Happy Horse 1.1: qué cambió respecto a la versión 1.0
Happy Horse 1.0 alcanzó el primer puesto de Artificial Analysis Video Arena en abril de 2026, un mes después de su lanzamiento, el 27 de abril. Happy Horse 1.1 es el primer perfeccionamiento importante desde entonces. No es una reconstrucción desde cero. El equipo detrás del modelo, la ATH AI Innovation Unit de Alibaba, se centró en las cinco áreas que más a menudo obligaban a volver a generar contenido bajo plazos de producción y trabajó específicamente en cada una.
Todas las capacidades de la versión 1.1, incluidas la generación de texto a video, de imagen a video y de referencia a video, están disponibles a través de la API con plena paridad con la experiencia web. La actualización está disponible para creadores y desarrolladores al mismo tiempo.
Happy Horse 1.1 ya está disponible en vega.chat y a través de la API de api.vega.chat.
Las cinco mejoras
1. Mayor expresividad del movimiento
Happy Horse 1.1 mejora el modelado del movimiento y la coherencia temporal. En el ejemplo de la escena de lucha de la comparación oficial, el protagonista contrarresta el puñetazo de un oponente usando su propio impulso, con una rotación corporal y una fuerza centrífuga que siguen una clara cadena de causa y efecto. Mientras que en la versión 1.0 el movimiento podía desviarse o detenerse a mitad de la acción, la versión 1.1 mantiene la rotación corporal, la transferencia del impulso y el momento del impacto físicamente coherentes durante toda la secuencia. La diferencia se nota más en las tomas con varios movimientos simultáneos, donde era más probable que la versión 1.0 se viera lenta o incoherente.
Esto es especialmente importante para cortos de acción, contenido dinámico para redes sociales y secuencias cinematográficas con movimiento continuo de cámara.
2. Mayor consistencia de los sujetos y mejor fusión de múltiples referencias
Happy Horse 1.1 refuerza la capacidad del modelo para interpretar y fusionar varias imágenes de referencia en tareas R2V, de modo que los sujetos se ajusten más a los recursos de referencia durante todo el clip.
En el ejemplo de una transmisión en vivo de productos, que usa dos imágenes de referencia (un producto para el cuidado de la piel y un lápiz labial), la versión 1.1 mantiene estables los detalles del producto y los elementos de marca a lo largo del clip. En la versión 1.0, esos detalles podían perder definición o cambiar hacia la mitad del clip. En un ejemplo narrativo con dos personajes, una princesa que se enfrenta a un hombre dragón, la versión 1.1 conserva el vestuario y la identidad facial de cada personaje sin mezclarlos durante la toma.
Esto es especialmente importante para videos de productos de comercio electrónico, producciones basadas en guiones gráficos y contenido narrativo con varios personajes.
3. Mejor seguimiento de instrucciones
Happy Horse 1.1 mejora la comprensión semántica de contextos largos, la planificación de escenas y el modelado de relaciones entre personajes. Produce resultados más fieles a las indicaciones con prompts complejos que incluyen varias escenas y personajes.
En el ejemplo de una sala de estar minimalista, dos personajes atraviesan un intercambio emocional tranquilo, con el ritmo contenido y la estética de drama corto que pedía el prompt, en lugar de la puesta en escena más libre que a veces generaba la versión 1.0. La diferencia más notable aparece en los prompts que definen la dinámica de una relación. Happy Horse 1.1 interpreta «el personaje A se enfrenta al personaje B» como una indicación de movimiento, mientras que la versión 1.0 a veces trataba frases como esa como simples descripciones.
Un consejo de los materiales de comparación para escribir prompts R2V: cuando describas la interacción entre referencias, indica explícitamente la relación. «[image 1] and [image 2] start fighting» funciona mejor que «two characters engage in combat». Procura que los prompts sean concisos. Las instrucciones demasiado restrictivas pueden limitar el motor de movimiento incluso en la versión 1.1.
Esto es especialmente importante para dramas cortos, guiones publicitarios con varias escenas y la ejecución de guiones gráficos.
4. Mayor calidad visual y detalles más realistas
Happy Horse 1.1 perfecciona el renderizado de personajes, en particular la generación de detalles faciales. Reduce el exceso de nitidez, los brillos aceitosos y las texturas de piel difuminadas que podían aparecer en los primeros planos de la versión 1.0.
En el ejemplo cinematográfico de un aula, la versión 1.1 representa la piel con una textura más natural y detalles visibles a nivel de los poros, mientras la cálida luz del sol de la tarde se extiende sobre los pupitres y el polvo fino flota en el aire iluminado. En la versión 1.0, la misma toma podía verse demasiado nítida o brillante. Los primeros planos de personajes ganan expresividad, y la versión 1.1 demuestra un dominio más consistente del lenguaje de cámara profesional, como el plano-contraplano y los travellings, por lo que las transiciones entre tomas y el ritmo se sienten más coherentes.
Una limitación: en primeros planos con mucho movimiento (giros rápidos de cabeza, cambios repentinos de expresión), ambas versiones todavía pueden producir ligeras deformaciones faciales. Happy Horse 1.1 las maneja mejor que la versión 1.0, pero el problema no ha desaparecido por completo.
Esto es especialmente importante para dramas cortos, publicidad con primeros planos de figuras protagonistas y contenido de marca en el que los rostros ocupan todo el encuadre.
5. Expresión de audio mejorada
Happy Horse 1.1 mejora la sincronización audiovisual y la interpretación del audio a partir de prompts. El ritmo y el tono de los diálogos se adaptan al contexto de la escena, y las descripciones de sonido incluidas en los prompts se siguen de manera más fiable.
En el ejemplo de una cocina al atardecer, el suave hervor de una olla, el ritmo de la tabla de cortar y el diálogo contenido coinciden con la acción en pantalla. El golpe del cuchillo coincide con el movimiento de corte, en vez de adelantarse o retrasarse ligeramente, como podía ocurrir en la versión 1.0. Happy Horse 1.1 también mantiene las capas de sonido ambiental más sincronizadas con la imagen y genera menos artefactos de audio irrelevantes que no se mencionan en el prompt.
Esto es especialmente importante para dramas cortos, contenido de marcas de estilo de vida y cualquier clip en el que el sonido ambiental forme parte de la narrativa.
Comparación rápida
| Capacidad | Happy Horse 1.0 | Happy Horse 1.1 |
|---|---|---|
| Expresividad del movimiento | Buena, pero se desvía en acciones rápidas | Más fluida y físicamente coherente |
| Consistencia de los sujetos | Sólida con un solo sujeto | Mejor fusión de múltiples referencias |
| Seguimiento de instrucciones | Fiable con prompts sencillos | Mejor con prompts complejos con varios personajes |
| Calidad visual | Puede dar demasiada nitidez a la piel | Piel más natural y detalles más ricos |
| Expresión de audio | Sincronizado, pero a veces desfasado | Sincronización audiovisual más precisa, menos artefactos |
| Modos de generación | T2V / I2V / R2V | T2V / I2V / R2V (todos mejorados) |
| Compatibilidad con API | Sí | Sí, paridad total de capacidades |
| Rostros en primeros planos con mucho movimiento | Cierta deformación | Mejorados, pero el problema no se ha resuelto por completo |
En producciones reales
Analizar las diferencias en función de trabajos de producción reales permite ver claramente el valor de la actualización. Para crear dramas cortos, las mejoras en movimiento, seguimiento de instrucciones y audio mantienen coherentes y emocionalmente expresivas las escenas de diálogo con varias tomas, por lo que se descartan menos tomas durante la producción. En publicidad de comercio electrónico, la consistencia de referencia a video de la versión 1.1 protege las etiquetas de los productos y los valores de color de marca, que la versión 1.0 podía atenuar hacia la mitad del clip. En marketing de marca y personajes generados por computadora, la mayor fidelidad visual y un lenguaje de cámara más consistente acercan los resultados de la versión 1.1 a la calidad de emisión, sin necesidad de composiciones adicionales.
En todas las categorías, Happy Horse 1.1 reduce las veces que hay que volver a generar contenido, algo que a veces ocurría con la versión 1.0. En un calendario de producción real, ahí es donde la actualización se amortiza.
¿Deberías actualizar?
Actualiza si creas dramas cortos, historias centradas en personajes, videos de productos de comercio electrónico o contenido de marca y publicidad. Son los flujos de trabajo en los que se acumulan las mejoras en movimiento, consistencia, calidad visual y audio, y donde los puntos débiles de la versión 1.0 tenían más probabilidades de obligar a volver a generar contenido.
Hay menos urgencia si solo generas clips rápidos para redes sociales en una sola toma y para explorar ideas. La versión 1.0 ya era capaz de hacerlo. Aun así, como todas las capacidades de la versión 1.1 están disponibles a través de la API con plena paridad, hay pocos motivos prácticos para seguir usando la versión anterior una vez que tienes acceso a la nueva.
Si tienes un presupuesto de créditos ajustado, reserva Happy Horse 1.1 para las escenas finales, donde la calidad no es negociable, y usa la versión 1.0 para las primeras etapas de desarrollo de conceptos y los montajes preliminares. Desarrolla los conceptos iniciales en la versión 1.0 para avanzar más rápido y luego pasa las escenas finales a la versión 1.1 para obtener movimiento, consistencia y audio de calidad profesional.
Prueba Happy Horse 1.1 en vega.chat
Happy Horse 1.1 ya está disponible en vega.chat y a través de la API de api.vega.chat. Puedes generar clips en la interfaz de chat, comparar los resultados lado a lado con la versión 1.0 o integrar el modelo en tus aplicaciones mediante la API compatible con OpenRouter en api.vega.chat. Se admiten los tres modos de generación (T2V, I2V, R2V), incluidas las entradas de referencia con varias imágenes, las relaciones de aspecto flexibles y las salidas en 720p/1080p.