Happy Horse 1.1: 1.0 से क्या बदला

Happy Horse 1.0 ने लॉन्च के एक महीने बाद, अप्रैल 2026 में Artificial Analysis Video Arena में शीर्ष स्थान हासिल किया था। Happy Horse 1.1 उसके बाद पहला बड़ा परिष्करण है। यह नए सिरे से बनाया गया मॉडल नहीं है। मॉडल के पीछे की टीम, Alibaba's ATH AI Innovation Unit, ने उन पाँच क्षेत्रों को चुना जहाँ प्रोडक्शन की समय-सीमाओं के दबाव में अक्सर वीडियो को दोबारा रेंडर करना पड़ता था, और हर क्षेत्र को बेहतर बनाने पर ध्यान दिया।

1.1 की हर क्षमता—जिसमें text-to-video, image-to-video और reference-to-video शामिल हैं—API के ज़रिए उपलब्ध है और वेब अनुभव के साथ पूरी तरह समान है। यह अपग्रेड क्रिएटर्स और डेवलपर्स, दोनों के लिए एक ही समय पर उपलब्ध है।

Happy Horse 1.1 अब vega.chat और api.vega.chat API के ज़रिए उपलब्ध है।

पाँच अपग्रेड

1. अधिक प्रभावशाली मोशन

Happy Horse 1.1 मोशन मॉडलिंग और टेम्पोरल निरंतरता को बेहतर बनाता है। आधिकारिक तुलना के फाइट-सीन उदाहरण में, मुख्य किरदार अपनी गति का इस्तेमाल करके विरोधी के मुक्के का जवाब देता है। शरीर का घूमना और अपकेंद्रीय बल स्पष्ट कारण-और-परिणाम की कड़ी का पालन करते हैं। जहाँ 1.0 में मोशन भटक सकता था या कार्रवाई के बीच रुक सकता था, वहीं 1.1 पूरे दृश्य में शरीर के घूमने, गति के हस्तांतरण और टक्कर के समय को भौतिक रूप से विश्वसनीय बनाए रखता है। यह अंतर उन शॉट्स में सबसे ज़्यादा दिखता है जिनमें एक से अधिक गतियाँ एक-दूसरे पर चढ़ती हैं—ऐसे शॉट्स में 1.0 के सुस्त या असंगत दिखने की संभावना सबसे अधिक थी।

यह एक्शन शॉर्ट्स, गतिशील सोशल कंटेंट और कैमरे की लगातार गति वाले सिनेमाई दृश्यों के लिए सबसे अधिक मायने रखता है।

2. बेहतर सब्जेक्ट निरंतरता और मल्टी-रेफरेंस फ्यूज़न

Happy Horse 1.1, R2V टास्क में कई रेफरेंस इमेज को समझने और जोड़ने के तरीके को बेहतर बनाता है, जिससे पूरे क्लिप में सब्जेक्ट रेफरेंस एसेट्स के अधिक करीब बने रहते हैं।

दो रेफरेंस इमेज (स्किनकेयर और लिपस्टिक) वाले प्रोडक्ट लाइवस्ट्रीम उदाहरण में, 1.1 पूरे क्लिप में प्रोडक्ट की बारीकियों और ब्रांड एलिमेंट्स को स्थिर रखता है। 1.0 में क्लिप के बीच तक ये बारीकियाँ धुंधली पड़ सकती थीं या बदल सकती थीं। ड्रैगन-मैन का सामना करती राजकुमारी वाले दो-किरदारों के नैरेटिव उदाहरण में, 1.1 दोनों किरदारों की पोशाक और चेहरे की पहचान को बरकरार रखता है, बिना शॉट के दौरान उन्हें आपस में मिलाए।

यह ई-कॉमर्स प्रोडक्ट वीडियो, स्टोरीबोर्ड-आधारित प्रोडक्शन और कई किरदारों वाले नैरेटिव कंटेंट के लिए सबसे अधिक मायने रखता है।

3. निर्देशों का बेहतर पालन

Happy Horse 1.1 लंबे कॉन्टेक्स्ट की अर्थगत समझ, सीन प्लानिंग और किरदारों के बीच संबंधों की मॉडलिंग को बेहतर बनाता है। जटिल, कई दृश्यों और किरदारों वाले प्रॉम्प्ट पर यह निर्देशों के अधिक अनुरूप परिणाम देता है।

मिनिमलिस्ट लिविंग-रूम वाले उदाहरण में, दो किरदार शांत भावनात्मक संवाद के दौरान उसी संयमित गति और शॉर्ट-ड्रामा अंदाज़ में आगे बढ़ते हैं जिसकी प्रॉम्प्ट में माँग की गई थी—1.0 में कभी-कभी दिखने वाली अधिक ढीली दृश्य-रचना के बजाय। सबसे बड़ा अंतर उन प्रॉम्प्ट में दिखता है जो किरदारों के बीच संबंधों की गतिशीलता बताते हैं। Happy Horse 1.1, “किरदार A, किरदार B का सामना कर रहा है” को मोशन संकेत के रूप में समझता है, जबकि 1.0 कभी-कभी ऐसी पंक्तियों को केवल वर्णन मानता था।

तुलना सामग्री से एक प्रॉम्प्ट टिप: रेफरेंस इमेज के बीच बातचीत का वर्णन करने वाले R2V प्रॉम्प्ट लिखते समय, संबंध को सीधे नाम दें। “[image 1] और [image 2] लड़ना शुरू करते हैं” की तुलना में “दो किरदार लड़ाई में शामिल होते हैं” बेहतर काम करता है। प्रॉम्प्ट को केंद्रित रखें। ज़रूरत से ज़्यादा पाबंदियाँ लगाने वाले प्रॉम्प्ट 1.1 में भी मोशन इंजन को दबा सकते हैं।

यह शॉर्ट ड्रामा, कई दृश्यों वाली विज्ञापन स्क्रिप्ट और स्टोरीबोर्ड के क्रियान्वयन के लिए सबसे अधिक मायने रखता है।

4. बेहतर दृश्य गुणवत्ता और अधिक वास्तविक बारीकियाँ

Happy Horse 1.1 किरदारों के रेंडरिंग को बेहतर बनाता है, खासकर चेहरे की बारीकियाँ जनरेट करने में। 1.0 के क्लोज़-अप में दिख सकने वाली ज़रूरत से ज़्यादा शार्पनेस, तैलीय चमक और त्वचा की धुंधली बनावट अब कम दिखाई देती है।

सिनेमाई क्लासरूम वाले उदाहरण में, 1.1 त्वचा की बनावट और रोमछिद्रों के स्तर की बारीकियों को अधिक प्राकृतिक ढंग से दिखाता है। दोपहर की गर्म धूप डेस्क पर पड़ती है और प्रकाश में धूल के महीन कण तैरते रहते हैं। 1.0 में वही शॉट ज़रूरत से ज़्यादा शार्प या चमकदार दिख सकता था। किरदारों के क्लोज़-अप में अभिव्यक्ति बेहतर आती है, और 1.1 शॉट-रिवर्स-शॉट तथा ट्रैकिंग शॉट्स जैसी पेशेवर कैमरा भाषा को अधिक स्थिरता से समझता है, जिससे कई शॉट्स के बीच ट्रांज़िशन और गति अधिक सुसंगत लगती है।

एक सीमा यह है कि बहुत अधिक गति वाले क्लोज़-अप (तेज़ी से सिर घुमाना, चेहरे के भावों में तेजी से बदलाव) में दोनों वर्ज़न अब भी चेहरे को थोड़ा विकृत कर सकते हैं। Happy Horse 1.1 इसे 1.0 से बेहतर संभालता है, लेकिन समस्या पूरी तरह दूर नहीं हुई है।

यह शॉर्ट ड्रामा, मुख्य कलाकारों के शॉट्स वाले विज्ञापन और ऐसे ब्रांड कंटेंट के लिए सबसे अधिक मायने रखता है जहाँ चेहरे पूरे फ्रेम में हों।

5. बेहतर ऑडियो अभिव्यक्ति

Happy Horse 1.1 ऑडियो-विज़ुअल सिंक्रोनाइज़ेशन और प्रॉम्प्ट के आधार पर ऑडियो की व्याख्या को बेहतर बनाता है। संवाद की गति और लहजा दृश्य के संदर्भ के मुताबिक बदलते हैं, और ध्वनि से जुड़े प्रॉम्प्ट विवरणों का अधिक भरोसेमंद ढंग से पालन किया जाता है।

शाम ढलते समय रसोई वाले उदाहरण में, बर्तन में धीमी आँच पर पकने की आवाज़, कटिंग बोर्ड पर काटने की लय और संयमित संवाद—सब स्क्रीन पर हो रही कार्रवाई से मेल खाते हैं। चाकू से काटने की आवाज़ काटने की गति के साथ ही आती है, न कि 1.0 की तरह उससे थोड़ी पहले या बाद में। Happy Horse 1.1 परिवेशी ध्वनि की परतों को भी दृश्य के साथ अधिक निरंतरता से जोड़ता है और प्रॉम्प्ट में न बताई गई अप्रासंगिक ऑडियो कलाकृतियाँ कम पैदा करता है।

यह शॉर्ट ड्रामा, लाइफस्टाइल ब्रांड कंटेंट और ऐसे किसी भी क्लिप के लिए सबसे अधिक मायने रखता है जहाँ परिवेशी ध्वनि नैरेटिव का हिस्सा हो।

संक्षिप्त तुलना

क्षमता	Happy Horse 1.0	Happy Horse 1.1
मोशन की अभिव्यक्ति	अच्छी, लेकिन तेज़ कार्रवाई में भटकती है	अधिक सहज और भौतिक रूप से विश्वसनीय
सब्जेक्ट निरंतरता	एक सब्जेक्ट के लिए भरोसेमंद	बेहतर मल्टी-रेफरेंस फ्यूज़न
निर्देशों का पालन	सरल प्रॉम्प्ट पर भरोसेमंद	जटिल, कई किरदारों वाले प्रॉम्प्ट पर बेहतर
दृश्य गुणवत्ता	त्वचा ज़रूरत से ज़्यादा शार्प हो सकती है	त्वचा अधिक प्राकृतिक, बारीकियाँ अधिक समृद्ध
ऑडियो अभिव्यक्ति	सिंक रहता है, लेकिन कभी-कभी थोड़ा आगे-पीछे	बेहतर AV सिंक, कम कलाकृतियाँ
जनरेशन मोड	T2V / I2V / R2V	T2V / I2V / R2V (सभी बेहतर)
API सपोर्ट	हाँ	हाँ, सभी क्षमताओं के साथ पूरी समानता
तेज़ गति वाले क्लोज़-अप में चेहरे	कुछ विकृति	बेहतर, लेकिन समस्या पूरी तरह हल नहीं

वास्तविक प्रोडक्शन में

असली प्रोडक्शन के कामों के संदर्भ में इन अंतरों को देखने से उनका महत्व स्पष्ट हो जाता है। शॉर्ट ड्रामा बनाने में, मोशन, निर्देशों के पालन और ऑडियो में हुए सुधार कई शॉट्स वाले संवाद दृश्यों को सुसंगत और भावनात्मक रूप से स्पष्ट रखते हैं, जिससे प्रोडक्शन के बीच कम टेक्स बेकार जाते हैं। ई-कॉमर्स विज्ञापन में, 1.1 की reference-to-video निरंतरता प्रोडक्ट लेबल और ब्रांड के रंगों के मानों को सुरक्षित रखती है, जिन्हें 1.0 क्लिप के बीच तक धुंधला कर सकता था। ब्रांड मार्केटिंग और कैरेक्टर CG में, बेहतर दृश्य निष्ठा और अधिक स्थिर कैमरा भाषा, अतिरिक्त कंपोज़िटिंग के बिना ही 1.1 के आउटपुट को प्रसारण के लिए तैयार गुणवत्ता के करीब ले जाती है।

हर श्रेणी में, Happy Horse 1.1 उन दोबारा रेंडर करने की ज़रूरत को कम करता है जो 1.0 में कभी-कभी पड़ती थी। वास्तविक प्रोडक्शन शेड्यूल में, अपग्रेड का फायदा यहीं मिलता है।

क्या आपको अपग्रेड करना चाहिए?

अगर आप शॉर्ट ड्रामा, किरदारों पर केंद्रित कहानियाँ, ई-कॉमर्स प्रोडक्ट वीडियो या ब्रांड और विज्ञापन कंटेंट बनाते हैं, तो अपग्रेड करें। इन वर्कफ़्लो में मोशन, निरंतरता, दृश्य गुणवत्ता और ऑडियो के सुधार एक-दूसरे का असर बढ़ाते हैं, और 1.0 की कमियाँ सबसे अधिक बार दोबारा रेंडर करने की नौबत ला सकती थीं।

अगर आप केवल तेज़ आइडिया बनाने के लिए एक ही शॉट वाले छोटे सोशल क्लिप जनरेट करते हैं, तो अपग्रेड की उतनी जल्दी नहीं है। Happy Horse 1.0 इस काम के लिए पहले से ही सक्षम था। फिर भी, 1.1 की सभी क्षमताएँ API के ज़रिए पूरी समानता के साथ उपलब्ध हैं, इसलिए पहुँच मिलने के बाद पुराने वर्ज़न पर बने रहने की व्यावहारिक वजह बहुत कम है।

अगर आपके क्रेडिट का बजट सीमित है, तो Happy Horse 1.1 को उन अंतिम डिलीवरी वाले दृश्यों के लिए बचाकर रखें जहाँ गुणवत्ता से समझौता नहीं किया जा सकता, और शुरुआती कॉन्सेप्ट व रफ़ कट्स के लिए 1.0 का इस्तेमाल करें। तेज़ी से कॉन्सेप्ट तैयार करने के लिए 1.0 में रफ़ काम करें, फिर प्रोडक्शन-स्तर के मोशन, निरंतरता और ऑडियो के लिए अंतिम दृश्यों को 1.1 में ले जाएँ।

vega.chat पर Happy Horse 1.1 आज़माएँ

Happy Horse 1.1 अब vega.chat और api.vega.chat API के ज़रिए उपलब्ध है। आप चैट इंटरफ़ेस में क्लिप जनरेट कर सकते हैं, 1.0 के साथ आउटपुट की साथ-साथ तुलना कर सकते हैं या api.vega.chat पर OpenRouter-compatible API के ज़रिए मॉडल को अपने ऐप्लिकेशन में इंटीग्रेट कर सकते हैं। तीनों जनरेशन मोड (T2V, I2V, R2V) समर्थित हैं, जिनमें कई इमेज को रेफरेंस के रूप में देना, अलग-अलग आस्पेक्ट रेशियो और 720p/1080p आउटपुट शामिल हैं।