مراجعة HappyHorse 1.0: الموجّهات، وحالات الاستخدام، وكيفية تجربته مجانًا

HappyHorse 1.0 هو نموذج فيديو ذكاء اصطناعي مفتوح المصدر من Alibaba: صورة وصوت متزامنان—حوار، ومؤثرات، وأجواء محيطة—في عملية توليد واحدة، حتى نحو خمس عشرة ثانية بدقة 1080p. ويعمل على PixVerse إلى جانب Seedance 2.0 وKling وVeo وSora 2 وPixVerse V6 حتى تقارن المخرجات في مكان واحد.

يغطي هذا المقال التوجيه العملي، والقيود المعروفة، وستة موجّهات جاهزة للنسخ واللصق. أعلن Taotian Future Life Lab عن حزمة مفتوحة المصدر كاملة—النموذج الأساسي، والنسخة المقطّرة، ووحدة الدقة الفائقة، ورمز الاستدلال؛ وما زال إصدار الأوزان ونص الترخيص يتبعان الجدول الزمني العام للمشروع—استخدم المستودع المرتبط أدناه عندما تخطط للاستضافة الذاتية.

ملاحظة: لفترة محدودة، تكون عمليات توليد HappyHorse 1.0 على PixVerse مجانية لأعضاء Pro وPremium وUltra—ولا تخصم عمليات التشغيل المؤهلة أرصدة من رصيدك، حتى تستكشف مخرج الصوت والفيديو المشترك من دون تكلفة توليد ما دام العرض ساريًا. وبعد نافذة العرض، يعود التسعير إلى نموذج الرصيد القياسي في التطبيق.

جرّب HappyHorse 1.0 مجانًا على PixVerse!

أهم الخلاصات:

• صوت وفيديو مشتركان أصليان في تمريرة واحدة (بما في ذلك مزامنة الشفاه المدرَّبة للغات المدعومة).
• يستهدف مسار DMD-2 المقطّر ثماني خطوات إزالة ضوضاء من دون توجيه خالٍ من المصنّف لتشغيل أسرع على وحدات معالجة الرسوم القادرة.
• على PixVerse لخطط Pro وما فوقها؛ ولفترة محدودة تكون عمليات توليد HappyHorse المؤهلة مجانية؛ وإلا فهناك مجموعة رصيد مشتركة واحدة مع بقية الكتالوج.

ما هو HappyHorse 1.0؟

تحت الغطاء، تصف ملاحظات مصدرها المجتمع محوّل انتباه ذاتي موحّدًا بنحو 15B بأربعين طبقة في تخطيط شطيرة: تتخصص أربع طبقات دخول وأربع طبقات خروج لكل وسيط، بينما تشارك اثنتان وثلاثون طبقة وسطى الأوزان عبر رموز النص والصورة والفيديو والصوت في تسلسل واحد. وتؤكد التقارير عدم وجود وحدة صوت فرعية منفصلة وعدم وجود فروع انتباه متقاطع مخصّصة؛ ويثبّت التحكم السيغمويدي لكل رأس التدريب متعدد الوسائط، ويُقال إن الحزمة تحذف تضمينات الخطوة الزمنية الصريحة، وتستنتج حالة إزالة الضوضاء من الضوضاء الكامنة بدلًا من ذلك.

التقطير: يضغط متغير DMD-2 الاستدلال نحو ثماني خطوات من دون توجيه خالٍ من المصنّف—وتشير المواد العامة إلى نحو 38 ثانية تقريبًا لدقة 1080p على NVIDIA H100 ونحو ثانيتين لمعاينة قصيرة بدقة 256p.

حالة الإصدار: تتضمن الحزمة المعلَنة النموذج الأساسي، والنسخة المقطّرة ذات الثماني خطوات، ووحدة الدقة الفائقة، ورمز الاستدلال. والمشروع مدرج في github.com/FreeyW/HappyHorse. حتى وقت كتابة هذا النص، الأوزان المنشورة والاستدلال القابل للتشغيل ليسا بعد في الشجرة الافتراضية—أكد أحدث وسم أو ملف README قبل تخصيص ميزانية لنشر محلي.

HappyHorse 1.0 في لمحة

المواصفة	التفصيل
المعاملات	~15B
البنية	محوّل انتباه ذاتي موحّد (40 طبقة، تخطيط شطيرة)
الوسائط	نص، وصورة، وفيديو، وصوت — تسلسل رموز واحد
الصوت الأصلي	صوت وفيديو مشتركان (حوار، وFoley، ومحيط)
لغات مزامنة الشفاه	6 (الإنجليزية، والماندرين، واليابانية، والكورية، والألمانية، والفرنسية)
التقطير	DMD-2 — 8 خطوات، من دون توجيه خالٍ من المصنّف
زمن توليد 1080p	~38 ثانية على NVIDIA H100
معاينة 256p	~2 ثانية
أقصى مدة	3-15 ثانية (الافتراضي 5 ثوانٍ)
نسب العرض إلى الارتفاع (T2V)	16:9، 9:16، 1:1، 4:3، 3:4
من النص إلى الفيديو	نعم
من الصورة إلى الفيديو	نعم
مفتوح المصدر	معلَن (الأوزان لم تُنشر بعد)

كيف يقارن HappyHorse 1.0؟ المعايير والتسعير

كيف يُصنَّف HappyHorse 1.0؟

تُعد Artificial Analysis Video Arena المعيار العام الأكثر استشهادًا لنماذج فيديو الذكاء الاصطناعي، وتستخدم تصويتًا أعمى وجهًا لوجه لحساب تقييمات ELO. لاحظ أن لوحة الصدارة ديناميكية — تتغيّر التصنيفات مع تراكم أصوات جديدة وتحديث النماذج، لذا تحقق دائمًا من لوحة الصدارة المباشرة للاطلاع على أحدث الدرجات.

رسّخ HappyHorse 1.0 نفسه بسرعة قرب قمة تصنيفَي من النص إلى الفيديو ومن الصورة إلى الفيديو، منافسًا مباشرة نماذج مغلقة متقدمة مثل Seedance 2.0 وVeo 3.1 وKling 3.0. وقد لفتت درجته في من الصورة إلى الفيديو الانتباه خصوصًا، إذ حلّت بين أعلى الدرجات المسجَّلة على المنصة على الإطلاق. وبالنسبة إلى النماذج مفتوحة المصدر، يمثّل ذلك خطوة كبيرة إلى الأمام عن المستوى السابق الذي أرساه LTX-2 Pro وWan 2.2.

كيف يقارن HappyHorse 1.0 بمولّدات فيديو الذكاء الاصطناعي الأخرى؟

الميزة	HappyHorse 1.0	Seedance 2.0	PixVerse V6	Kling 3.0	Veo 3	Wan 2.2
الصوت الأصلي	توليد مشترك	انتشار مشترك	نعم	نعم	صوت مكاني	لا
المعاملات	~15B	غير معلَنة	غير معلَنة	غير معلَنة	غير معلَنة	14B
مفتوح المصدر	نعم (معلَن)	لا	لا	لا	لا	نعم
خطوات العيّنة	8 (من دون CFG)	~25-50	—	—	—	~50
أقصى دقة	1080p	2K	1080p	4K	4K	1080p
لغات مزامنة الشفاه	6	7+	—	متعددة	—	0
من الصورة إلى الفيديو	نعم (الإطار الأول)	نعم	نعم	نعم	نعم	نعم
الأوزان متاحة اليوم	لا	لا	لا	لا	لا	نعم

عامل التمييز الأبرز على الورق هو توليد الصوت والفيديو المشترك الأصلي مع توفر المصدر المفتوح. Wan 2.2 مفتوح المصدر لكنه يولّد فيديو صامتًا. ويولّد Seedance 2.0 وVeo 3 الصوت لكنهما مغلقَا المصدر. ويهدف HappyHorse 1.0 إلى الجمع بين الأمرين — أول نموذج مفتوح المصدر بصوت وفيديو مشتركين أصليين.

كم تبلغ تكلفة HappyHorse 1.0؟

بوصفه نموذجًا مفتوح المصدر، سيكون HappyHorse 1.0 مجانيًا للاستضافة الذاتية بعد نشر الأوزان — وإن كنت ستحتاج إلى عتاد قادر (NVIDIA H100 أو ما يعادلها للاستدلال بالسرعة الكاملة). وتوفّر Alibaba أيضًا وصولًا عبر واجهة البرمجة من خلال منصة Dashscope بنقاط نهاية محلية ودولية.

على PixVerse، يتاح HappyHorse 1.0 لأعضاء خطط Pro وPremium وUltra. والتسعير القياسي قائم على الرصيد ويشارك الرصيد نفسه الذي تستخدمه لـ Seedance وKling وVeo وكل نموذج آخر على المنصة—ولا تحتاج إلى اشتراك منفصل.

طريقة الوصول	التكلفة	المتطلبات
استضافة ذاتية (بعد إصدار الأوزان)	مجانًا (العتاد فقط)	NVIDIA H100 أو ما يعادلها
واجهة Alibaba Dashscope API	تسعير لكل استدعاء (انظر Dashscope)	مفتاح واجهة برمجة + تكامل
PixVerse	قائم على الرصيد (مجموعة مشتركة)؛ نافذة الإطلاق: مجاني للأعضاء المؤهلين	خطة Pro أو Premium أو Ultra

خلال عرض الإطلاق (حتى 7 مايو 2026)، تكون عمليات توليد HappyHorse 1.0 المؤهلة على PixVerse مجانية—ولا تخصم أرصدة. وعند انتهاء العرض، تُحتسب عمليات التوليد بأسعار الرصيد القياسية داخل التطبيق.

في ماذا يبرع HappyHorse 1.0؟

توليد الصوت والفيديو المشترك الأصلي

هذه هي الميزة الفارقة. يعمل محوّل Transformer موحّد واحد على إزالة التشويش من رموز الفيديو ورموز الصوت معاً ضمن التسلسل نفسه. يُنتَج الحوار ومؤثرات فولي والصوت المحيط في تمريرة واحدة، وتكون بطبيعتها متزامنة مع الصورة. وبالنسبة إلى صنّاع المحتوى، يلغي ذلك خطوة كاملة من مرحلة ما بعد الإنتاج: لا تسجيل صوتي منفصل، ولا أداة لمزامنة الشفاه، ولا تصميم صوتي يدوي للمقاطع المولَّدة.

استدلال سريع

ثماني خطوات لإزالة التشويش من دون توجيه خالٍ من المصنّف، بفضل تقطير DMD-2. يبلغ زمن التوليد المُبلَّغ عنه نحو 38 ثانية لمقطع بدقة 1080p على معالج H100، مع معاينة بدقة 256p في نحو ثانيتين. تحتاج معظم النماذج المنافسة إلى 25-50 خطوة عيّنة وعدة دقائق للدقة نفسها.

مزامنة الشفاه متعددة اللغات

مدرَّب أصلاً على 6 لغات: الإنجليزية، والصينية الماندرين، واليابانية، والكورية، والألمانية، والفرنسية. تتعامل مجموعة واحدة من الأوزان مع اللغات الست جميعها، من دون الحاجة إلى تبديل نموذج خاص بكل لغة أو إلى دبلجة لاحقة. وهذا مهم خصوصاً للعلامات التجارية التي تدير حملات عبر أسواق متعددة.

تحويل النص إلى فيديو والصورة إلى فيديو

يدعم HappyHorse 1.0 توليد الفيديو من النص ومن الصورة. ارفع صورة مرجعية (الإطار الأول) لتحويل الصورة إلى فيديو، أو اكتب موجّهاً نصياً لتحويل النص إلى فيديو. على PixVerse، يُتاح ذلك عبر وضعَي T2V وI2V المخصصين ضمن الواجهة نفسها، من دون الحاجة إلى التنقل بين منصات أو أدوات مختلفة.

وعد المصدر المفتوح

أعلنت Alibaba عن نطاق إصدار يشمل النموذج الأساسي، والنسخة المقطَّرة ذات الخطوات الثماني، ووحدة الدقة الفائقة، وشفرة الاستدلال. وإذا سمح الترخيص بالاستخدام التجاري كما هو موصوف، فسيكون HappyHorse 1.0 أول نموذج مفتوح المصدر يولّد الصوت والفيديو بشكل مشترك وأصيل، وهو إنجاز مهم لمجتمع البحث وللصنّاع المستقلين الذين يحتاجون إلى حلول مستضافة ذاتياً.

ما قيود HappyHorse 1.0؟

الأوزان غير متاحة بعد. حتى لحظة كتابة هذا المقال، لم تُنشر أي أوزان للنموذج ولا شفرة استدلال ولا مستودع رسمي. كل ما في هذا المقال يستند إلى المواصفات المُبلَّغ عنها وملاحظات المجتمع من ساحة Artificial Analysis. وينبغي إعادة تقييم جميع ادعاءات القدرات فور الإصدار الرسمي للنموذج.

حتى 15 ثانية لكل مقطع. يتراوح طول المخرجات من 3 إلى 15 ثانية (الافتراضي 5 ثوانٍ). يغطي ذلك المقاطع الاجتماعية والإعلانات وعروض المنتجات القصيرة، لكنه يحدّ من الأعمال السردية الأطول. وسيتعيّن التعامل مع تسلسل اللقطات المتعددة خارجياً، بخلاف Seedance 2.0 الذي يدعم اللقطات المتعددة القائمة على الخط الزمني بشكل أصيل.

لا يوجد نظام مراجع متعدد الوسائط. يقبل Seedance 2.0 حتى 12 أصلاً مرجعياً (9 صور و3 فيديوهات و3 ملفات صوتية) مع نظام وسوم @ للتحكم الدقيق. يعالج HappyHorse 1.0 مدخلات النص والصورة. ولم يُبلَّغ عن أي تكييف بمرجع فيديو أو صوت، ما يحدّ من التحكم الإبداعي في مسارات العمل التي تعتمد على المراجع البصرية.

جودة الصوت غير مُتحقَّق منها على نطاق واسع. توليد الصوت والفيديو المشترك هو الادعاء الأبرز، لكن الاختبار المستقل واسع النطاق لم يكن ممكناً بعد. عيّنات المجتمع واعدة لكنها محدودة. توقّع تفاوتاً مع الحوار المعقد وتوقيت فولي الدقيق والصوت المحيط متعدد المصادر إلى أن يصبح النموذج متاحاً على نطاق واسع للاختبار.

لم يُعلَن عن دعم الضبط الدقيق أو LoRA. إذا كنت بحاجة إلى مظهر علامة تجارية أو أسلوب بصري محدد لا يغطيه النموذج الأساسي، فأنت محدود بهندسة الموجّهات. ومن المرجّح أن تتبع أدوات الضبط الدقيق المجتمعية إصدار الأوزان، لكن لا شيء متاح بعد.

شروط الترخيص غير معروفة. يُوصَف الإصدار بأنه مفتوح المصدر مع السماح بالاستخدام التجاري، لكن الترخيص الدقيق لم يُنشر. أجّل خطط النشر التجاري إلى أن يُؤكَّد الترخيص الرسمي.

مزايا HappyHorse 1.0 وعيوبه في لمحة

المزايا	العيوب
✅ صوت وفيديو مشتركان أصيلان في تمريرة واحدة — بلا دبلجة لاحقة	❌ أوزان النموذج لم تُنشر بعد
✅ استدلال من 8 خطوات (نحو 38 ثانية لدقة 1080p) — أسرع بـ 3-6 مرات من معظم المنافسين	❌ حد أقصى 15 ثانية لكل مقطع — بلا لقطات متعددة أصيلة
✅ مزامنة شفاه بـ 6 لغات من مجموعة أوزان واحدة	❌ لا نظام مراجع متعدد الوسائط (نص + صورة فقط)
✅ إعلان عن إصدار مفتوح المصدر (الأساسي + المقطَّر + الدقة الفائقة + الشفرة)	❌ جودة الصوت غير مُتحقَّق منها على نطاق واسع
✅ تحويل النص إلى فيديو والصورة إلى فيديو في نموذج واحد	❌ لا دعم للضبط الدقيق أو LoRA بعد
✅ تصنيفات متقدمة في الساحة لكل من T2V وI2V	❌ شروط الترخيص لم تُؤكَّد بعد

كيف تكتب الموجّهات لـ HappyHorse 1.0

تركّز معظم أدلة الموجّهات لفيديو الذكاء الاصطناعي بالكامل على الوصف البصري: الموضوع والحركة والكاميرا والإضاءة. يولّد HappyHorse 1.0 الصوت بشكل أصيل، ما يعني أن استراتيجية الموجّه ينبغي أن تتغير. إليك كيف تستفيد إلى أقصى حد من نموذج يسمع بقدر ما يرى.

فكّر بالصوت أولاً

أكبر تحوّل مع HappyHorse 1.0 هو أن الصوت ليس فكرة لاحقة، بل يُولَّد إلى جانب الفيديو في التمريرة الأمامية نفسها. ينبغي أن يصف موجّهك الصوت بالوضوح نفسه الذي يصف به الصورة.

موجّه بصري فقط (ينجح، لكنه يترك الصوت للصدفة):

يُحضّر طاهٍ المعكرونة في مطبخ مطعم. إضاءة دافئة، لقطة متوسطة، عمق مجال ضحل.

موجّه واعٍ بالصوت (يستفيد من التوليد المشترك في HappyHorse):

يقلّب طاهٍ المعكرونة في مقلاة تصدر أزيزاً، وتقفز ألسنة اللهب لبرهة فوق الحافة. يقدّم الطبق بحركات دقيقة وسريعة. لقطة مقرّبة على المقلاة، ثم لقطة متوسطة وهو يُزلق الطبق عبر المنضدة. إضاءة مطعم دافئة، عمق مجال ضحل. الصوت: أزيز الزيت، احتكاك المقلاة بموقد الغاز، قرقعة خفيفة للطبق على الغرانيت، وهمهمة المطبخ في الخلفية.

تمنح النسخة الثانية النموذج أهدافاً صوتية صريحة ليولّدها ويزامنها مع الصورة.

استخدم لغة كاميرا محددة

يستجيب HappyHorse للتوجيه السينمائي. تنتج المصطلحات المحددة نتائج يمكن توقّعها، بينما تترك المصطلحات المبهمة النموذج يخمّن.

مصطلح الكاميرا	ما ينتجه
دفع بطيء إلى الداخل	تقريب تدريجي نحو الموضوع يبني التوتر
لقطة تتبّع	تتبع الكاميرا الموضوع جانبياً أو من الخلف
زاوية منخفضة	الكاميرا أسفل الموضوع، وتخلق إحساساً بالحجم أو القوة
لقطة ماكرو مقرّبة	تفاصيل شديدة وعمق مجال ضحل
دوران 360 درجة	دوران كامل حول الموضوع
لقطة جوية/بطائرة مسيّرة	منظور عين الطائر مع حركة إلى الأمام
حركة سوط أفقية	تأرجح أفقي سريع للكاميرا بين الموضوعات

عبارة «دوللي بطيء إلى الداخل من لقطة متوسطة إلى لقطة مقرّبة» تخبر النموذج بالضبط بما يجب فعله. أما «سينمائي» فلا تخبره تقريباً بشيء.

رتّب وصف الصوت في طبقات

صف الصوت في ثلاث طبقات لأقصى قدر من التحكم:

• المقدمة: الصوت المهيمن (الحوار، والمؤثرات الرئيسية مثل اصطدام سيف أو هدير محرك)
• الوسط: الأصوات الثانوية (خطوات الأقدام، حفيف القماش، قرقعة الأدوات)
• الخلفية: النسيج المحيط (همهمة حشد، مطر، حركة مرور بعيدة، رياح)

مثال: «الصوت: زيت يئزّ على الشواية (المقدمة)، والبائع يكشط الملعقة المعدنية على المعدن (الوسط)، وهمهمة حشد السوق الليلي ومحركات دراجات نارية بعيدة (الخلفية).»

يعالج النموذج رموز الصوت إلى جانب رموز الفيديو في تسلسل واحد. وكلما كان وصفك الصوتي أدق، كان المخرج أكثر تزامناً.

مراسي الأسلوب لاتساق الصورة

سمِّ الجمالية صراحةً وكدّس الواصفات لتثبيت النموذج على مظهر متسق:

• الواقعية الفوتوغرافية: «بوكيه أنامورفي، حبيبات فيلم 35 مم، تدرج لوني تيل-برتقالي، عمق مجال ضحل»
• أنمي/منمّق: «أسلوب التظليل الخلوي، خطوط عريضة سميكة، ألوان مسطحة جريئة، لوحة ألوان Makoto Shinkai»
• ريترو/حنين: «حبيبات VHS من تسعينيات القرن الماضي، درجات دافئة مفرطة التشبع، خطوط مسح شاشة CRT»
• تجاري: «إضاءة استوديو، خلفية سيكلوراما بيضاء، تصوير منتجات، عدسة ماكرو»

7 نصائح للموجّهات في لمحة

1. قدّم الموضوع والحركة في البداية — أهم ما يلفت انتباه النموذج هو الكلمات الخمس عشرة الأولى.
2. صف الصوت صراحةً — ضع الحوار بين علامتي اقتباس، وسمِّ أصواتاً محددة، ورتّب المقدمة والوسط والخلفية.
3. استخدم توجيهاً محدداً للكاميرا — «دوللي بطيء إلى الداخل من المتوسط إلى المقرّب» يتفوق على «سينمائي» في كل مرة.
4. سمِّ الأسلوب البصري — أشر إلى جماليات محددة أو خامات أفلام أو لوحات ألوان أو تقاليد فنية.
5. أدرج تفصيلاً فيزيائياً — «مطر على الزجاج» و«حرير يلتقط الريح» و«بخار يتلوى عبر ضوء نيون» تمنح النموذج إشارات ترسّخ المشهد.
6. أبقِ الموجّهات تحت نحو 100 كلمة — ما يكفي للتحديد، من دون أن تتنافس الرموز على الانتباه.
7. كرّر أولاً بدقة منخفضة — اختبر بدقة 480p أو 256p للتحقق من الفكرة قبل الالتزام بدقة 1080p.

حالات استخدام HappyHorse 1.0: 6 موجّهات اختبرناها

شغّلنا كل موجّه من الموجّهات التالية عبر HappyHorse 1.0 على PixVerse لتقييم جودة المخرجات في العالم الواقعي. نتائج الفيديو المضمّنة أدناه هي مخرجات فعلية للنموذج، وليست منتقاة بعناية أو معالجة لاحقاً. يستهدف كل موجّه حالة استخدام يُحدث فيها توليد الصوت والفيديو الأصيل أكبر فرق عملي.

1. فيديو اجتماعي قصير

لمن هذا: صنّاع محتوى TikTok وReels وShorts الذين يحتاجون إلى صوت أصيل من دون مسار دبلجة منفصل.

ما يمكن توقّعه: مقطع طعام شارع يصدر أزيزاً بصوت بمستوى ASMR، من النوع الذي يوقف التمرير في منتصف الطريق على أي منصة اجتماعية.

الـ Prompt:

يكسر بائع طعام شارع تايلاندي بيضتين على صاج مسطّح يصدر أزيزاً، ويرمي البصل الأخضر المفروم وبراعم الفاصوليا بملعقة معدنية. يتطاير الزيت ويرش. يرتفع البخار عبر أضواء خيطية ذهبية فوق العربة. تتناوب لقطات ماكرو مقرّبة مع لقطة متوسطة تُظهر يدي البائع الواثقتين. تهمهم حشود السوق الليلي في الخلفية. أسلوب تصوير طعام ASMR، عمق مجال ضحل، إضاءة تنغستن دافئة، كاميرا محمولة بحركة خفيفة. الصوت: أزيز الزيت وبياض البيض وهو يلامس الشواية، كشط حاد للملعقة على المعدن، وهمهمة حشد بعيدة ودراجة نارية تمر.

ما تبحث عنه: ينبغي أن يقدّم الصوت أصوات أزيز وكشط مُرضية متزامنة مع حركات الملعقة، مع أجواء الحشد التي تملأ الفجوات. هذا هو نوع المقطع الذي ينتشر في مجتمعات محتوى الطعام: إشباع حسي خالص من دون حاجة إلى تعليق صوتي.

2. التسويق والإبداع الإعلاني

لمن هذا: وكالات الإعلان ومسوّقو العلامات وفرق المنتجات الذين يحتاجون إلى إعلانات تشويقية للمنتجات عالية التحويل بحركة سينمائية وصوت دقيق.

ما يمكن توقّعه: كشف عن منتج فاخر تهبط فيه الإشارات الصوتية بدقة على الأفعال البصرية، من النوع الذي يحل محل عرض ثلاثي الأبعاد أو جلسة تصوير استوديو في اختبار المفاهيم المبكر.

الـ Prompt:

تستقر ساعة كرونوغراف فاخرة على لوح من حجر بركاني داكن. تسقط قطرات ماء بحركة بطيئة على بلورة الياقوت، ويرسل كل ارتطام تموجات دقيقة عبر الزجاج. تدور الكاميرا ببطء بينما يُضغط تاج الكرونوغراف، فتندفع عقرب الثواني إلى الأمام بنقرة ميكانيكية دقيقة. تكشف التفاصيل الماكرو عن تيتانيوم مصقول وحواف لامعة تلتقط ضوءاً رئيسياً صلباً واحداً من الأعلى. تصوير منتجات في الاستوديو، خلفية داكنة، ماء بحركة بطيئة بإحساس 240 إطاراً في الثانية. الصوت: ارتطامات فردية لقطرات الماء على الزجاج، ونقرة ميكانيكية واضحة عند ضغط التاج، وهمهمة منخفضة التردد خفيفة تتلاشى إلى صمت.

ما تبحث عنه: «النقرة» المتزامنة حين تبدأ عقرب الكرونوغراف بالحركة هي اللقطة الحاسمة. إذا هبطت تلك الإشارة الصوتية بدقة على الفعل البصري، فهذا يُظهر مستوى من مزامنة الصوت والفيديو لا تستطيع معظم نماذج الفيديو الصامتة تحقيقه أصلاً، ونادراً ما تطابقه الدبلجة اللاحقة من المحاولة الأولى.

3. الحملات متعددة اللغات

لمن هذا: العلامات والوكالات التي تشغّل مفاهيم إبداعية عبر أسواق الإنجليزية والصينية واليابانية والكورية والألمانية والفرنسية من دون إعادة التصوير.

ما يمكن توقّعه: شخصية تلقي جملة منطوقة بمزامنة شفاه طبيعية، ما يُظهر أن توليداً واحداً يمكن أن ينتج مخرجاً جاهزاً للحوار بأي من اللغات الست المدعومة.

الـ Prompt:

تُزلق باريستا في مقهى متخصص دافئ لاتيه حليب الشوفان بطبقات مثالية عبر منضدة خشبية. ترفع نظرها إلى الكاميرا بابتسامة نصف ودودة وتقول: «طلبك المعتاد. رغوة إضافية، ومن دون أحكام.» خلفها، تفحّ آلة الإسبريسو بهدوء. يتدفق ضوء الصباح عبر نافذة كبيرة، ويرسم خطوطاً دافئة على المنضدة. لقطة متوسطة مع دفع بطيء إلى الداخل نحو لقطة مقرّبة على وجهها وهي تتحدث. تدرج لوني دافئ، عمق مجال ضحل، جمالية فيلم مستقل. الصوت: فحيح بخار آلة الإسبريسو، انزلاق ناعم للكوب الخزفي على الخشب، جملتها المنطوقة بأسلوب عفوي ودافئ، وغيتار أكوستي خافت من مكبّر صوت في الخلفية.

ما تبحث عنه: مزامنة الشفاه على الجملة المنطوقة هي الاختبار الأساسي. يدّعي HappyHorse 1.0 مزامنة شفاه أصيلة بـ 6 لغات، ويمنحك هذا الموجّه خط أساس للأداء بالإنجليزية. أعد تشغيل المفهوم نفسه بحوار بلغات أخرى لاختبار الاتساق عبر اللغات. إذا ثبتت حركة الشفاه وتعبير الوجه ونبرة الصوت عبر اللغات، فهذا يوفّر مسار إعادة تصوير ودبلجة بالكامل.

4. لقطات B-Roll والتصور المسبق

لمن هذا: منتجو الأفلام والتلفزيون وYouTube الذين يحتاجون إلى لقطات تأسيس ولقطات مفاهيمية وأنيماتيكس مع صوت محيط مطابق.

ما يمكن توقّعه: لقطة تأسيس جوية بصوت بيئي متعدد الطبقات، من نوع لقطات B-roll التي تضع المشهد في وثائقي أو فيديو سفر أو مشروع سردي.

الـ Prompt:

تسير شخصية وحيدة بسترة حمراء عبر حقل جليدي شاسع في القطب الجنوبي نحو محطة أبحاث صغيرة عند الشفق. تتوهج نوافذ المحطة ببرتقالي دافئ في مواجهة ضوء قطبي أزرق عميق. يتطاير الثلج أفقياً عبر الإطار. تتوقف الشخصية وتسحب جهاز لاسلكي من حزامها، ونَفَسها مرئي في الهواء المتجمد. تتبعها لقطة تتبّع من الخلف، ثم تقطع إلى لقطة تأسيس واسعة تُظهر المحطة الصغيرة وهي تتضاءل أمام جدار جليدي هائل. تصوير وثائقي، لوحة أزرق-تيل باردة مع تباين داخلي دافئ، كاميرا محمولة ثابتة، أسلوب National Geographic. الصوت: عواء رياح قطبية كطبقة ثابتة، قرمشة إيقاعية للأحذية على الثلج المتراص، طقطقة تشويش لاسلكي حين تمد يدها إليه، وصوت مكتوم قصير من مكبّر الجهاز.

ما تبحث عنه: الصوت المحيط متعدد الطبقات هو الاختبار هنا. ينبغي أن تكون الرياح ثابتة ومهيمنة، وأن تطابق قرمشة الخطوات إيقاع مشيها، وأن يظهر تشويش اللاسلكي كعنصر نسيجي مميز. تختبر لقطة التأسيس الواسعة التماسك المكاني عبر بيئة كبيرة. هذا النوع من المخرجات مفيد مباشرة كلقطات مفاهيمية أو كـ B-roll مؤقت أثناء ما قبل الإنتاج.

5. فيديو منتج للتجارة الإلكترونية

لمن هذا: فرق التجارة الإلكترونية ومسوّقو المنتجات الذين يحتاجون إلى تحويل صور المنتجات الثابتة إلى عروض متحركة عبر توليد الصورة إلى فيديو.

ما يمكن توقّعه: لقطة بطل للمنتج تحوّل زاوية ثابتة إلى حركة ديناميكية بمستوى تجاري، وهو مسار العمل الذي يحل محل جلسة تصوير فعلية لمحتوى المنتج في المسودة الأولى.

الـ Prompt:

يستقر زوج من أحذية الجري البيضاء الخارجة للتو من العلبة على سطح خرساني نظيف. تبدأ الكاميرا ثابتة ثم تدور ببطء بينما يرتفع أحد الحذاءين عن الأرض ويدور في الهواء، كاشفاً نقش النعل وثقوب التهوية الشبكية وشريطاً أخضر نيونياً على طول النعل. تنجرف جسيمات غبار ناعمة عبر شعاع شمس يصيب الحذاء. يعود الحذاء ليستقر بلطف. إعداد استوديو بسيط، مصدر ضوء اتجاهي واحد من أعلى اليسار، خلفية بيضاء-رمادية نظيفة، تصوير كتالوج منتجات مع حركة. الصوت: هسيس ناعم حين يرتفع الحذاء، صرير خافت لمطاط جديد ينثني، وارتطام مكتوم مُرضٍ حين يعود إلى الخرسانة.

ما تبحث عنه: تصيير المواد هو الاختبار الحاسم: هل تبدو الشبكة كشبكة، وهل يُقرأ النعل المطاطي كمطاط، وهل يتفاعل الضوء مع اللمسة النيونية بشكل صحيح؟ بالنسبة إلى فرق التجارة الإلكترونية، يحوّل مسار العمل هذا صورة منتج واحدة إلى أصل متحرك من دون جدولة جلسة تصوير فيديو. وتضيف الإشارات الصوتية الخفيفة (الهسيس والصرير وارتطام الهبوط) لمسة نهائية كانت لتتطلب تصميماً صوتياً.

6. بحث الذكاء الاصطناعي

لمن هذا: الباحثون الذين يدرسون الانتشار المشترك للصوت والفيديو، ومحوّلات Transformer متعددة الوسائط، وحدود المحاذاة في البنى التوليدية الموحّدة.

ما يمكن توقّعه: مشهد متطلب تقنياً بمصادر صوتية متزامنة متعددة يجب أن تبقى متوافقة إيقاعياً ومكانياً مع أداءات بصرية مميزة، وهو نوع اختبار الإجهاد الذي يكشف حدود المزامنة.

الـ Prompt:

تؤدي فرقة جاز ثلاثية في نادٍ تحت الأرض خافت الإضاءة. يمسح عازف طبول طبلة سناير بفراشي سلكية بإيقاع سوينغ ثابت. ينقر عازف كونترباص خطاً باصاً متجولاً، وأصابعه واضحة على الأوتار. يتقدّم عازف ساكسفون إلى بقعة ضوء ويعزف سولو بطيئاً بلوزياً. ينقر أحد الحضور عند البار كأساً على إيقاع النبض. ينجرف الدخان عبر مخروط من ضوء كهرماني. لقطة متوسطة واسعة تؤسس الموسيقيين الثلاثة، ثم دفع تتبّع بطيء نحو سولو الساكسفون. كهرمان دافئ وظل عميق، حبيبات فيلم 16 مم، أجواء نادِ جاز عتيق. الصوت: فرشاة سلكية على السناير، كونترباص منقور، لحن ساكسفون — الآلات الثلاث كلها متوافقة إيقاعياً، مع قرقعة خافتة لنقر الكأس وهمهمة حشد منخفضة في الأسفل.

ما تبحث عنه: هذا الموجّه صعب عن قصد. يطلب من النموذج توليد ثلاثة أصوات آلات مميزة يجب أن تكون متماسكة إيقاعياً فيما بينها ومتزامنة بصرياً مع أداء كل موسيقي. ينبغي أن تطابق ضربات الفرشاة السلكية حركة يد عازف الطبول. وينبغي أن تتوافق نقرات الباص مع حركة الأصابع على الأوتار. وينبغي أن يتبع نبر الساكسفون وضع الفم والنَّفَس لدى العازف. إذا تعامل HappyHorse 1.0 مع هذا جيداً، فإنه يُظهر مستوى من المحاذاة متعددة الوسائط جديد فعلاً في فضاء المصدر المفتوح.

كيف تستخدم HappyHorse 1.0 على PixVerse

البدء مع HappyHorse 1.0 على PixVerse يستغرق أقل من دقيقتين. لا حاجة إلى وحدة معالجة رسوم محلية، ولا إلى إعداد مفتاح API، ولا إلى حساب منفصل — فقط حساب PixVerse الذي قد تستخدمه أصلاً لنماذج أخرى.

1. انتقل إلى PixVerse — افتح app.pixverse.ai وسجّل الدخول (أو أنشئ حساباً مجانياً).
2. اختر الوضع — حدّد Text-to-Video للتوليد القائم على الموجّه، أو Image-to-Video إذا كانت لديك صورة مرجعية لتحريكها.
3. اختر HappyHorse 1.0 — في منتقي النماذج، اختر HappyHorse 1.0. يظهر إلى جانب Seedance 2.0 وKling وVeo وSora 2 وPixVerse V6.
4. اكتب موجّهك — صف مشهدك بما يشمل الإشارات البصرية والصوتية. استخدم تقنيات الموجّهات من القسم أعلاه لأفضل النتائج.
5. اضبط المعاملات وولّد — اختر نسبة العرض إلى الارتفاع (16:9 أو 9:16 أو 1:1 وغيرها) والمدة (حتى 15 ثانية). اضغط على توليد وانتظر نحو 30-60 ثانية للحصول على النتيجة.

يتطلب HappyHorse 1.0 خطة Pro أو أعلى على PixVerse. لا تشمل خطتا Basic وStandard إمكانية الوصول. وأثناء سريان عرض الإطلاق، لا تخصم عمليات توليد HappyHorse المؤهلة أي رصيد؛ وبعد ذلك، تسحب كل عملية توليد من رصيد PixVerse المشترك نفسه الذي تستخدمه لكل نموذج آخر على المنصة.

HappyHorse 1.0 على PixVerse: حرية النماذج من دون إرهاق الاشتراكات

مشكلة الاشتراك

إليك واقعاً نادراً ما يُناقَش في إعلانات إطلاق النماذج: تكلفة تقييم نماذج فيديو الذكاء الاصطناعي في عام 2026 تكاد تصبح مؤلمة بقدر تكلفة استخدامها.

يتطلب Sora 2 اشتراك ChatGPT Pro للوصول الكامل — 200 دولار شهرياً. ولدى Kling هيكل خطط خاص يبدأ من 10 دولارات شهرياً. ويقع Seedance 2.0 خلف جدار دفع Jimeng التابع لـ ByteDance في الصين، أو تصل إليه عبر منصة تستضيفه. أما Luma وRunway وHailuo فكل منها يضيف بنداً شهرياً آخر. وقد ينفق صنّاع المحتوى الذين يريدون تقييم أفضل 5 نماذج بشكل صحيح قبل اختيار واحد لحملة بسهولة 300-500 دولار شهرياً على اشتراكات المنصات وحدها، قبل توليد أي مخرَج نهائي واحد.

والأمر ليس المال فحسب. إنه خمسة حسابات، وخمس واجهات مختلفة، وخمسة أنظمة رصيد، وخمس مجموعات من حدود المعدّل وسقوف الدقة. والعبء المعرفي للتنقل بين المنصات تكلفة خفية تلتهم الوقت الذي كان يمكن قضاؤه في الإبداع الفعلي.

منصة واحدة، كل نموذج، ميزانية واحدة

هذه هي المشكلة التي بُني نهج تجميع النماذج في PixVerse لحلها. Seedance 2.0 وKling وVeo 3.1 وSora 2 وHappyHorse 1.0 — كلها متاحة عبر حساب واحد ورصيد واحد وواجهة واحدة.

بعبارة عملية: يمكنك تشغيل المفهوم نفسه عبر HappyHorse 1.0 لمخرج الصوت والفيديو المشترك، وPixVerse V6 للتحكم في الكاميرا، وSeedance 2.0 لدقة المراجع المتعددة، وKling 3.0 لدقة 4K، ثم مقارنة النتائج جنباً إلى جنب واستخدام ما يعمل بشكل أفضل لكل لقطة. بلا تبديل منصات، وبلا اشتراكات مكررة.

هذه ليست مجرد ميزة راحة. إنها تغيّر اقتصاديات التجريب. تنخفض تكلفة المحاولة والخطأ لأنك لا تدفع عبء اشتراك لاختبار نموذج مرة واحدة. وعلى المنصة التي تستخدمها أصلاً، يمكنك إعادة توجيه الميزانية نحو مزيد من التكرارات بدلاً من مزيد من عمليات تسجيل الدخول، وأثناء بقاء HappyHorse في نافذة إطلاقه على PixVerse، يمكن للأعضاء المؤهلين تشغيله من دون خصم رصيد لتلك العمليات.

عرض الإطلاق على PixVerse (لفترة محدودة)

عمليات توليد مجانية: مع وجود HappyHorse 1.0 على PixVerse، تكون عمليات التوليد المؤهلة لأعضاء Pro وPremium وUltra مجانية حتى تاريخ انتهاء العرض، ولا يُخصم أي رصيد للتشغيلات المؤهلة، حتى تتمكن من قياس مخرج الصوت والفيديو المشترك مقابل النماذج الأخرى من دون إنفاق رصيد على HappyHorse خلال تلك الفترة.

ينتهي العرض — 7 مايو 2026

المنطقة الزمنية	وقت الانتهاء (محلي)
المحيط الهادئ (PDT)	7 مايو 2026 — 00:00
UTC	7 مايو 2026 — 07:00
بكين (CST)	7 مايو 2026 — 15:00

كيف تبدو حرية النماذج

النهج	التكلفة الشهرية لتقييم أكثر من 5 نماذج	الحسابات المطلوبة	تبديل الواجهة
اشتراكات منفصلة	300-500+ دولار عبر Sora وKling وLuma وRunway ومنصات جديدة	5+	أكثر من 5 واجهات مختلفة
PixVerse	عضوية واحدة (Pro+)، والرصيد مشترك عبر جميع النماذج	1	لا شيء — الواجهة نفسها لكل شيء

يعني HappyHorse 1.0 على PixVerse اشتراكاً أقل للتقييم، وحساباً أقل للإدارة، ونموذجاً إضافياً يمكنك قياسه مقابل البقية. يلزم خطة Pro أو أعلى للوصول إلى HappyHorse 1.0، ولا تشمله خطتا Basic وStandard. وأثناء سريان عرض الإطلاق، تكون عمليات توليد HappyHorse المؤهلة مجانية.

جرّب HappyHorse 1.0 مجانًا على PixVerse!

الأسئلة الشائعة

ما هو HappyHorse 1.0؟

HappyHorse 1.0 مولّد فيديو بالذكاء الاصطناعي مفتوح المصدر من Alibaba بنحو 15 مليار معامل. يستخدم محوّل Transformer بانتباه ذاتي موحّد لتوليد ما يصل إلى 15 ثانية من فيديو بدقة 1080p وصوت متزامن — حوار ومؤثرات صوتية وصوت محيط — في تمريرة أمامية واحدة. ويدعم النموذج توليد الفيديو من النص ومن الصورة.

هل HappyHorse 1.0 مجاني؟

أُعلن عن HappyHorse 1.0 بوصفه مفتوح المصدر، لذا ستكون الاستضافة الذاتية مجانية فور نشر الأوزان (باستثناء تكاليف العتاد). وعلى PixVerse، يتوفر كخيار نموذج: خلال عرض الإطلاق تكون عمليات التوليد المؤهلة مجانية لأعضاء Pro وPremium وUltra؛ وبعد انتهاء العرض يُطبَّق التسعير القياسي القائم على الرصيد — راجع التطبيق للأسعار الحالية. يلزم خطة Pro أو أعلى للوصول إلى HappyHorse 1.0 على PixVerse (وهو غير متاح في خطتَي Basic أو Standard).

ما الذي يميّز HappyHorse 1.0 عن مولّدات فيديو الذكاء الاصطناعي الأخرى؟

ميزته الفارقة هي توليد الصوت والفيديو المشترك الأصيل. تنتج معظم نماذج فيديو الذكاء الاصطناعي فيديو صامتاً وتحتاج إلى أدوات منفصلة للصوت ومزامنة الشفاه. يولّد HappyHorse الحوار ومؤثرات فولي والصوت المحيط في التمريرة الأمامية نفسها مع الفيديو، مع مزامنة شفاه مدرَّبة أصلاً لـ 6 لغات.

ما اللغات التي يدعمها HappyHorse 1.0 لمزامنة الشفاه؟

ست لغات: الإنجليزية، والصينية الماندرين، واليابانية، والكورية، والألمانية، والفرنسية. تذكر بعض المواد التسويقية لغة سابعة (الكانتونية)، لكن العدد المؤكد من الوصف التقني هو ست. ومزامنة الشفاه مدرَّبة أصلاً داخل النموذج، وليست طبقة لاحقة تُضاف بعد الإنتاج.

ما سرعة HappyHorse 1.0؟

عند استخدام النسخة المقطّرة DMD-2 على بطاقة NVIDIA H100: نحو 38 ثانية لمقطع بدقة 1080p ونحو ثانيتين لمعاينة بدقة 256p. يستخدم النموذج 8 خطوات إزالة تشويش فقط دون توجيه خالٍ من المصنّف، مقارنةً بـ 25-50 خطوة وعدة دقائق لدى معظم نماذج الفيديو المنافسة.

هل يمكنني استخدام HappyHorse 1.0 في المشاريع التجارية؟

وُصف الإصدار بأنه مفتوح المصدر مع السماح بالاستخدام التجاري، لكن الترخيص الدقيق لم يُنشر بعد. انتظر شروط الترخيص الرسمية قبل إدماجه في مسارات العمل التجارية. على PixVerse، يتبع الاستخدام التجاري شروط الخدمة القياسية للمنصة.

HappyHorse 1.0 مقابل Seedance 2.0 — أيهما أستخدم؟

لكل منهما نقاط قوة مختلفة. يولّد HappyHorse 1.0 الصوت والفيديو معًا باستدلال سريع من 8 خطوات، ويَعِد بأوزان مفتوحة المصدر. يقدّم Seedance 2.0 إدخالًا أغنى متعدد المراجع (حتى 12 أصلًا مع التحكم بوسم @)، ودقة أعلى (2K)، وتحريرًا داخل الفيديو، وسجلًا إنتاجيًا مثبتًا. كلاهما متاح على PixVerse للمقارنة جنبًا إلى جنب.

هل تتوفر واجهة برمجة تطبيقات لـ HappyHorse 1.0؟

يتوفر HappyHorse 1.0 عبر واجهة برمجة التطبيقات من خلال منصة Dashscope التابعة لـ Alibaba، مع نقاط نهاية محلية (الصين) ودولية. على PixVerse، يمكنك الوصول إلى HappyHorse عبر واجهة التوليد القياسية دون إدارة مفاتيح واجهة البرمجة أو البنية التحتية مباشرة.

أين يمكنني تجربة HappyHorse 1.0 عبر الإنترنت؟

أصبح HappyHorse 1.0 متاحًا الآن على PixVerse. استخدمه إلى جانب Seedance 2.0 وKling وVeo وSora 2 وPixVerse V6 — حساب واحد ورصيد أرصدة واحد. يلزم خطة Pro أو أعلى؛ وخلال نافذة الإطلاق، تكون عمليات HappyHorse المؤهلة مجانية. زر PixVerse للاطلاع على التفاصيل.

هل يستحق HappyHorse 1.0 التجربة؟

للصنّاع الذين يحتاجون إلى فيديو بصوت متزامن ضمن مسار واحد، يقدّم HappyHorse 1.0 قدرة يفتقر إليها معظم المنافسين أو يفرضون عليها رسومًا منفصلة. على PixVerse، يمكنك اختباره دون اشتراك إضافي، وخلال عرض الإطلاق حتى 7 مايو 2026 تكون عمليات توليد HappyHorse المؤهلة مجانية لأعضاء Pro+، فلا تستهلك التجارب أرصدة لتلك المخرجات. التحفّظ الرئيسي هو أن الأوزان مفتوحة المصدر غير متاحة بعد، لذا الاستضافة الذاتية ليست خيارًا اليوم.

HappyHorse 1.0 مقابل Veo 3 — أيهما أفضل؟

يولّد كل من HappyHorse 1.0 وVeo 3 الصوت إلى جانب الفيديو، لكن نقاط قوتهما تختلف. يستخدم HappyHorse محوّل Transformer موحّدًا واحدًا ينتج رموز الصوت والفيديو في تمريرة واحدة باستدلال من 8 خطوات — أسرع وأبسط معماريًا. يقدّم Veo 3 صوتًا مكانيًا ويدعم دقة تصل إلى 4K، لكنه متاح فقط عبر منظومة Google. يحتل HappyHorse مرتبة أعلى في Artificial Analysis Arena لكل من تحويل النص إلى فيديو وتحويل الصورة إلى فيديو حتى أبريل 2026، بينما يستفيد Veo 3 من تكامل أوثق مع أدوات Google. على PixVerse، كلاهما متاح للاختبار جنبًا إلى جنب.

هل يناسب HappyHorse 1.0 المبتدئين؟

نعم. على PixVerse، لا يتطلب استخدام HappyHorse 1.0 أي إعداد تقني — تكتب مطالبة نصية، وتختار إعداداتك، ثم تولّد. لا حاجة إلى وحدة معالجة رسوم محلية، ولا أدوات سطر أوامر، ولا تهيئة لواجهة برمجة التطبيقات. صُمم دليل المطالبات وستة مطالبات جاهزة للاختبار في هذا المقال كنقاط انطلاق يمكنك نسخها وتعديلها. النموذج متاح لأي شخص لديه خطة PixVerse Pro أو أعلى؛ وخلال نافذة الإطلاق تكون عمليات التوليد المؤهلة مجانية.

الخلاصة

يأتي HappyHorse 1.0 بقدرة جديدة فعلًا إلى مشهد فيديو الذكاء الاصطناعي: توليد أصلي مشترك للصوت والفيديو ضمن حزمة مفتوحة المصدر. المواصفات المعلنة — استدلال من 8 خطوات، ومزامنة شفاه بـ 6 لغات، ودعم تحويل النص إلى فيديو والصورة إلى فيديو حتى 15 ثانية، وتوليد 1080p في نحو 38 ثانية — مقنعة على الورق. صُممت المطالبات في هذا المقال لمساعدتك على تقييم ما إذا كان الناتج الفعلي يطابق تلك الادعاءات الآن بعد أن أصبح النموذج متاحًا على PixVerse للاختبار العملي.

مع HappyHorse 1.0 على PixVerse، يمكنك مقارنته بكل نموذج آخر في جولتنا عن مولّد الفيديو بالذكاء الاصطناعي — الحساب نفسه، والواجهة نفسها، وطالما أن عرض الإطلاق ساري، لا تُحتسب عمليات توليد HappyHorse المؤهلة ضمن تكلفة الأرصدة إلى جانب بقية سير عملك. هذا هو معنى حرية اختيار النموذج: القدرة على انتقاء المحرك المناسب لكل لقطة، دون دفع رسم اشتراك عند كل باب.