Alibaba: HappyHorse 1.1

Alibaba: HappyHorse 1.1 är en videogenereringsmodell från Alibaba. Den tillhör kategorin video, och dess uppgift är att omvandla dina indata till korta videoklipp snarare än text eller stillbilder. Om du bygger en produkt som behöver genererat rörligt innehåll och du redan arbetar med Alibaba-modeller eller en OpenAI-kompatibel stack, är detta modellen att utvärdera för den platsen.

Modellen tar emot text- och bildindata och producerar video som enda utdata. Du kan styra den med enbart en textprompt, med en enda startbild, eller med en uppsättning referensbilder. Utdata finns tillgänglig i 720p och 1080p, och du kan välja bland en lång rad bildförhållanden: 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 och 9:21. Klipplängder sträcker sig från 3 till 15 sekunder i steg om en sekund, så du kan begära allt från en mycket kort loop upp till en tagning på femton sekunder. Den första bildrutan i utdata kan förankras vid en medföljande bild. Ingen kontextlängd publiceras för denna modell, vilket är väntat för en videogenerator, eftersom de relevanta begränsningarna är upplösning, bildförhållande och varaktighet snarare än ett tokenfönster.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Vertikala förhållanden som 9:16 och 9:21 passar kortformat för sociala medier och mobila placeringar, medan 16:9 och 21:9 passar bredbild och cinematografisk inramning. En enda startbild är användbar när du vill animera en stillbild, till exempel få ett produktfoto eller ett karaktärsporträtt i rörelse. Referensbilder hjälper när du behöver konsekvens genom en tagning eller vill att modellen ska följa en visuell stil som du tillhandahåller. Intervallet 3 till 15 sekunder täcker sociala annonser, teaserklipp, animerade storyboards och kort bakgrundsmaterial. Eftersom varaktigheter kan väljas per sekund kan du iterera på ett kort klipp först och förlänga det när rörelsen ser rätt ut.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "alibaba/happyhorse-1.1". De stödda begärandeparametrarna är max_tokens, presence_penalty, response_format, seed, temperature och top_p. Seed är värt att ställa in när du vill ha reproducerbara genereringar, och temperature och top_p ger dig kontroll över variationen mellan körningar. De återstående parametrarna följer samma konventioner som andra OpenAI-kompatibla slutpunkter, så befintliga klientbibliotek och begäransformat bör kunna återanvändas med minimala ändringar.

Det finns några saker att ha i åtanke när du bestämmer dig. Utdata längd är begränsad till 15 sekunder, så allt längre måste sättas samman från flera genereringar. Endast den första bildrutan kan förankras vid en bild, och ljudgenerering är inte specificerad, så planera att lägga till ditt eget soundtrack om klippet behöver ett. Om din uppgift är textgenerering, bildgenerering eller redigering snarare än video, passar en modell i en av dessa kategorier bättre.