6月22日，阿里巴巴发布视频生成模型HappyHorse 1.1，较1.0版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力等维度系统性升级。 动态表现力是当前视频生成模型的共同难点。针对1.0版本部分画面动作迟缓、节奏不足的问题，1.1版本优化了运动建模与时序一致性能力，提升了动作的连贯性和力量感。 对于内容生产者而言，保持主体一致性可大大减少抽卡率。1.1版本支持9张角色参考图同时输入，保持商品细节、品牌元素、角色与场景的灵活组合和稳定性，多分镜与 N 宫格参考理解增强。这意味着在多角色短剧、直播带货、多人物广告等场景中，角色“变脸”情况可控。 在指令遵循方面，无论是简短描述还是复杂叙事输入，1.1版本对提示词的理解能力都有所增强。比如对于打斗等高强度动态场景，简洁的提示词便可理解。对于复杂提示词，镜头编排稳定性增强，可高质量完成多场景、多角色的连贯演绎。 1.1版本还在视觉质感和音频上做了专项优化。此前用户反馈集中的“油光感”“过度锐化”等问题得到显著缓解，保留了痘印、法令纹、毛孔等细节的真实感，可满足短剧、广告等对画面质感要求高的场景。台词表达更加自然，语速、停顿、语