Alibaba: HappyHorse 1.1

Alibaba: HappyHorse 1.1 es un modelo de generación de video de Alibaba. Se ubica en la categoría de video, y su función es convertir tus entradas en clips de video cortos en lugar de texto o imágenes fijas. Si estás construyendo un producto que necesita contenido en movimiento generado y ya trabajas con modelos de Alibaba o con una pila compatible con OpenAI, este es el modelo a evaluar para ese espacio.

El modelo acepta entradas de texto e imagen y produce video como su única salida. Puedes controlarlo solo con un prompt de texto, con una única imagen inicial, o con un conjunto de imágenes de referencia. La salida está disponible en 720p y 1080p, y puedes elegir entre una amplia gama de relaciones de aspecto: 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 y 9:21. Las duraciones de los clips van de 3 a 15 segundos en pasos de un segundo, así que puedes solicitar desde un bucle muy corto hasta una toma de quince segundos. El primer fotograma de la salida se puede anclar a una imagen proporcionada. No se publica una longitud de contexto para este modelo, lo cual es esperable para un generador de video, ya que las restricciones relevantes son la resolución, la relación de aspecto y la duración en lugar de una ventana de tokens.

Esas capacidades apuntan a un conjunto bastante específico de usos. Las relaciones verticales como 9:16 y 9:21 se adaptan a formatos sociales de formato corto y a ubicaciones móviles, mientras que 16:9 y 21:9 encajan en encuadres panorámicos y cinematográficos. Una única imagen inicial es útil cuando quieres animar una imagen fija, por ejemplo poner en movimiento la foto de un producto o el retrato de un personaje. Las imágenes de referencia ayudan cuando necesitas consistencia a lo largo de una toma o quieres que el modelo siga un estilo visual que tú proporciones. El rango de 3 a 15 segundos cubre anuncios sociales, clips teaser, storyboards animados y metraje de fondo corto. Como las duraciones se seleccionan por segundo, puedes iterar primero en un clip corto y extenderlo una vez que el movimiento se vea correcto.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "alibaba/happyhorse-1.1". Los parámetros de solicitud admitidos son max_tokens, presence_penalty, response_format, seed, temperature y top_p. Vale la pena establecer seed cuando quieres generaciones reproducibles, y temperature y top_p te dan control sobre la variación entre ejecuciones. Los parámetros restantes siguen las mismas convenciones que otros endpoints compatibles con OpenAI, así que las bibliotecas cliente y las formas de solicitud existentes deberían trasladarse con cambios mínimos.

Hay algunas cosas a tener en cuenta al decidir. La longitud de salida está limitada a 15 segundos, así que cualquier cosa más larga necesita ensamblarse a partir de múltiples generaciones. Solo el primer fotograma se puede anclar a una imagen, y la generación de audio no está especificada, así que planea añadir tu propia banda sonora si el clip la necesita. Si tu tarea es generación de texto, generación de imágenes o edición en lugar de video, un modelo de una de esas categorías encajará mejor.