HappyHorse 1.0

HappyHorse 1.0 は 15B パラメータの unified Transformer を基盤とし、マルチモーダル動画生成で高い整合性と安定した学習を目指しています。

映像フレームだけでなく、会話、環境音、効果音まで同期させて生成し、後処理の手間を減らせます。

英語、中国語、広東語、日本語、韓国語、ドイツ語、フランス語のリップシンクに対応し、多言語表現に向いています。

公式サイトでは 16:9 と 9:16 を含む形式で、5〜8 秒の 1080p 動画出力が案内されています。

ベースモデル、蒸留モデル、超解像モジュール、推論コードが公開され、商用利用権も案内されています。

公式サイトでは、画質、プロンプト整合性、Word Error Rate でオープン系競合に対して優位な結果が示されています。