HappyHorse 1.0: el campeón de las pruebas a ciegas que crea vídeo y sonido a la vez

De participante anónimo a número uno

El 7 de abril de 2026 apareció un modelo sin nombre en el Artificial Analysis Video Arena, donde la gente vota entre pares de clips sin saber qué modelo los ha creado. Subió a lo más alto de las clasificaciones de texto a vídeo y de imagen a vídeo (las categorías sin audio) y desató un juego de adivinanzas en los foros de creadores. Dos días después, Alibaba confirmó que era suyo, y el 27 de abril HappyHorse 1.0 ya estaba disponible en fal como socio oficial de API.

El equipo detrás es Future Life Lab, de Taotian Group, parte de Alibaba Token Hub (ATH). Según la prensa, el laboratorio lo dirige Zhang Di, descrito como exvicepresidente de Kuaishou y responsable técnico de Kling; toma ese dato como información de los medios y no como una biografía oficial. Las posiciones en la clasificación cambian a medida que llegan votos, así que consulta el ranking actual en la arena en directo.

Cinco formas de crear un clip

Los endpoints oficiales cubren cuatro tareas, y las plataformas asociadas añaden una quinta opción guiada por voz. Imagen a vídeo es la que la mayoría prueba primero: sube una foto de producto o el retrato de un personaje y cobra vida con un movimiento natural, movimientos de cámara y un sonido acorde con la escena.

• Texto a vídeo: escribe una escena y obtén un clip terminado con imagen y audio.
• Imagen a vídeo: anima una foto, una imagen de producto o la ilustración de un personaje manteniendo su estética.
• Referencia a vídeo: aporta varias referencias para que el mismo personaje se mantenga coherente entre clips.
• Edición de vídeo: cambia el estilo de un clip existente o sustituye elementos conservando el movimiento.
• Modos guiados por voz: algunas plataformas asociadas añaden opciones basadas en audio; son funciones de la plataforma, no modos oficiales.

Los creadores también muestran resultados con varios planos, en los que un solo render alterna entre un plano general, un primer plano y una vista aérea mientras la misma persona sigue siendo reconocible. Eso es lo que hace que el modelo parezca un pequeño equipo de rodaje y no un simple animador de un solo plano.

Dónde lo ponen a trabajar los creadores

Los microdramas verticales son el uso más evidente. Un formato 9:16, hasta 15 segundos y frases habladas con bocas sincronizadas cubren la mayoría de planos de situación, reacciones y transiciones que necesita un microdrama. Como la sincronización labial funciona en mandarín, cantonés, inglés, japonés, coreano, alemán y francés, la misma escena puede redoblarse para estrenos en otros países sin volver a rodar.

Los equipos de e-commerce usan imagen a vídeo para convertir una foto fija de producto en una breve presentación: un frasco que gira sobre mármol, una chaqueta movida por el viento, una modelo que dice una frase sobre el artículo. Creadores de redes sociales, realizadores de videoclips y artistas de storyboards de marca lo usan para previsualizar ideas rápidamente antes de invertir en un rodaje real.

Ideas de moda que vale la pena probar

Cuando la gente ve un clip que habla, se mueve y suena bien en una sola toma, las mismas ideas vuelven una y otra vez en las muestras de los creadores. Todas aprovechan lo que HappyHorse 1.0 hace mejor: escenas cortas, un sujeto claro, un movimiento de cámara y una frase hablada o un sonido ambiente potente.

• Gancho final: un plano 9:16 que termina con una frase, usado como último segundo de un episodio de microdrama para enganchar con el siguiente.
• Un anuncio, siete voces: la misma escena de producto con la frase en mandarín, inglés, japonés o alemán, para que un guion sirva a varios mercados.
• De la foto a la historia: un retrato antiguo o una ilustración que parpadea, sonríe y saluda, muy popular en recuerdos familiares y fan art.
• Producto girando con frase: un artículo que rota sobre una superficie limpia mientras una voz cuenta una ventaja.
• Bucles para videoclips: bucles de 5 segundos con lluvia, neón y dolly lento, montados al ritmo de la música.

Sonido, sincronización labial y movimiento que impresionan

La función estrella es el audio nativo. Diálogos, sonido ambiente, pasos y lluvia se generan junto con la imagen en una sola pasada, así que no hace falta un paso aparte de doblaje ni de efectos sala. También puedes desactivar el audio si solo quieres metraje mudo para tu propia banda sonora.

Las reseñas y los análisis de las plataformas elogian el movimiento fluido, la estabilidad de los sujetos y una profundidad de campo reducida de aire cinematográfico. Las principales quejas de la comunidad tienen que ver con todo lo que rodea al modelo: una promesa de código abierto que nunca se cumplió, una oleada de sitios imitadores no oficiales que usan el nombre y un coste por segundo más alto que el de algunos rivales.

En qué destaca y dónde se queda corto

Ningún modelo gana en todo, y conocer sus límites ahorra créditos. HappyHorse 1.0 brilla cuando necesitas rápido un plano pulido y con voz; es menos cómodo para tomas largas, control local o decenas de pruebas baratas.

Plantillas de prompts para copiar

La estructura más fiable es: sujeto y aspecto, luego acciones divididas en tiempos, después escenario y luz, luego un único movimiento de cámara, después sonido o una frase entre comillas con su idioma y, por último, el estilo. fal publica una guía oficial de prompts que sigue la misma lógica. Aquí tienes tres plantillas para adaptar.

• Diálogo de microdrama: Una mujer joven con abrigo rojo está bajo la lluvia de neón de noche, se gira hacia la cámara y dice en mandarín: "你终于来了。" Acercamiento lento, poca profundidad de campo, etalonaje turquesa y naranja, suave ambiente de lluvia.
• Imagen a vídeo para e-commerce (sube la foto del producto): El frasco gira lentamente sobre una mesa de mármol, brillan gotas de agua, la cámara orbita 180 grados, luz de estudio suave, música alegre y discreta.
• Historia con varios planos: Plano 1: plano general de una carretera del desierto al amanecer. Plano 2: primer plano del conductor sonriendo. Plano 3: toma de dron alejándose. Mantén el mismo personaje y el mismo sonido del motor en todo momento.

Pon cada frase hablada entre comillas e indica el idioma; de lo contrario, la voz puede desviarse. Divide el movimiento en tiempos en lugar de usar una sola frase larga. Usa solo un movimiento de cámara principal por prompt, ya que combinar travelling, panorámica y zoom suele producir imágenes temblorosas. Desactiva el audio si piensas añadir música después.

Diálogo y sincronía labial naturales

Los planos hablados son donde este modelo más sorprende y también donde se notan los pequeños errores del prompt. Mantén cada frase corta, idealmente una oración que quepa con holgura en el clip, e indica siempre el idioma antes de la cita. Un rostro grande en el encuadre e iluminado de frente da más detalle al movimiento de la boca.

• Escribe la frase en su propia escritura, por ejemplo japonés en caracteres japoneses y no romanizado.
• Describe el tono de voz: susurrado, alegre, cansado, enfadado. Cambia la interpretación tanto como las palabras.
• Deja un instante de silencio antes o después de la frase para que el clip no se sienta apresurado.
• Añade un sonido ambiente como lluvia, tráfico o una cafetería para que la escena parezca grabada.

Cómo usar HappyHorse 1.0 paso a paso

Alibaba no ofrece una app para consumidores; se accede al modelo a través de plataformas asociadas como fal, OpenRouter, Hedra, Artlist o A2E, varias de las cuales regalan algunos créditos a las cuentas nuevas. El flujo de trabajo es el mismo en todas.

1. 1Elige una plataforma asociada que ofrezca el modelo e inicia sesión.
2. 2Elige el modo: texto, imagen, referencia o edición de vídeo.
3. 3Escribe el prompt con tiempos, movimiento de cámara y cualquier diálogo entre comillas junto con su idioma.
4. 4Configura la relación de aspecto (16:9, 9:16, 1:1, 4:3 o 3:4), la duración (3–15 segundos), 720p o 1080p, y el audio activado o desactivado.
5. 5Genera, revisa y descarga el MP4; pásalo después por un escalador si necesitas 4K.

HappyHorse de imagen a video: fotos que se mueven bien

La conversión de imagen a video conserva los colores, la ropa y el encuadre de la foto inicial, así que la foto importa más que el prompt. Elige una imagen nítida con un sujeto claro y algo de espacio libre hacia donde quieres que se mueva. Los fondos recargados y las manos cortadas suelen deformarse cuando empieza el movimiento.

Después dile al modelo solo lo que cambia: la acción, la cámara y el sonido. No hace falta describir lo que ya se ve. Para productos, una órbita lenta o un acercamiento con luz suave funciona casi siempre; para retratos, un gesto pequeño como girar la cabeza, sonreír o dar un paso queda más natural que un gran movimiento.

HappyHorse 1.0 frente a Veo 3, Kling 3.0 y Seedance 2.0

Veo 3 y Sora 2 también generan sonido junto con la imagen, y la comparación se reduce sobre todo a la preferencia en votaciones a ciegas, donde HappyHorse iba en cabeza en el momento de su lanzamiento. Frente a Kling 3.0 y Seedance 2.0, su ventaja está en el número de idiomas con sincronización labial y en su puntuación en la arena, mientras que Seedance admite más referencias por clip. Los modelos abiertos como Wan 2.2 y LTX-2 pueden ejecutarse en tu propia GPU; este solo funciona en la nube.

Las clasificaciones cambian a medida que la arena recoge votos; consulta la clasificación en directo antes de decidir.

¿HappyHorse 1.0 es de código abierto? La cuestión de la descarga

A octubre de 2026 no se han encontrado pesos oficiales descargables. Una página de un socio afirma que los pesos están en Hugging Face, pero fal declara claramente que el modelo es cerrado y que no se publicará como código abierto ni se licenciará, y verificaciones independientes comprobaron que el enlace de Hugging Face devuelve un error de acceso y que no hay código ni pesos en GitHub. Cualquier "checkpoint de la comunidad" que use el nombre es no oficial y de origen desconocido, así que es mejor evitarlo.

Si quieres un modelo abierto que puedas descargar y ejecutar tú mismo, fíjate en Wan 2.2, del equipo Tongyi de Alibaba, o en LTX-2, de Lightricks; ambos publican sus pesos. Verás el nombre HappyHorse 1.1 en algunas páginas de OpenRouter, pero no se ha confirmado ningún lanzamiento oficial nuevo.

HappyHorse sin censura: qué existe y qué usar en su lugar

No existe una edición sin censura ni NSFW de HappyHorse 1.0. Todas las vías de acceso pasan por plataformas en la nube, y cada una aplica su propia política de contenido a los prompts y a los resultados. Si quieres clips con temática adulta, nuestro estudio de imagen a vídeo anima tus fotos con modelos sin filtros para contenido con adultos que dan su consentimiento, como en las ideas de abajo.

1. Parte de una foto nítida y bien iluminada de una persona adulta; el movimiento sigue la pose y la ropa de la foto.
2. Describe una acción y un movimiento de cámara, y luego añade indicaciones de luz y sonido.
3. Usa solo fotos tuyas, de adultos que den su consentimiento o de personajes ficticios claramente mayores de 18 años.