參考圖裡的所有元素,模型都會讀取。
不要把多個角色合成在同一張圖片裡。請分別上傳參考圖,並在提示詞中以 character1 / character2 標記。
如果 character1 是紅髮,提示詞就不必再寫「紅髮」,模型已經知道。把提示詞空間留給動作與運鏡。
參考圖不一定要是人臉。服裝、車輛、武器、標誌性物件都適用,像標記人物一樣,替它們加上角色代碼即可。
Happy Horse Video Edit 透過文字指令改造現有影片。依照你寫的內容,會自然採用兩種模式: 風格轉換 (將整段影片換成全新風格)與 局部替換 (透過參考圖替換服裝、道具或物件)。延續基礎模型的視覺質感,同樣掌握物理動態與多鏡頭敘事,只是這次用在你現有的影片上。
不放參考圖,只用提示詞
重點技巧: 做風格轉換時,寫明媒材(水彩、炭筆、油畫、動漫、黏土動畫)、配色,以及一到兩個質感線索,例如「可見筆觸」、「顆粒感紙張」。並要求模型保留原本的動態與構圖。
指定創作者風格
重點技巧: 直接寫出工作室或導演名稱,例如「Studio Ghibli」、「Wes Anderson」、「Roger Deakins」,就能鎖定熟悉的視覺語言,不必逐一列出細節。搭配「保留原始運鏡」,就能延續原鏡頭的意圖。
「水彩」、「油畫」、「炭筆素描」、「Studio Ghibli」、「漫畫」、「黏土動畫」。一個精準的風格詞,勝過五個空泛的形容詞。
想「換掉毛衣」、「把車換成這台」或「讓角色換上這個髮型」,就上傳目標物件的參考圖,再用一句指令說明替換內容。
預設 Auto 由模型決定音訊。若原始影片有必須保留的對白、音樂或標誌性音效,請選 Original。畫面會改變,原音軌則完整保留。
MP4 或 MOV,3-60 秒,最大 100MB。輸出最長 15 秒,較長的來源影片只會取前 15 秒。選用主體明確的影片,效果最好。
寫成「鏡頭 1:…鏡頭 2:…鏡頭 3:…」。Happy Horse 會把每個編號區塊視為獨立的拍攝角度,並在同一段影片中切換鏡頭。
把運鏡說清楚。「緩慢滑軌推進」、「側向跟拍」、「低角度推近」、「固定機位」。運鏡描述模糊,結果就不穩定。
「黃金時刻」、「藍調時刻」、「陰天正午」、「夜晚,霓虹照明」。這些詞能直接帶出完整打光,不必逐一指定顏色。
在提示詞結尾加上「超寫實、電影感、8k、淺景深」,能把模型推向最高擬真度的輸出。
單鏡頭提示詞,只給攝影機一個任務。同時混入太多運鏡,例如變焦 + 環繞 + 水平搖鏡,通常會讓動態變得混亂。
特定日文詞彙能精準描寫英文難以命名的氛圍,例如用「木漏れ日」表達穿過枝葉灑落的斑駁陽光。Happy Horse 能原生理解這些詞彙。
先用 720p × 5s 反覆測試,這是最省點數的做法。選出最有效的提示詞後,再以 1080p × 10-15s 重新生成最終版本。
開啟進階設定並固定種子值。接著就能逐步調整提示詞,清楚看出每次修改的效果,不受隨機變化干擾。
想讓多鏡頭剪接俐落,就替每個段落指定時間範圍:「鏡頭 1(0-1s):廣角定場……鏡頭 2(1-4s):中景跟拍……鏡頭 3(4-5s):緩慢推近特寫。」括號時間碼能給模型清楚的切鏡點,讓你掌控單段影片內的節奏。
如果生成結果平淡、臉像塑膠,先刪掉空泛的讚美詞:「美麗」、「驚豔」、「令人讚嘆」、「華麗」、「傑作」、「史詩級」、「令人屏息」、「細節爆棚」、「超精細」。改成一個具體的技術指示,例如「35mm 長焦」、「淺景深」、「暖琥珀色逆光」,再重新生成。
別再堆 booru 式標籤清單、JSON 資料、加權括號或一串近義顏色詞。Happy Horse 更擅長理解自然敘述。一個精準的詞,勝過五個模糊的詞。
看懂 Happy Horse 1.0 的超強項,再用進階技巧,讓每段提示詞都發揮到位。
解析度
720p · 1080p
依來源或所選比例決定
時長
2 – 15s
5s for portraits, 10-15s for multi-shot
費用
4 點數/s · 6 點數/s
720p · 1080p,生成失敗退還點數。1.1 的 R2V:3 · 4。Video Edit:5 · 9
語言
EN · ZH · JA
同一段提示詞,自由混搭
Happy Horse 是 Alibaba 最新的影片生成模型系列。在 PixelDojo 上提供四種模式:文字生成影片、圖片生成影片、參考圖生成影片(1-9 張角色或道具圖片),以及影片編輯(為現有影片轉換風格 + 局部替換)。所有模式皆支援 720p 或 1080p,片長最長 15 秒。Reference-to-Video 現在預設使用更新的 1.1 引擎,每秒費用更低;想用經典 1.0,也能在版本選單中一鍵切換。基礎模型目前在 Artificial Analysis Video Arena 盲測偏好排行榜位居 #1。
Happy Horse 與 WAN 2.7 採用相同的底層供應商,但調校方向不同。Happy Horse 著重符合物理的動態、多鏡頭調度與更清晰的紋理。WAN 2.7 在 PixelDojo 上則有更豐富的功能,包括首尾幀控制、影片延長與音訊同步。想直接用文字或圖片生成俐落的影片,先試 Happy Horse。
文字生成影片與圖片生成影片,720p 每秒 4 點數,1080p 每秒 6 點數。參考圖生成影片預設使用 1.1 引擎,720p 每秒 3 點數,1080p 每秒 4 點數,因此一段 5 秒的 720p 影片需 15 點數;選用經典 1.0 則採用 4/6 費率。影片編輯會同時處理來源影片與新影片,因此按輸出秒數計費,720p 每秒 5 點數,1080p 每秒 9 點數。只有成功才扣點,失敗任務會自動退還點數。
2 到 15 秒。單一連貫鏡頭以 5 秒左右最理想;多鏡頭提示詞若使用鏡頭編號或括號時間碼,建議設定 10-15 秒,讓每個段落都有發揮空間。
可以。Happy Horse 1.0 原生支援理解英文、中文和日文。同一段提示詞混用多種語言也沒問題,遇到某個詞用另一種語言更能精準表達時,特別實用。
Happy Horse 1.0(文字生成影片與圖片生成影片)是主力模型。想從提示詞或單張起始圖片生成原創影片,就從這裡開始。Reference-to-Video 最多可上傳 9 張參考圖,透過 character1 / character2 提示詞標記,在鏡頭中固定指定角色或道具。Video Edit 則結合現有影片與提示詞,進行風格轉換(整段影片換風格)或局部替換(透過參考圖替換服裝、道具或物件)。三者都依輸出秒數計費;Video Edit 因為還需處理來源影片,費用稍高,720p 為 5,1080p 為 9。