happyhorse-1.0-t2v

HappyHorse-1.0-T2V is a Vincent video variant that takes only text as input and directly generates video content with synchronized audio. The model has "highly restored dynamic picture generation capabilities", can accurately understand text semantics, and output smooth, natural, high-quality videos with rich details. Like I2V, T2V’s inference service is provided by Alibaba Cloud Bailian and supports global multi-region deployment, with the same RPM of 300. In Artificial Analysis’ Vincent Video Arena, the T2V track topped the list with an Elo score of 1333, surpassing popular models such as ByteDance Seedance 2.0. The model natively supports lip synchronization in seven languages: English, Mandarin, Cantonese, Japanese, Korean, German, and French. It takes about 38 seconds to generate a 5-second 1080p video on a single H100.

Context
0 tokens
Max output
0 tokens
Input
llm image video
Output
video

Pricing

Price: $0.24 / request

720P text_to_video : $0.14 /

1080P text_to_video : $0.24 /

Endpoints

  • openai

More models

  • happyhorse-1.0-i2v

    HappyHorse-1.0-I2V 是图生视频变体,输入一张图像和文本提示,输出流畅自然的高质量视频。其核心能力在于“高度还原的动态画面生成”,能够精准理解文本语义,将静态图像的视觉信息与文本描述相结合,生成细节丰富、运动自然的视频片段。该模型输入模态为图像与文本,输出为视频,通过阿里云百炼平台提供推理服务,部署于北京、新加坡、法兰克福、弗吉尼亚等区域。

  • PixVerse/v5.6

    PixVerse V5.6 于2026年1月26日发布,核心升级是“惊人的物理拟真”能力和电影级画面生成。模型在物理运动模拟方面实现显著进步,物体和角色的运动轨迹更符合真实世界的力学规律。在口型同步和音频真实感方面也进行了增强。V5.6支持文生视频和图生视频统一模型,分辨率覆盖360p至1080p,时长支持5秒、8秒和10秒。10秒视频仅适用于360p、540p和720p分辨率,1080p时长限制为5或8秒。模型还支持首尾帧过渡生成和提示词推理增强,在 Artificial Analysis 2026年2月的全球图生视频赛道中,V5.6以1291的 ELO 综合质量评分位列第四。

  • happyhorse-1.1-t2v
  • veo-3.1-fast-generate-preview

    veo-3.1-fast-generate-preview 是 Google Veo 3.1 的快速生成预览模型条目,面向以较快迭代速度制作生成式视频。它适合创意试片、社媒短视频草稿、镜头语言探索和内容团队的多轮方案比较。使用时应明确视频主体、动作、环境、镜头运动、时长、画幅与声音要求,并通过多个提示样例比较运动连贯性、人物一致性和画面细节。作为 Preview 模型,适合先在可控项目中验证工作流;正式发布前仍应审核人物肖像、品牌元素、音乐版权和生成内容标识。