AI 视频的老大难，从来不是画面糊，而是角色”换脸”。 同一个角色，前一秒还是这张脸，后一秒五官就开始漂移。这个坎，最近有了新解法：6 月，阿里发布 HappyHorse 1.1，升级重点直接对准人物一致性与画面质感——多参考图融合、ID 跨片段保持、皮肤细节提升。一句话：把”脸”从第一帧稳到最后一帧。
01 一个老问题：AI 视频为什么总”变脸”
人物一致性，是 AI 视频生成公认的瓶颈。原因在机制：
- 视频逐帧生成，帧间缺少强约束，表情一换、机位一动，面部特征就漂移；
- 单张参考图信息量有限，遇到侧脸、遮挡、光影变化，模型只能靠”猜”，一猜就崩；
- 传统后处理靠抽帧比对修脸，治标不治本，成本还高。
创作者体感更直接。此前有短剧从业者实测反馈：上一代模型人脸磨皮重、皮肤不细腻，复杂镜头下画面容易失控。这类吐槽，几乎是 AI 视频用户绕不开的坎。
02 HappyHorse 1.1 的解法：多参考图融合，把 ID 锁进每一帧
面对”变脸”顽疾，阿里选择改生成管线，而不是打补丁。
阿里云百炼的模型信息显示，HappyHorse-1.1 的升级集中在五处：
- 更精准理解输入图像，延续创作意图；
- 人物皮肤质感显著改善；
- ID 跨片段保持，同一角色跨镜头”不换脸”；
- 动作流畅度提升，复杂动作更连贯；
- 文字渲染稳定性与音画同步同步升级。
核心变化在参考图机制。1.1 支持一次输入最多 9 张参考图，把角色的脸、服装、场景元素一次性锁进生成过程。官方博客指出，模型对多参考图的理解与融合能力明显增强，在参考生视频（R2V）任务中，生成结果与参考图的视觉一致性大幅提升——不止人物，产品与场景同样受益。
这等于把”角色长什么样”，从提示词里的模糊描述，变成了模型必须遵守的硬约束。
03 管线底子：15B 参数，音画同源
HappyHorse 1.0 是 15B 参数的统一 Transformer，40 层自注意力、三明治架构，视频与音频在同一前向过程中联合生成。1.1 延续这套底子，在行为层做优化。
对外可用规格（阿里云百炼文档）：
- 入口：文生视频（happyhorse-1.1-t2v）、首帧生视频（happyhorse-1.1-i2v）；
- 输出：480P / 720P / 1080P，3–15 秒，24fps，MP4；
- 原生同步音频，多语种口型匹配。
行业背景值得记一笔：HappyHorse 2026 年 4 月匿名空降 Artificial Analysis 视频盲测，文生视频、图生视频双榜登顶，随后被阿里认领。该榜单基于盲测用户投票的 Elo 评分，具体分数随统计口径浮动，”登顶”的含金量是实打实的。
04 理性看：登顶榜单，不等于没有边界
榜单代表口碑，实测才是真相。行业测评里，HappyHorse 1.1 的边界同样清楚：
- 动作复杂度上去后，肢体关系偶有错乱、连贯性下降（国联民生证券测评观点）；
- 相比真人写实题材，动漫与电商场景更受认可；
- 720P 定价约 0.9 元/秒（媒体口径），在同类中不算低。
一句话：跨帧稳定是大幅改善，不是零缺陷。真实创作中，按场景选模型、逐段质检，仍是必要动作。
05 谁在用：短剧、电商、品牌、CG
官方信息显示，HappyHorse 1.0 发布以来，已进入短剧、电商广告、品牌营销、游戏 CG 预告片等场景。电商是主场——产品、模特、场景的一致性好，正对商家胃口。
06 模型再强，也要落到生产环境：星宇智算的解法
模型能力是一回事，能不能进生产是另一回事。角色一致性要真正落地，还需要两样东西：低门槛的调用入口，和承接整条创作链路的工具。
星宇智算正在补齐这两环：
- 应用层：平台已上线 HappyHorse 视频生成应用，点开即用，当前享 8 折优惠，无需自建环境；
- 画布层：无限画布把”单片段稳定”延伸成”整剧稳定”——节点式工作流、Vera1.1 引擎、多轨剪辑、AI 剧本创作一体化，官网资讯已披露”长时序角色稳定生成，保障剧集人物统一”的漫剧项目实践；
- 接入层：星桥 API 一站式接入 100+ 模型，迁移、对比、切换不用重搭系统；
- 算力层：GPU 服务器租用，1 卡起租、按秒计费，训练与推理兜底。
模型负责”脸不崩”，画布负责”剧不乱”。两件事凑齐，AI 视频才算真正走进生产。
07 快问快答：高频疑问一次说清
Q：传的照片真的能全程保持同一张脸吗？ A：1.1 的多参考图机制大幅提升 ID 保持能力，但复杂动作、大角度转头仍是考验。建议首帧+多参考图组合使用，逐段质检。
Q：HappyHorse 1.1 能商用吗？ A：可经阿里云百炼平台调用，面向个人与企业开放；星宇智算的应用入口同样支持商业创作。
Q：9 张参考图怎么用？ A：脸、服装、场景、风格分别用图锁定，一次生成同时生效，比单图参考稳定得多。
Q：贵吗？ A：720P 约 0.9 元/秒（媒体口径）；星宇智算当前有 8 折活动，短片段试错成本可控。
稳定，是创作的下半场
模型稳住了脸，创作才敢放开手。 AI 视频的下半场，比的不再是谁能”生出来”，而是谁能”稳得住、用得顺”。多参考图、跨帧 ID 保持、应用与画布的衔接，正在把这条链路一点点补齐。HappyHorse 1.1 迈出关键一步，剩下的，交给创作者与生产平台。
