Happy Horse 1.1 : ce qui a changé depuis la version 1.0
Happy Horse 1.0 a atteint la première place de l’Artificial Analysis Video Arena en avril 2026, un mois après son lancement, le 27 avril. Happy Horse 1.1 est la première amélioration majeure depuis. Il ne s’agit pas d’une refonte complète. L’équipe à l’origine du modèle, l’ATH AI Innovation Unit d’Alibaba, a ciblé les cinq domaines qui entraînaient le plus souvent des regénérations sous la pression des délais de production.
Toutes les capacités de la version 1.1, notamment la génération de vidéo à partir de texte, d’image et de références, sont accessibles via l’API, avec une parité complète avec l’expérience web. La mise à niveau est proposée simultanément aux créateurs et aux développeurs.
Happy Horse 1.1 est disponible dès maintenant sur vega.chat et via l’API api.vega.chat.
Les cinq améliorations
1. Une expressivité accrue des mouvements
Happy Horse 1.1 améliore la modélisation du mouvement et la cohérence temporelle. Dans l’exemple de scène de combat de la comparaison officielle, le protagoniste contre l’attaque de son adversaire en tirant parti de son propre élan, avec une rotation du corps et une force centrifuge qui suivent une chaîne claire de cause à effet. Alors que la version 1.0 pouvait laisser le mouvement dévier ou s’interrompre en pleine action, la version 1.1 maintient la rotation du corps, le transfert d’élan et le rythme des impacts dans un registre physique crédible tout au long de la scène. L’écart est particulièrement visible dans les plans où plusieurs mouvements se chevauchent, un cas où la version 1.0 avait le plus tendance à paraître lente ou incohérente.
C’est particulièrement important pour les vidéos d’action courtes, les contenus dynamiques pour les réseaux sociaux et les séquences cinématographiques avec des mouvements de caméra continus.
2. Une meilleure cohérence des sujets et une meilleure fusion de plusieurs références
Happy Horse 1.1 renforce la capacité du modèle à interpréter et à fusionner plusieurs images de référence dans les tâches R2V, afin que les sujets restent plus fidèles aux éléments de référence sur toute la durée du clip.
Dans l’exemple de diffusion en direct de produits utilisant deux images de référence (des soins pour la peau et un rouge à lèvres), la version 1.1 préserve les détails des produits et les éléments de marque tout au long du clip. Dans la version 1.0, ces détails pouvaient s’estomper ou changer vers le milieu du clip. Dans un exemple narratif mettant en scène deux personnages, une princesse confrontée à un homme-dragon, la version 1.1 préserve les costumes et l’identité faciale de chaque personnage sans les mélanger au cours du plan.
C’est particulièrement important pour les vidéos de produits e-commerce, les productions guidées par un storyboard et les récits mettant en scène plusieurs personnages.
3. Un meilleur suivi des instructions
Happy Horse 1.1 améliore la compréhension sémantique du contexte long, la planification des scènes et la modélisation des relations entre les personnages. Le modèle produit des résultats qui suivent mieux les instructions dans les prompts complexes comportant plusieurs scènes et personnages.
Dans l’exemple du salon minimaliste, deux personnages traversent un échange émotionnel feutré, avec le rythme retenu et l’esthétique de mini-série demandés dans le prompt, plutôt que la mise en scène plus libre que produisait parfois la version 1.0. La différence est la plus marquée dans les prompts qui définissent une dynamique relationnelle. Happy Horse 1.1 interprète « le personnage A confronte le personnage B » comme une indication de mouvement, tandis que la version 1.0 traitait parfois ce type de phrase comme une simple description.
Un conseil tiré du matériel de comparaison : lorsque vous rédigez des prompts R2V décrivant des interactions entre des références, nommez directement la relation. « [image 1] et [image 2] commencent à se battre » fonctionne mieux que « deux personnages s’engagent dans un combat ». Faites des prompts ciblés. Des contraintes trop nombreuses peuvent brider le moteur de mouvement, même dans la version 1.1.
C’est particulièrement important pour les mini-séries, les scripts publicitaires à plusieurs scènes et la réalisation de storyboards.
4. Une meilleure qualité visuelle et des détails plus réalistes
Happy Horse 1.1 affine le rendu des personnages, en particulier la génération des détails du visage. L’accentuation excessive, les reflets huileux et les textures de peau brouillées qui pouvaient apparaître dans les gros plans de la version 1.0 sont moins présents.
Dans l’exemple cinématographique en salle de classe, la version 1.1 restitue la peau avec une texture plus naturelle et des détails plus fins, jusque dans les pores, tandis que la chaude lumière de l’après-midi balaie les bureaux et que de fines poussières dérivent dans les rayons. Dans la version 1.0, le même plan pouvait paraître trop accentué ou brillant. Les gros plans de personnages gagnent en expressivité, et la version 1.1 maîtrise mieux les conventions professionnelles de la caméra, comme le champ-contrechamp et les travellings, ce qui rend les transitions entre plans et le rythme plus cohérents.
Une limite subsiste : dans les très gros plans avec beaucoup de mouvement (rotations rapides de la tête, changements d’expression brusques), les deux versions peuvent encore produire de légères déformations du visage. Happy Horse 1.1 gère mieux ces cas que la version 1.0, mais le problème n’est pas entièrement résolu.
C’est particulièrement important pour les mini-séries, les publicités avec des plans mettant en vedette des acteurs et les contenus de marque où les visages occupent tout le cadre.
5. Une expression audio améliorée
Happy Horse 1.1 améliore la synchronisation audio-visuelle et l’interprétation des instructions audio dans les prompts. Le rythme et le ton des dialogues s’adaptent au contexte de la scène, et les descriptions liées au son sont suivies plus fidèlement.
Dans l’exemple de la cuisine au crépuscule, le léger frémissement d’une casserole, le rythme du couteau sur la planche et le dialogue retenu sont en phase avec l’action à l’écran. Le coup de couteau coïncide avec le geste de découpe, au lieu de se produire légèrement avant ou après, comme cela pouvait arriver dans la version 1.0. Happy Horse 1.1 synchronise aussi plus régulièrement les couches sonores d’ambiance avec l’image et génère moins d’artefacts audio non pertinents, absents du prompt.
C’est particulièrement important pour les mini-séries, les contenus de marque axés sur le style de vie et tout clip où le son ambiant contribue à la narration.
Comparaison rapide
| Capacité | Happy Horse 1.0 | Happy Horse 1.1 |
|---|---|---|
| Expressivité des mouvements | Bonne, mais les mouvements dérivent lors des actions rapides | Plus fluide, avec une physique crédible |
| Cohérence des sujets | Bonne pour un sujet unique | Meilleure fusion de plusieurs références |
| Suivi des instructions | Fiable avec les prompts simples | Meilleur avec les prompts complexes à plusieurs personnages |
| Qualité visuelle | Peut trop accentuer la peau | Peau plus naturelle et détails plus riches |
| Expression audio | Synchronisée, mais parfois décalée | Synchronisation audio-visuelle plus précise, moins d’artefacts |
| Modes de génération | T2V / I2V / R2V | T2V / I2V / R2V (tous améliorés) |
| Prise en charge de l’API | Oui | Oui, parité complète des fonctionnalités |
| Visages en gros plan avec beaucoup de mouvement | Certaines déformations | Amélioré, mais pas entièrement résolu |
En production
Examiner les différences à travers des cas de production concrets permet de mieux en mesurer l’intérêt. Pour la création de mini-séries, les progrès en matière de mouvement, de suivi des instructions et d’audio permettent de conserver des scènes de dialogue à plusieurs plans cohérentes et chargées d’émotion, ce qui réduit le nombre de prises écartées en cours de production. Pour la publicité e-commerce, la cohérence des références vidéo de la version 1.1 préserve les étiquettes des produits et les valeurs de couleur de marque, que la version 1.0 pouvait altérer au milieu du clip. Pour le marketing de marque et les personnages en images de synthèse, la fidélité visuelle accrue et la meilleure maîtrise du langage caméra rapprochent les résultats de la version 1.1 d’un rendu prêt à la diffusion, sans nécessiter de passes de compositing supplémentaires.
Dans toutes les catégories, Happy Horse 1.1 réduit les regénérations auxquelles la version 1.0 pouvait parfois contraindre. Dans le cadre d’un vrai calendrier de production, c’est là que la mise à niveau devient rentable.
Faut-il passer à la version supérieure ?
Passez à la version supérieure si vous créez des mini-séries, des récits centrés sur des personnages, des vidéos de produits e-commerce ou des contenus de marque et publicitaires. Ce sont les processus de travail où les améliorations du mouvement, de la cohérence, de la qualité visuelle et de l’audio se cumulent, et où les points faibles de la version 1.0 risquaient le plus d’entraîner des regénérations.
C’est moins urgent si vous générez uniquement de courts clips pour les réseaux sociaux, composés d’un seul plan, afin de trouver rapidement des idées. Happy Horse 1.0 était déjà performant dans ce domaine. Malgré tout, comme toutes les capacités de la version 1.1 sont disponibles via l’API avec une parité complète, il y a peu de raisons pratiques de rester sur l’ancienne version dès lors que vous avez accès à la nouvelle.
Si votre budget de crédits est serré, réservez Happy Horse 1.1 aux scènes finales où la qualité n’est pas négociable, et utilisez la version 1.0 pour les premières étapes de conception et les premiers montages. Ébauchez rapidement vos concepts avec la version 1.0, puis passez les scènes finales dans la version 1.1 pour obtenir des mouvements, une cohérence et un son de qualité professionnelle.
Essayez Happy Horse 1.1 sur vega.chat
Happy Horse 1.1 est disponible dès maintenant sur vega.chat et via l’API api.vega.chat. Vous pouvez générer des clips dans l’interface de chat, comparer les résultats côte à côte avec ceux de la version 1.0 ou intégrer le modèle à vos applications via l’API compatible avec OpenRouter sur api.vega.chat. Les trois modes de génération (T2V, I2V, R2V) sont pris en charge, y compris l’entrée de plusieurs images de référence, les formats d’image flexibles et les résolutions 720p/1080p.