近日，阿里巴巴在AI視頻生成領(lǐng)域取得重大突破，其自主研發(fā)的AI視頻大模型HappyHorse1.0以1333Elo分的成績登頂Artificial Analysis視頻競技場全球排行榜，成為當(dāng)前開源模型中性能最強(qiáng)的視頻生成工具。該模型由淘天集團(tuán)未來生活實驗室主導(dǎo)開發(fā)，技術(shù)負(fù)責(zé)人張迪帶領(lǐng)團(tuán)隊完成，預(yù)計將于一周后通過阿里百煉平臺正式對外開源。

作為全球首個原生支持音視頻聯(lián)合生成的開源模型，HappyHorse1.0采用40層統(tǒng)一自注意力Transformer架構(gòu)，擁有150億參數(shù)規(guī)模。在硬件效率方面，該模型在單張H100顯卡上生成5秒1080p視頻僅需38秒，較同類模型提升40%以上。其多語言支持能力尤為突出，可實現(xiàn)英語、普通話、粵語、日語、韓語、德語、法語七種語言的精準(zhǔn)唇形同步，詞錯誤率控制在行業(yè)最低水平。

在競技場實測中，HappyHorse1.0展現(xiàn)出顯著優(yōu)勢：對OVI1.1模型取得80%勝率，對LTX2.3模型勝率達(dá)60.9%。在文本轉(zhuǎn)視頻（無音頻）和圖像轉(zhuǎn)視頻（無音頻）場景中，其生成質(zhì)量全面超越Seedance2.0和可靈3.0；在文本轉(zhuǎn)視頻（有音頻）領(lǐng)域保持小幅領(lǐng)先，圖像轉(zhuǎn)視頻（有音頻）場景則與Seedance2.0持平。這些數(shù)據(jù)驗證了模型在跨模態(tài)生成任務(wù)中的技術(shù)領(lǐng)先性。

據(jù)開發(fā)團(tuán)隊介紹，HappyHorse1.0采用完全開源策略，將向全球開發(fā)者開放模型權(quán)重、訓(xùn)練代碼和部署文檔。其創(chuàng)新性的音視頻聯(lián)合生成架構(gòu)，通過統(tǒng)一處理時空維度特征，解決了傳統(tǒng)模型中音頻視頻不同步的技術(shù)難題。目前該模型已支持通過阿里百煉平臺進(jìn)行在線體驗，開發(fā)者可自由調(diào)用API進(jìn)行二次開發(fā)。

行業(yè)分析師指出，HappyHorse1.0的開源將推動視頻生成技術(shù)進(jìn)入新階段，其多語言支持和高效推理能力特別適合短視頻創(chuàng)作、影視特效、虛擬直播等商業(yè)場景。隨著模型正式發(fā)布，預(yù)計將引發(fā)全球AI社區(qū)對跨模態(tài)生成技術(shù)的新一輪探索。