7 апреля 2026 года на платформе Artificial Analysis Video Arena — главном независимом бенчмарке для AI-видеомоделей — появилась анонимная строчка: HappyHorse-1.0. Без пресс-релиза, без команды и соцсетей. За несколько дней модель поднялась на первое место сразу в двух категориях — text-to-video и image-to-video, и сообщество даже не понимало, кто ее создал. 10 апреля 2026 года Alibaba Group официально подтвердила авторство, и акции компании в Гонконге в тот же день выросли на 2,12%.
Happyhorse 1.0 разработала Future Life Laboratory внутри Taotian Group — подразделения Alibaba, управляющего Taobao и Tmall. Руководителем проекта стал Чжан Ди, бывший технический архитектор Kling AI у Kuaishou — то есть человек, который строил главного конкурента, перешел в Alibaba и создал модель, обошедшую этого самого конкурента.
Разбираем, что такого добавил Ди в новую нейросеть, как правильно ей пользоваться и получить доступ из России.
Happyhorse без VPN
Если хочется оживить фото онлайн без разбора с китайскими платформами и оплатой — проще всего через SpeShu.AI: своя точка доступа, оплата в рублях, без иностранной карты. У SpeShu.AI есть аналоговые модели: SpeShu Claude, SpeShu Gemini, SpeShu ChatGPT. Они не уступают официальным моделям и при этом работают без VPN, оплачиваются картой банков РФ и стоят дешевле.
Техническая часть — почему Happyhorse такая быстрая
Модель построена на 15 миллиардах параметров с единым архитектурным стримом Single-Stream Transformer и восьмишаговым пайплайном вывода на основе технологии DMD-2, вместо привычных 25–50 шагов в стандартных диффузионных моделях. На практике это означает, что 10-секундный клип в 1080p генерируется примерно за 32–38 секунд на одной видеокарте NVIDIA H100 — для сравнения, Kling 3.0 в режиме Pro на тот же формат тратит от 1 до 5 минут. Happyhorse заметно быстрее конкурента при сопоставимом или даже лучшем качестве в задаче оживления фото.
Главная архитектурная особенность — объединенная генерация аудио и видео. Kling или старые версии Runway сначала создают немой клип, а звук добавляют отдельным шагом. Happyhorse использует единый 40-слойный Self-Attention Transformer, который обрабатывает токены видео и аудио вместе — диалог, атмосферные звуки, музыка и Foley-эффекты встроены в результат с первого прохода, а не накладываются в постпродакшене.
Модель также поддерживает фонемный lip-sync на семи языках — она понимает, какие именно звуки произносятся, и синхронизирует движение губ на уровне фонем, а не приблизительного совпадения. Среди подтвержденных языков — английский, китайский, японский, корейский, испанский, французский и немецкий; русский отдельно в источниках не подтвержден.
Внутри одного интерфейса доступны четыре режима: генерация из текста, генерация из изображения — ключевая для оживления фото, — генерация с удержанием персонажа по референсу и редактирование уже существующего видео. Именно в режиме Image-to-Video модель показывает превосходящую точность сохранения исходного изображения — она удерживает оригинал без искажений лучше, чем Kling 3.0, по данным слепых оценок, а это именно то, что нужно для оживления фото: человек на снимке должен остаться собой.
Честные ограничения
Заявленный статус open-source пока существует только на бумаге: Alibaba объявила о лицензии Apache 2.0, но по состоянию на апрель 2026 года никакие веса модели, код вывода или документация публично не опубликованы — это принципиально отличает Happyhorse от WAN 2.2, чьи веса реально лежат на HuggingFace.
Максимальное разрешение ограничено 1080p, тогда как Kling 3.0 поддерживает нативный 4K при 60 кадрах в секунду — для соцсетей и большинства практических задач 1080p вполне достаточно, но для съемочного пространства и кино уже нет. Максимальная длина клипа составляет до 15 секунд, тогда как Kling через функцию Extend дает около 3 минут. Camera Control тоже нет — движение камеры задается только текстовым промптом, без отдельных настроек, как у Kling с его pan, orbit и zoom. И, по данным тестов, слабое место модели — консистентность при многошаговых правках: редактирование через несколько запросов подряд может нарушить то, что было в предыдущем результате.
Промпты для оживления фото
Happyhorse принимает текстовые промпты на английском — основном языке обучения — и на китайском. Структура эффективного промпта для оживления фото: описание субъекта и его действия, движение камеры, атмосфера или стиль, и что должно остаться неизменным.
1. Мягкое дыхание и наклон головы The person in this photo gently blinks once and takes a slow natural breath. Their head tilts slightly to the right. Camera holds still. Warm indoor lighting. Keep all facial features, expression and clothing exactly as in the original image.
2. Взгляд снизу вверх Eyes slowly open from a soft downward gaze, meeting the camera with calm warmth. One deliberate blink. No other movement. Film grain aesthetic preserved.
3. Портрет пожилого человека Elderly person breathes naturally, subtle chest movement. A faint knowing smile forms, disappears. No head movement. The weight and dignity of the original photograph maintained.
4. Детское фото Child glances left with curiosity, returns gaze forward, blinks playfully. Light, spontaneous movement. Soft diffused daylight unchanged from photo.
5. Оживить архивное черно-белое фото Animate with the smallest possible movement — one slow blink, barely perceptible breathing. Preserve authentic vintage photographic grain and monochrome palette. Motion consistent with 1940s portrait photograph — formal, still, dignified.
6. Архивный портрет с поднятым подбородком The subject slowly raises their chin by a few degrees, holds, settles. One blink. No smile added. Preserve silver gelatin photographic texture throughout.
7. Природный пейзаж Leaves in the foreground sway gently in a slow breeze. Distant water surface shows soft ripples. Clouds drift at a natural pace across the sky. Human subjects, if any, remain completely still.
8. Цветы на ветру Flowers move in a gentle wind, petals trembling. Light shifts softly as if clouds are passing overhead. Camera very slowly zooms in by 5%. No artificial elements added.
9. Удержание персонажа по референсу — прогулка Using the face in this reference image as the anchor identity: animate the subject walking naturally through the scene, camera following at medium distance. Preserve all facial features, hair, and clothing exactly. Natural stride, soft ambient light.
10. Удержание персонажа — взгляд через плечо Keep the character identity from this photo consistent. Show them turning to look over their shoulder, then returning gaze forward. 180-degree head movement, slow and natural.
11. Продуктовая ротация Product rotates 360 degrees on its axis, slow and elegant. Studio lighting creates a moving highlight. Background remains white and clean. No shadows added or removed. No modifications to product shape, color, or texture.
12. Орбита камеры вокруг объекта Camera slowly orbits the subject from left to right, 45-degree arc. Subject remains completely still. Lighting stays consistent from the original photo. Cinematic, premium feel.
Почему Happyhorse особенно хорош именно для оживления фото
Ключевой факт: в рейтинге Image-to-Video у Happyhorse более высокий Elo — 1392–1416 — чем в Text-to-Video, где показатель составляет 1333–1382. Это значит, что модель показывает относительно лучший результат именно в работе с исходным изображением, а не в генерации из текста, и для задачи оживить фото по независимым бенчмаркам на апрель-май 2026 года это оптимальный выбор среди рассмотренных инструментов.
Нативная генерация аудио в одном проходе, без отдельного шага, тоже играет на руку именно этой задаче: для семейного архивного фото это означает возможность получить одновременно и движение, и атмосферный звук — шелест листьев, тихую музыку, естественный фон — в одной генерации, без дополнительной обработки.
Доступность из России
Здесь у Happyhorse есть реальное преимущество перед Kling и Google Omni — модель сделана китайской компанией, и это меняет картину доступа. Alibaba не ограничивает доступ из России на уровне платежной инфраструктуры так жестко, как это делают американские компании.
Основной канал напрямую от Alibaba — платформа Qwen.ai, которая изначально работала как закрытая бета, а к маю-июню 2026 года открылась более широко. Оплата там проходит через Alipay и часть международных карт, что для россиян реальнее, чем прямая оплата в OpenAI или Kling. Официальный демо-сайт happyhorsesai.com с примерами работ доступен без ограничений, а платформа JXP.com предоставляет так называемый студийный доступ ко всем четырем режимам модели без сведений о блокировке для российских пользователей. Для разработчиков есть API через западных провайдеров вроде WaveSpeed, Fal и Atlas Cloud, но там нужна международная карта, а значит, потребуется посредник. API для любой нейросети также предоставляет агрегатор SpeShu.AI.
Проще всего, если не хочется разбираться с китайскими платежными системами самостоятельно, — доступ через агрегатор с оплатой в рублях и без VPN, который закрывает вопрос оплаты сразу.
Частые вопросы
Можно ли оживить фото в Happyhorse бесплатно? Да, частично — через Qwen.ai клип в 720p длительностью 5 секунд бесплатен в рамках дневной квоты, а более длинные и качественные версии уже платные.
Заблокирован ли Happyhorse в России? Нет прямых сведений о блокировке — модель разработана Alibaba, и китайские сервисы обычно не ограничивают доступ из России так жестко, как американские платформы.
Чем Happyhorse отличается от Kling для оживления фото? Happyhorse генерирует видео заметно быстрее — около 30 секунд против нескольких минут у Kling — и лучше сохраняет исходное изображение без искажений, но уступает Kling в максимальном разрешении и длине клипа.
Поддерживает ли Happyhorse русский язык? Прямого подтверждения поддержки русского языка в lip-sync нет — среди официально подтвержденных семи языков русского нет, хотя текстовые промпты на английском работают хорошо.
Правда ли, что Happyhorse открытая модель? Пока нет фактически, хотя Alibaba заявила о лицензии Apache 2.0 — по состоянию на апрель 2026 года веса модели, код и документация публично не опубликованы.
Заключение
Happyhorse — редкий случай, когда модель завоевала первое место в независимых рейтингах результатом, а не маркетингом, и особенно сильна именно в оживлении фото благодаря более высокому показателю Elo в Image-to-Video, чем в генерации из текста. Доступ из России проще, чем у большинства американских конкурентов, благодаря китайскому происхождению модели, а через SpeShu.AI можно получить доступ без VPN и вовсе без разбора с иностранными платежными системами.
Промокод HABRSPESHUAI дает дополнительный бонус. Введите промокод при пополнении баланса и получите +15% на счет агрегатора.
ссылка на оригинал статьи https://habr.com/ru/articles/1069964/