HappyHorse 1.0: yapay zeka videosu için prompt rehberi ve altı kullanım senaryosu

HappyHorse 1.0, metin, görsel, video ve ses token'larını tek bir dizide birlikte gürültü gidermek için kullanan 15 milyar parametreli tek bir Transformer'dır. Pratik etkisi, H100'de kabaca 38 saniyede yerel ortak sesli 1080p video üreten — algısal kaliteden ödün vermeden akranlarından üç ila altı kat daha hızlı — bir modeldir. Ayrıca tek bir ağırlık setinden altı dilde çok dilli dudak senkronu sunar. Bu rehber, mimariyi kullanan prompt kalıplarını ve modelin gerçekten ne için olduğunu gösteren altı kullanım senaryosunu kapsar.

HappyHorse 1.0 nedir?

HappyHorse 1.0, sandviç düzeninde 40 katmanlı birleşik self-attention Transformer'dır: modalite başına dört giriş/çıkış katmanı, 32 paylaşılan orta katman. Başlık başına sigmoid kapı, çok modlu eğitimi kararlı tutar. Ayrı bir ses alt modülü yok — ses token'ları video token'larıyla aynı dizide, birlikte gürültü giderilir.

Birleşik mimari neden önemli?

Çoğu rakip video modeli sesi ikinci aşamada ekler: videoyu render edin, sonra parça sentezleyin, sonra senkron deneyin. HappyHorse bunları aynı gürültü giderme geçişinde birlikte üretir. Bu yüzden diyalog ağızda kalır, Foley temasta düşer ve ortam katmanları klip içinde tutarlı kalır.

8 adımlı DMD-2 damıtması hikâyenin ikinci yarısıdır. Çoğu amiral gemisi video modeli sınıflandırıcısız rehberlikle 25–50 gürültü giderme adımı alır. HappyHorse ikisini de bırakır — 8 adım, CFG yok — ve küçük bir tavan payı karşılığında 3–6× hızlanma sağlar. İterasyon yoğun iş akışları için bu, saatte üç taslak ile on iki taslak arasındaki farktır.

Prompt mühendisliği çerçevesi

Dört alışkanlık kalite artışının çoğunu kazandırır. Diğer ses farkında video modellerine aktarılabilirler, ancak HappyHorse bunlardan çoğundan daha fazla ödüllendirir.

Önce sesi düşünün

Sesi brief'in birinci sınıf öğesi olarak ele alın, sonradan eklenen bir şey değil. Aşağıdaki karşıtlık okuması küçük, izlemesi büyüktür.

Belirli kamera dili kullanın

Model sinematografi terimlerini niyetle işler. Kullanın.

• "Yavaş itme" — gerilim kuran kademeli zoom
• "Takip çekimi" — yanal veya konunun arkasından kamera takibi
• "Alçak açı" — güç ve ölçek perspektifi
• "Makro yakın plan" — aşırı detay, sığ alan derinliği
• "360 derece yörünge" — konunun etrafında tam dönüş
• "Hava / drone çekimi" — ileri hareketli kuş bakışı
• "Whip pan" — hızlı yatay savurma

Sesi üç boyutta katmanlayın

Ses, bir ses tasarımcısının sahneyi karıştırdığı gibi ön plan, orta plan ve arka plan olarak tanımlandığında en iyi çalışır.

• Ön plan: baskın ses (diyalog, ana SFX)
• Orta plan: ikincil sesler (adımlar, hışırtı, şıngırtı)
• Arka plan: ortam dokusu (kalabalık, yağmur, trafik, rüzgâr)

Görsel stili sabitleyin

İki veya üç stil token'ı beşten daha temiz oturur. Güvenilir yönlendiren birkaçı:

• Fotogerçekçilik — "anamorfik bokeh, 35mm film greni, teal-turuncu derecelendirme"
• Anime / stilize — "cel-shading, kalın konturlar, düz cesur renkler"
• Retro — "1990'lar VHS greni, aşırı doygun sıcak tonlar, CRT tarama çizgileri"
• Ticari — "stüdyo aydınlatması, beyaz siklo, makro lens"

Yedi temel ipucu

1. İlk on beş kelimede konu ve eylemi öne alın.
2. Sesi açıkça tanımlayın; diyaloğu tırnak içine alın.
3. Genel fiiller yerine belirli kamera yönü kullanın.
4. Görsel stili film, palet veya gelenekle adlandırın.
5. Fiziksel detay ekleyin — camlardaki yağmur, rüzgârda ipek, metalde yağ.
6. Prompt'ları ~100 kelimenin altında tutun.
7. 1080p üretmeden önce düşük çözünürlükte test edin.

Altı test edilmiş kullanım senaryosu

Modelin farklı bölümlerini zorlayan altı brief. Her biri mimarinin gerçekten iyi olduğu iş türlerindendir.

1. Yerel ASMR kalitesinde sesle kısa form sosyal

TikTok ve Reels yaratıcıları için — sesi sonradan katmanlamak zorunda kalanlar.

"Thai street food vendor flipping pad see ew on a flat-top griddle, close-up of wok with garlic and chilis, oil sizzles loud, spatula scrapes metal, neon signage above, warm tungsten lighting, handheld camera with subtle shake, light rain on plastic awning in the background, customer chatter in Thai mid-distance. 9:16."

2. Sinematik hassasiyette sesle pazarlama yaratıcısı

Nesneye saygı duyan hareket ve eyleme oturan sesle ürün tanıtımı.

"Luxury chronograph watch on a polished volcanic stone, slow-motion water droplets bead and roll across the dial, slow 360-degree orbit camera, soft mechanical click as the crown is pressed, deep ambient hum, studio lighting on a black background, anamorphic flare from upper left, 16:9."

3. Tek üretimden çok dilli kampanyalar

Dudak senkronu tek ağırlık setinden çalışır. Aynı çekim, altı dil.

"A barista in a specialty coffee shop slides a flat white across a wooden counter and says, in casual Mandarin, '今天的豆子很特别，慢慢喝。' Espresso machine hisses, cup slides on wood, indie film aesthetic, soft window light from behind, shallow depth of field, 16:9."

4. Katmanlı çevresel sesle B-roll ve ön görselleştirme

Atmosferin görüntü kadar iş yaptığı kurucu çekimler.

"Wide shot of a figure in a red parka approaching a glowing Antarctic research station at twilight, slow forward tracking, the camera then pulls back into a wide aerial, howling wind continuous, boots crunching frozen snow, faint radio crackle from inside the station, atmospheric ambient pad, cool blue palette, 21:9."

5. Durgun görselden e-ticaret ürün hareketi

Malzemeleri kaybetmeden kahraman çekimi canlandıran görselden videoya brief.

"White running shoes on a charcoal pedestal, slow 360-degree orbit revealing tread, mesh, and neon accents, fine dust particles drift through a key light beam, soft whoosh as the shoe rotates, faint rubber creak, soft landing thud at the end of the rotation, soft studio lighting, 1:1."

6. Yapay zeka araştırması için çok modlu stres testi

Ortak ses-video dizisi için jam testi.

"Three-piece jazz ensemble in a dim club: drums brushed lightly, walking double bass, saxophone solo. The audience taps a glass on the table in rhythm. Smoke drifts through a single overhead spotlight, vintage 16mm film grain, warm amber tungsten, slow lateral tracking from drums to saxophonist, 16:9."

Nasıl karşılaştırılır

HappyHorse'un 2026 video kadrosundaki yeri.

Dürüst sınırlar

Bir teslim tarihini HappyHorse'a bağlamadan önce bilmeniz gereken üç şey.

• Ağırlıklar ve çıkarım kodu henüz yayınlanmadı bu yazı tarihinde. Depo github.com/FreeyW/HappyHorse adresinde var ancak çalıştırılabilir ağaç henüz yok. Bu arada modeli OmniArt veya Alibaba Dashscope API üzerinden kullanın.
• Klip başına 15 saniye sınırı. Yerel çoklu çekim zaman çizelgesi yok; daha uzun anlatılar için başka bir modelde Extend Mode ile zincirleyin.
• Çok modlu referans sistemi yok. Yalnızca metin ve görsel. Video veya ses referans koşullandırması gerekiyorsa Seedance 2.0 kullanın.

OmniArt'ta başlamak

HappyHorse 1.0, Seedance 2.0, Kling, Veo 3, Sora 2 ve V6 ile birlikte OmniArt video çalışma alanında yaşar. Tek hesap, tek kredi bakiyesi, yan yana model değerlendirmesi. Ses öncelikli iş akışını hissetmek için yukarıdaki sosyal ASMR brief'iyle başlayın, görselden videoyu test etmek istediğinizde e-ticaret ürün brief'ine geçin.

HappyHorse ile Seedance 2.0 arasında seçim yapıyorsanız, HappyHorse 1 vs Seedance 2 karşılaştırması ödünleşimleri çekim çekim ele alır. Daha uzun anlatı parçaları için BACH sinematograf rehberi daha iyi başlangıç noktasıdır.