HappyHorse — تولید ویدیوی AI متنباز، بازتصور شده
Happy Horse را در عمل ببینید
نمونههای تولیدشده با Happy Horse 1.0 — برای پخش ضربه بزنید.
صحنه علمی-تخیلی
"رباتی که روی ماه میرقصد و زمین در پسزمینه است"
صحنه طبیعی
"پیرمردی روی قله کوه که به دره نگاه میکند"
صحنه شهری
"خیابان سایبرپانک شبانه با نئون"
همه نمونهها کلیپهای ۵–۸ ثانیهای 1080p با Happy Horse 1.0 هستند
قابلیتهای اصلی HappyHorse
معماری چندوجهی یکپارچه برای تولید مشترک ویدیو و صدا.
Transformer یکپارچه
شبکه خودتوجه ۴۰ لایه با ۴ لایه ویژه به ازای هر انتها و ۳۲ لایه مشترک.
ویدیو + صدا مشترک
دیالوگ همزمان، صدای محیط و افکت فولی همراه با فریمهای ویدیو.
تقطیر DMD-2 در ۸ گام
کاهش نویززدایی به ۸ گام بدون راهنمایی بدون طبقهبند.
هماهنگی لب چندزبانه
پشتیبانی بومی برای انگلیسی، ماندارین، کانتونی، ژاپنی، کرهای، آلمانی و فرانسوی.
خروجی 1080p
کلیپهای ۵–۸ ثانیه با نسبتهای استاندارد (۱۶:۹، ۹:۱۶).
متنباز و خودمیزبان
مدل پایه، مدل تقطیرشده، ماژول ابررزولوشن و کد استنتاج با مجوز تجاری.
معیارها و عملکرد HappyHorse
بر اساس ۲۰۰۰ مقایسه انسانی، Happy Horse 1.0 در کیفیت بصری، همراستایی پرامپت و واقعگرایی فیزیکی پیشتاز است و کمترین نرخ خطای کلمه را در رقبای متنباز دارد. رتبه جهانی ۱ در Artificial Analysis Video Arena با Elo ۱۳۳۳.
| مدل | بصری | همراستایی | فیزیکی | WER (%) |
|---|---|---|---|---|
| OVI 1.1 | 4.73 | 4.10 | 4.41 | 40.45 |
| LTX 2.3 | 4.76 | 4.12 | 4.56 | 19.23 |
| Happy Horse 1.0 #۱ | 4.80 | 4.18 | 4.52 | 14.60 |
نرخ برد: 80.0% در برابر OVI 1.1 · 60.9% در برابر LTX 2.3
مقایسه با سایر مدلها
جایگاه Happy Horse 1.0 در برابر پیشروان تولید ویدیوی AI در ۲۰۲۶.
| مدل | توسعهدهنده | پارامترها | ورودیها | مجوز |
|---|---|---|---|---|
| Happy Horse 1.0 | Happy Horse Team | ~15B | Text / Image | متنباز + تجاری |
| Seedance 2.0 | ByteDance Seed | Undisclosed | Text / Image / Audio / Video | اختصاصی |
| Ovi 1.1 | Character AI & Yale | ~11B | Text (Image opt.) | متنباز |
| LTX 2.3 | Lightricks | 22B | Text / Image / Video / Audio | متنباز |
استقرار HappyHorse 1.0
Happy Horse 1.0 روی GPUهای پرقدرت مانند NVIDIA H100 یا A100 اجرا میشود (پیشنهاد ≥۴۸ گیگابایت VRAM). کوانتش FP8 و چکپوینت تقطیرشده ۸ گامی حافظه استقرار تکGPU را کاهش میدهد.
# Clone & install
git clone https://github.com/happy-horse/happyhorse-1.git
cd happyhorse-1
pip install -r requirements.txt
# Download weights
bash download_weights.sh
# Generate
python demo_generate.py --prompt "a robot dancing on the moon" --duration 5from happyhorse import HappyHorseModel
model = HappyHorseModel.from_pretrained("happy-horse/happyhorse-1.0")
video, audio = model.generate(
prompt="an elder on a mountain peak overlooking the valley",
duration_seconds=5,
fps=24,
language="en",
)
video.save("output.mp4")
audio.save("output.wav")حافظه GPU
≥۴۸ گیگابایت VRAM (H100/A100)
سرعت تولید
حدود ۳۸ ثانیه برای کلیپ ۵ ثانیهای روی H100
بهینهسازی
کوانتش FP8 + ۸ گام
ساخته پژوهشگران، مورد اعتماد سازندگان
HappyHorse توسط تیم پژوهشی HappyHorse منتشر و نگهداری میشود؛ گزارش فنی شفاف درباره معماری، آموزش، تقطیر، پروتکل معیارها و محدودیتهای شناختهشده. کد استنتاج قابل بازتولید منتشر میکنیم و به انتشار مسئولانه فناوری ویدیوی تولیدی متعهدیم.
تخصص
نوشته کسانی که روی Transformerهای چندوجهی، تقطیر انتشار و پیشآموزش ویدیوی بزرگ کار میکنند.
شفافیت
وزنهای باز، کد استنتاج باز و روششناسی معیار منتشرشده — قابل تأیید توسط پژوهشگران مستقل.
مسئولیت
اصل محتوا، واترمارک و تعدیل پاییندست را پشتیبانی میکنیم. رعایت مقررات AI الزامی است.
بلاگ
آخرین بهروزرسانیهای تیم HappyHorse.
-
HappyHorse 1.0 تحلیل کامل: چگونه یک مدل ویدیویی هوش مصنوعی چینی به رتبه اول جهان رسید
تحلیل عمیق از قابلیتهای فنی HappyHorse 1.0 پشت رهبری آن در Artificial Analysis، از جمله مقایسه امتیازات ELO، معماری مدل و نحوه شروع.
بیشتر بخوانید -
HappyHorse 1.0 完全解读：中国AI视频模型如何拿下全球第一
深度解析 HappyHorse 1.0 在 Artificial Analysis 榜单登顶背后的技术实力，涵盖 ELO 评分对比、模型架构分析、以及如何快速上手使用。
بیشتر بخوانید -
HappyHorse در عمل: فراتر از Seedance 2.0؟
A/B منصفانه با پرامپت یکسان.
بیشتر بخوانید
سوالات متداول
پاسخ به سوالات رایج درباره Happy Horse 1.0.
Happy Horse 1.0 چیست؟
آیا Happy Horse برای استفاده تجاری رایگان است؟
چه سختافزاری برای اجرای Happy Horse لازم است؟
هماهنگی لب برای چه زبانهایی است؟
Happy Horse در مقایسه با OVI و LTX چگونه است؟
سوال دیگری دارید؟ ثبت issue در GitHub