Alibaba: HappyHorse 1.0

Alibaba: HappyHorse 1.0 é um modelo de geração de vídeo da Alibaba. Pertence à categoria de vídeo e é identificado na api14 pelo id de modelo alibaba/happyhorse-1.0. Se você está construindo um pipeline que precisa transformar descrições escritas ou imagens estáticas em clipes de vídeo curtos, este é o modelo que o provedor oferece para essa tarefa.

O modelo aceita entradas de texto e imagem e produz vídeo como sua única saída. Você pode conduzi-lo com um prompt de texto, uma única imagem inicial, ou um conjunto de imagens de referência, e o primeiro quadro do resultado pode ser ancorado com uma imagem first_frame. A saída está disponível em 720p e 1080p, em proporções de aspecto de 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 e 9:21, e em durações de 3 a 15 segundos em passos de um segundo. Nenhum comprimento de contexto é listado para este modelo, então trate o prompt como o limite prático de entrada em vez de um orçamento de tokens.

Essas capacidades apontam para um conjunto bastante específico de usos. Formatos verticais como 9:16 servem para clipes sociais curtos, enquanto 16:9 e 21:9 se encaixam em reprodução em paisagem e composições mais largas. As opções 1:1, 4:3 e 3:4 cobrem posicionamentos quadrados e retrato. Como você pode fornecer uma imagem inicial ou imagens de referência, o modelo funciona bem quando você já tem uma imagem estática que deseja trazer para o movimento, ou quando você quer que várias cenas compartilhem uma aparência consistente. A faixa de 3 a 15 segundos mantém as saídas curtas, o que se encaixa em anúncios, teasers, fotos de produtos e filmagens de fundo em loop, em vez de narrativas de formato longo.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo alibaba/happyhorse-1.0. Os parâmetros de requisição que ele suporta são max_tokens, presence_penalty, response_format, seed, temperature e top_p. Use seed quando quiser reproduzir ou variar uma geração de forma controlada, e temperature e top_p para direcionar quão rigidamente a saída segue o prompt. Os parâmetros restantes se comportam como em outros lugares da superfície compatível com OpenAI.

Há algumas coisas a ter em mente antes de se comprometer. O modelo produz apenas vídeo, então não é a escolha certa para tarefas de geração de texto ou imagem. As durações são limitadas a 15 segundos, e não há comprimento de contexto listado, então prompts muito longos ou fortemente detalhados podem não ser o melhor encaixe. Se sua tarefa é trabalho com texto ou imagem estática, outro modelo na api14 irá atendê-lo melhor.