HappyHorse 1.0：映像と音声を同時に生み出すブラインドテスト王者

匿名エントリーから1位へ

2026年4月7日、名前のないモデルがArtificial Analysis Video Arenaに登場しました。ここでは、どのモデルが作ったかを知らないまま2本のクリップを比べて投票します。そのモデルはテキストから動画と画像から動画の両ランキング（音声なし部門）で首位に立ち、クリエイターのフォーラムで正体探しが始まりました。2日後にAlibabaが自社モデルであると認め、4月27日にはHappyHorse 1.0が公式APIパートナーとしてfalで公開されました。

開発したのは、Alibaba Token Hub（ATH）傘下の淘天グループ（Taotian Group）にあるFuture Life Labです。報道によると、同ラボを率いるのはKuaishouの元副社長でKlingの技術責任者だったとされるZhang Di氏ですが、この経歴は公式なプロフィールではなくメディアの報道として受け止めてください。ランキングは投票に応じて変動するため、最新の順位はアリーナでご確認ください。

クリップを作る5つの方法

公式エンドポイントは4種類の作業に対応し、パートナープラットフォームが5つ目として音声駆動のオプションを追加しています。多くの人がまず使うのは画像から動画です。商品写真やキャラクターのポートレートを入れるだけで、自然な動き、カメラワーク、シーンに合った音とともに命が吹き込まれます。

• テキストから動画：シーンを書くだけで、映像と音声がそろった完成クリップを生成。
• 画像から動画：写真、商品画像、キャラクターアートを、見た目を保ったまま動かす。
• 参照から動画：複数の参照画像を与えて、同じキャラクターをクリップ間で一貫させる。
• 動画編集：既存クリップの動きを保ったまま、スタイルを変えたり要素を差し替えたりする。
• 音声駆動モード：一部のパートナープラットフォームが音声駆動のオプションを独自に提供。これはプラットフォームの機能で、公式モードではありません。

クリエイターはマルチショットの作例も公開しています。1回のレンダリングで引きの画、クローズアップ、空撮へとカットが切り替わり、同じ人物がはっきり認識できるままです。単発のアニメーターではなく、小さな撮影クルーのように感じられるのはこのためです。

クリエイターの活用シーン

最も相性がよいのは縦型ショートドラマです。9:16の画面、最大15秒、口の動きと合ったセリフで、ショートドラマに必要な状況説明ショット、リアクション、つなぎのカットの大半をまかなえます。リップシンクは標準中国語、広東語、英語、日本語、韓国語、ドイツ語、フランス語に対応しているため、同じシーンを撮り直さずに海外向けに吹き替えられます。

ECチームは画像から動画を使い、静止した商品写真を短いショーケース映像に変えています。大理石の上で回るボトル、風になびくジャケット、商品について一言話すモデルなどです。SNSクリエイター、ミュージックビデオ制作者、ブランドの絵コンテ作家は、実際の撮影に費用をかける前にアイデアを素早く確認するために活用しています。

いま試したい人気の使い方

話し、動き、音まで一発でそろったクリップを見ると、クリエイターの作例には同じアイデアが繰り返し登場します。どれも HappyHorse 1.0 の得意分野、つまり短いシーン、はっきりした被写体、ひとつのカメラワーク、そしてセリフか印象的な環境音を生かしたものです。

• 引きのラストカット：セリフで終わる 9:16 の 1 カットを、ショートドラマの最後の 1 秒に置いて次話へつなぐ。
• 1 本の広告を 7 つの声で：同じ商品シーンのセリフを中国語、英語、日本語、ドイツ語で出し分け、1 つの絵コンテで複数市場に対応。
• 写真から物語へ：昔のポートレートやキャラクターイラストがまばたきし、微笑んで挨拶する。家族の思い出やファンアートで人気。
• 商品回転＋ひとこと：清潔な台の上で商品が回り、ナレーションが魅力をひとつ語る。
• MV 用ループ：雨、ネオン、ゆっくりしたドリーの 5 秒ループをビートに合わせてつなぐ。

印象的な音声、リップシンク、動き

最大の特長はネイティブ音声です。セリフ、室内の空気感、足音、雨音が1回の推論で映像と一緒に生成されるため、吹き替えや効果音の工程を別に設ける必要がありません。自分で音楽をつけたい場合は、音声をオフにして無音の映像だけを出力することもできます。

レビューやプラットフォームの紹介記事では、滑らかな動き、安定した被写体、映画的な浅い被写界深度が高く評価されています。コミュニティの主な不満はモデルの周辺事情に関するもので、実現しなかったオープンソース化の約束、名前を使った非公式の模倣サイトの乱立、一部の競合より高い秒単位の料金などが挙げられています。

得意なことと物足りない点

すべてに勝つモデルはなく、弱点を知っておけばクレジットを節約できます。HappyHorse 1.0 は声付きの完成度の高いカットを素早く作りたいときに輝き、長回しやローカルでの細かい制御、安価に何十回も試す用途にはあまり向きません。

コピーして使えるプロンプトテンプレート

最も安定する構成は、被写体と見た目、次に段階に分けた動作、次に舞台と光、次にカメラワークを1つ、次に音または言語を明記した引用のセリフ、最後にスタイル、という順番です。falが公開している公式のプロンプトガイドも同じ考え方に沿っています。以下の3つのテンプレートを調整して使ってください。

• ショートドラマのセリフ：赤いコートの若い女性が夜のネオンの雨の中に立ち、カメラに振り向いて標準中国語で言う："你终于来了。" ゆっくりズームイン、浅い被写界深度、ティール＆オレンジのカラーグレーディング、やわらかな雨の環境音。
• EC向け画像から動画（商品写真をアップロード）：ボトルが大理石のテーブルの上でゆっくり回転し、水滴がきらめき、カメラが180度回り込む。やわらかなスタジオ照明、控えめで軽快な音楽。
• マルチショットのストーリー：ショット1：日の出の砂漠の道路の引きの画。ショット2：笑顔のドライバーのクローズアップ。ショット3：後退していくドローンショット。全編を通して同じキャラクターとエンジン音を保つ。

セリフはすべて引用符で囲み、言語を指定してください。そうしないと声がぶれることがあります。動きは1つの長い文ではなく、時間ごとの段階に分けましょう。カメラワークは1つのプロンプトにつき主要なものを1つだけにします。ドリー、パン、ズームを重ねると、たいてい映像が揺れてしまいます。後から音楽を入れる予定なら音声はオフにしてください。

自然なセリフとリップシンクのコツ

話すカットはこのモデルが最も驚かれる部分であり、プロンプトの小さなミスが目立つ部分でもあります。セリフは短く、クリップの長さに余裕で収まる 1 文が理想で、引用の前に必ず言語を書きましょう。顔が画面に大きく映り、正面から光が当たっていると口の動きがより細かく出ます。

• セリフはその言語の文字で書く。日本語ならローマ字ではなく日本語で。
• ささやく、明るい、疲れた、怒ったなど声のトーンを書く。言葉と同じくらい演技が変わる。
• セリフの前後に一拍の間を置くと、慌ただしく見えない。
• 雨、車の音、カフェのざわめきなど環境音をひとつ足すと、生成ではなく収録したように感じられる。

HappyHorse 1.0の使い方をステップごとに解説

Alibabaによる一般向けアプリはなく、fal、OpenRouter、Hedra、Artlist、A2Eなどのパートナープラットフォーム経由で利用します。その多くは新規アカウントに無料クレジットを少し付与しています。手順はどこでも同じです。

1. 1このモデルを提供しているプラットフォームを選び、ログインします。
2. 2モードを選びます：テキスト、画像、参照、動画編集。
3. 3動作の段階、カメラワーク、引用符で囲んだセリフとその言語を含めてプロンプトを書きます。
4. 4アスペクト比（16:9、9:16、1:1、4:3、3:4）、長さ（3〜15秒）、720pまたは1080p、音声のオン／オフを設定します。
5. 5生成して確認し、MP4をダウンロードします。4Kが必要ならその後アップスケーラーにかけます。

HappyHorse 画像から動画：よく動く写真の選び方

画像から動画では元写真の色、服装、構図がそのまま保たれるため、プロンプトより写真の方が重要です。被写体がひとつで鮮明、動かしたい方向に余白がある画像を選びましょう。ごちゃごちゃした背景や途中で切れた手は、動き出すと崩れやすくなります。

そのうえで変化する部分だけ、つまり動作、カメラ、音を伝えます。すでに見えているものを説明する必要はありません。商品ならやわらかい光でのゆっくりした回り込みや寄りがほぼ確実に決まり、人物なら振り向く、微笑む、一歩踏み出すといった小さな仕草の方が大きな動きより自然です。

HappyHorse 1.0とVeo 3、Kling 3.0、Seedance 2.0の比較

Veo 3とSora 2も映像と一緒に音声を生成するため、比較は主にブラインド投票での好みに集約されます。リリース当時はHappyHorseがトップでした。Kling 3.0やSeedance 2.0と比べた強みはリップシンク対応言語の数とアリーナのスコアで、一方Seedanceは1クリップあたりにより多くの参照を受け付けます。Wan 2.2やLTX-2などのオープンモデルは自分のGPUで動かせますが、こちらはクラウド専用です。

ランキングはアリーナの投票に応じて変わります。判断する前に最新のランキングを確認してください。

HappyHorse 1.0はオープンソース？ダウンロードについて

2026年10月時点で、ダウンロード可能な公式ウェイトは見つかっていません。あるパートナーのページはウェイトがHugging Faceにあると主張していますが、falはモデルがクローズドであり、オープンソース化もライセンス提供もしないと明言しています。独自の検証でも、Hugging Faceのリンクはアクセスエラーとなり、GitHubにもコードやウェイトはありませんでした。この名前を使った「コミュニティ版チェックポイント」はすべて非公式で出所不明なので、避けるのが賢明です。

自分でダウンロードして動かせるオープンモデルが欲しいなら、AlibabaのTongyiチームによるWan 2.2や、LightricksによるLTX-2を検討してください。どちらもウェイトを公開しています。OpenRouterの一部のページにはHappyHorse 1.1という名前も見られますが、公式な新リリースは確認されていません。

無検閲のHappyHorse：実在するものと代わりの選択肢

HappyHorse 1.0に無検閲版やNSFW版は存在しません。利用経路はすべてクラウドプラットフォームを通り、それぞれがプロンプトと生成結果に独自のコンテンツポリシーを適用しています。アダルトなテーマのクリップを作りたいなら、当サイトの画像から動画スタジオが、同意した成人によるコンテンツ向けのフィルターなしモデルで写真を動かします。下のアイデアを参考にしてください。

1. 成人の被写体がはっきり写った明るい写真から始めましょう。動きは写真のポーズと服装に沿って生成されます。
2. 動作を1つ、カメラワークを1つ書き、そこに光と音の指示を加えます。
3. 使用するのは自分自身の写真、同意した成人の写真、または明らかに18歳以上の架空キャラクターの画像だけにしてください。