Happy Horse 1.1: Fitur dan kemampuan
Happy Horse 1.1 adalah model video dari Alibaba, tersedia lewat fal dan bisa dipakai di Morphic. Model ini menghasilkan video dan audio bersamaan dalam satu proses, dengan lip-sync native di tujuh bahasa, serta mendukung reference-to-video hingga sembilan subjek, sembilan rasio aspek, dan output 1080p.
| Fitur | Yang dilakukan | Cocok untuk |
|---|---|---|
| Audio dan video dalam satu proses | Menghasilkan klip beserta audio yang tersinkronisasi dalam satu proses, tanpa langkah audio terpisah | Adegan dialog, klip musik, talking head |
| Lip-sync multibahasa | Berbicara dan lip-sync di 7 bahasa, dengan bentuk mulut yang mengikuti fonetik ucapannya | Iklan yang dilokalkan, presenter multibahasa |
| Reference-to-video, hingga 9 subjek | Membawa hingga sembilan subjek referensi ke adegan baru, tiap subjek dipanggil lewat indeks | Adegan ansambel, seri dengan karakter yang konsisten |
| Image-to-video | Menganimasikan satu gambar diam menjadi klip 1080p bergerak lengkap dengan audio | Foto produk, key art, animasi foto |
| Sembilan rasio aspek | Menghasilkan dari 16:9 dan 9:16 sampai ultrawide 21:9, dalam sembilan rasio | Pengiriman sinematik, vertikal, dan persegi |
Audio dan video dalam satu proses
Happy Horse menghasilkan gambar dan suaranya bersamaan, bukan menambahkan audio belakangan. Dialog dengan lip-sync, room tone, efek suara, dan musik semuanya keluar dari generasi yang sama, sehingga pergerakan dan suara sudah selaras sejak frame pertama. Anda menjelaskan suaranya di dalam prompt yang sama dengan aksinya.
Lip-sync multibahasa native
Model ini bisa berbicara dan lip-sync dalam bahasa Inggris, Mandarin, Kanton, Jepang, Korea, Jerman, dan Prancis. Bentuk mulutnya mengikuti fonetik bahasa yang diucapkan, bukan sekadar didekati, sehingga cocok untuk adegan dialog dan versi lokal dari shot yang sama.
Reference-to-video hingga 9 subjek
Unggah hingga sembilan gambar referensi dan panggil tiap subjek lewat indeksnya di dalam prompt, sebagai character1 sampai character9 sesuai urutan Anda mengunggahnya. Dengan hingga sembilan subjek, satu tim karakter penuh tetap bisa dikenali di setiap shot. Jelaskan tiap subjek dulu, lalu adegan dan aksinya.
Image-to-video
Sediakan satu gambar diam sebagai frame pertama, misalnya foto produk atau gambar karakter, tambahkan prompt yang menjelaskan pergerakan dan suaranya, dan model akan menganimasikan gambar itu sambil mempertahankan pencahayaan dan detailnya. Model ini juga bisa jalan sebagai text-to-video kalau Anda tidak punya gambar awal.
Sembilan rasio aspek
Hasilkan dalam sembilan rasio: 16:9, 9:16, 1:1, 4:3, 3:4, 21:9, 9:21, 5:4, dan 4:5. Kerangka prompt yang sama bisa menghasilkan potongan sinematik ultrawide sekaligus potongan vertikal untuk media sosial, tanpa alur kerja terpisah per format.
Happy Horse 1.1: Spesifikasi teknis
| Spesifikasi | Happy Horse 1.1 |
|---|---|
| Penyedia | Alibaba (tersedia lewat fal) |
| Mode | Text-to-video, image-to-video, reference-to-video |
| Audio | Native, tersinkronisasi, dengan lip-sync multibahasa |
| Bahasa | 7 (Inggris, Mandarin, Kanton, Jepang, Korea, Jerman, Prancis) |
| Resolusi | 720p atau 1080p |
| Durasi | 3 hingga 15 detik (default 5) |
| Rasio aspek | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9, 9:21, 5:4, 4:5 |
| Gambar referensi | Hingga 9 (character1 sampai character9) |
| Panjang prompt | Hingga 2.500 karakter |
| Dirilis | Juni 2026 |
Happy Horse 1.1: Kasus penggunaan
Adegan dialog dan talking head
Karakter berbicara dengan pergerakan bibir yang sinkron, room tone, dan timing yang pas, semuanya dihasilkan dalam satu proses. Tulis dialognya di prompt, dan audionya akan muncul selaras dengan pergerakan.
Adegan ansambel dengan banyak karakter
Bawa hingga sembilan subjek dari gambar referensi ke satu adegan, panggil tiap subjek lewat indeksnya sehingga seluruh tim karakter tetap dikenali di setiap shot.
Video musik dan klip performa
Karena video dan audio dihasilkan bersamaan, pergerakannya sudah pas dengan ketukan sejak proses pertama. Buat klip performa dengan scoring dan pergerakan yang sinkron dalam satu kali generasi.
Potongan sinematik ultrawide
Pakai rasio 21:9 untuk frame layar lebar yang sinematik, lalu kirim adegan yang sama sebagai versi vertikal 9:16 dari prompt yang sama.
Lokalisasi iklan multibahasa
Pertahankan adegan dan karakter yang sama, lalu ganti dialognya ke bahasa lain dengan lip-sync native, sehingga satu treatment bisa dipakai di beberapa pasar sekaligus.
Cara memaksimalkan Happy Horse 1.1
Happy Horse memberi hasil terbaik saat brief-nya menyebutkan pergerakan dan suara sekaligus, ditambah kumpulan gambar referensi yang rapi kalau karakternya harus tetap konsisten. Beberapa kebiasaan ini menentukan sebagian besar kualitas hasilnya:
- Selalu sebutkan audionya. Tulis dialog, efek suara, ambience, atau musik dengan bahasa yang jelas, supaya model menghasilkan suara bersamaan dengan pergerakan, bukan klip yang bisu.
- Tulis pergerakan, bukan foto. Jelaskan bagaimana subjek dan kamera bergerak sepanjang klip, bukan cuma bagaimana tampilannya di satu momen saja.
- Beri indeks pada referensi Anda. Untuk reference-to-video, panggil tiap subjek sebagai character1, character2, dan seterusnya, sesuai urutan Anda mengunggah gambar referensinya.
- Jaga dialog tetap singkat agar lip-sync rapi. Untuk karakter yang berbicara, pakai frame menghadap depan dengan mulut yang terlihat jelas dan buat tiap dialog tetap singkat.
- Satu beat per klip. Masukkan satu aksi saja dalam beberapa detik, jangan menumpuk beberapa aksi dalam satu kali generasi.
- Tentukan rasio di awal. Pilih 21:9 untuk potongan sinematik atau 9:16 untuk vertikal, karena framing menentukan cara Anda menyusun aksinya.
Happy Horse 1.1: Panduan prompt
Prompt yang bagus terbaca seperti brief shot yang singkat, bukan caption. Dua hal yang menentukan hasilnya: daftar jelas tentang apa yang ada di shot, dan kata-kata yang konkret alih-alih samar.
Apa yang perlu ada di dalam prompt
| Elemen | Yang perlu disertakan | Contoh |
|---|---|---|
| Subjek | Siapa atau apa yang ada di frame, dijelaskan secara konkret | seorang news anchor berjas navy di meja kaca |
| Pergerakan | Apa yang bergerak, dan bagaimana caranya | dia menoleh ke kamera kedua sambil bergestur |
| Kamera | Jenis shot ditambah satu pergerakan | medium shot, push-in perlahan |
| Audio | Dialog, efek suara, ambience, atau musik | dia berkata, 'Selamat malam'; room tone studio yang lembut |
| Format | Durasi dan rasio aspek | 10 detik, 16:9 |
Sintaks referensi dan dialog
Untuk reference-to-video, panggil tiap subjek sebagai character1, character2, dan seterusnya, sesuai urutan Anda mengunggah gambar referensinya. Untuk dialog yang berpatokan waktu, tandai tiap dialog sesuai timeline klipnya supaya lip-sync-nya pas di posisi yang Anda inginkan.
character1 dan character2 duduk berhadapan di meja warung kopi, cahaya jendela yang hangat. 0-4d: character1 berkata dalam bahasa Indonesia, "Kamu lihat itu tadi?"; 4-8d: character2 tertawa dan menjawab, "Gila, ya." Ambience warung kopi yang lembut, handheld yang halus.
Prompt lemah vs kuat
Sebutkan kameranya, pergerakan beserta timing-nya, dan audionya secara jelas, jangan diserahkan ke kebetulan.
| Fokus | Lemah | Kuat |
|---|---|---|
| Kamera | Seorang wanita di kota pada malam hari | Handheld tracking shot mengikuti seorang wanita menyusuri jalan yang basah oleh hujan, cahaya toko memantul di aspal, depth of field dangkal |
| Pergerakan dan timing | Pintu terbuka dan seseorang masuk | Pintu terbuka perlahan, sesosok figur melangkah masuk setelah jeda sesaat, lalu kamera pindah ke medium shot |
| Audio | Seorang chef menata hidangan | Close-up seorang chef menata hidangan, uap mengepul. Audio: suara wajan mendesis, ambience dapur yang lembut, dan 'Service.' |
Kesalahan umum
- Membiarkan prompt bisu: selalu tulis minimal satu cue suara, karena model menghasilkan audio bersamaan dengan videonya.
- Kamera yang samar: kata "sinematik" tidak memberi tahu model apa-apa; sebutkan jenis shot dan pergerakannya secara spesifik.
- Referensi tanpa indeks: untuk reference-to-video, beri label tiap subjek sebagai character1, character2, alih-alih "pakai referensi ini".
- Terlalu banyak dalam satu klip: batasi satu aksi per klip, dan jaga dialog tetap singkat agar lip-sync rapi.
