Gate.AI›博客›HappyHorse 1.1 R2V：完整規格、定價、API 串接與使用情境（2026）

HappyHorse 1.1 R2V：完整規格、定價、API 串接與使用情境（2026）

模型

更新於: 2026-10-16 05:52

HappyHorse 1.1 R2V 是阿里巴巴的「圖文參考生成視頻（reference-to-video）」AI 模型，能夠使用多張參考圖像與文字指令生成短視頻片段。相較於 1.0 版本，它的主要改進在於角色、物體以及場景風格的一致性更強。根據 2026 年 6 月 22 日 Gate.AI 的收錄資訊，它支援最高 1080p 的解析度，影片時長為 3–15 秒。本指南將分析其 2026 年 10 月的定價、規格、生產工作流、限制以及 API 存取方式。此內容面向需要在生成式視頻中更好地控制視覺身分（visual identity）的開發者、動畫工作室、廣告團隊與創作者。

什麼是 HappyHorse 1.1 R2V？

HappyHorse 1.1 R2V 是阿里巴巴 HappyHorse 1.1 生成式視頻系列的圖文參考生成視頻變體。它將參考影像與文字指令轉換為短篇的動畫視頻序列。

阿里雲記錄 HappyHorse 1.1 R2V 於 2026 年 6 月 16 日發布，而 Gate.AI 模型卡列出的日期為 2026 年 6 月 22 日。這些日期分別對應不同的提供商（provider）與平台（platform）記錄。

最關鍵的改進在於，相較 HappyHorse 1.0 R2V，更強的主體與風格一致性。

阿里巴巴將 1.1 版本描述為：在角色、場景構圖、電影感動作（cinematic motion）以及視覺呈現方面提升穩定性。

例如，創作者可以提供一個虛構角色的影像、服飾配件與環境資訊。提示詞將說明這些元素應如何在生成場景中相互作用。

與僅憑文字生成畫面的 HappyHorse T2V 不同，R2V 使用視覺參考來協助確定外觀。

HappyHorse 1.1 R2V 的關鍵規格與定價是什麼？

Gate.AI 與阿里雲都記錄了以下規格。

規格	詳情
開發者	阿里巴巴
模型	HappyHorse 1.1 R2V
模型類型	圖文參考生成視頻
Gate.AI 目錄 ID	`alibaba/happyhorse-1.1-r2v`
Gate.AI API 模型 ID	`happyhorse-1.1-r2v`
阿里雲發布記錄	2026 年 6 月 16 日
Gate.AI 收錄日期	2026 年 6 月 22 日
輸入	參考影像與文字
參考影像上限	1–9 張
輸出	生成的視頻
視頻時長	3–15 秒
最大解析度	1080p
輸入影像格式	JPEG, PNG, WEBP
上下文視窗	未指定
輸入 Token 價格	未單獨列出
快取計價	未列出
Gate.AI 720p 價格	$0.123769/秒
Gate.AI 1080p 價格	$0.165026/秒

阿里雲還記錄了可直接存取的 480p 選項，但 Gate.AI 已發布的價格表僅給出了 720p 與 1080p 的計費標準。

HappyHorse 1.1 R2V 的費用是多少？

Gate.AI 依據生成視頻的秒數收費，720p 與 1080p 各自定價。

時長	720p 預估費用	1080p 預估費用
3 秒	$0.37	$0.50
5 秒	$0.62	$0.83
10 秒	$1.24	$1.65
15 秒	$1.86	$2.48

以一段 10 秒 1080p 視頻為例：

預估費用 = 10 × $0.165026 = $1.65026

生成 50 段此類片段，按照已列出的費率約需 $82.51。

需要注意的是，版本 1.0 R2V 在 1080p 下為 $0.220034/秒。1.1 的費率約低 25%。

以上估算未包含任何額外費用，也不應與阿里雲「提供商直連（provider-direct）」的定價混為一談。

HappyHorse 1.1 R2V 在生產中能做什麼、為什麼有用？

在各幀之間保持更一致的角色

角色一致性是該模型最核心的生產優勢。

參考影像有助於確定外觀、穿著、臉部特徵以及其他可辨識的視覺細節。

阿里巴巴將 1.1 版本描述為：相較早期發布，在主體穩定性方面提供改進。

對於虛構角色的宣傳活動，這可能降低每個場景都要重新設計角色外觀的需求，不過輸出驗證仍然是必要的。

結合多種視覺參考

該模型每次生成最多支援 9 張圖像。

生產團隊可以提供角色創作圖、服裝細節與背景參考，接著說明這些元素應如何共同呈現在畫面中。

阿里的 API 文件支援在提示詞中使用例如 [Image 1] 與 [Image 2] 之類的標識符，逐一引用圖像。

當視覺需求分散在不同的創意資產中時，這特別有用。

支援「鏡頭式（shot-based）」製作

HappyHorse 1.1 R2V 會生成時長為 3–15 秒的片段。

團隊可以圍繞既定角色或視覺身分建立多個短鏡頭，然後在剪輯應用中組裝並確認通過的結果。

這支援分鏡（storyboarding）、創意迭代與模組化視頻製作，同時並不意味著在不同生成之間會自動保持連續性。

HappyHorse 1.1 R2V 支援哪些模態（Modalities）？

該模型結合圖像與文字輸入來生成視頻。

模態	輸入支援	輸出支援	詳情
文字	是	否	場景與動作指令
參考影像	是	否	1–9 張參考影像
JPEG/JPG	是	否	支援的參考格式
PNG/WEBP	是	否	支援的參考格式
視頻	否	是	3–15 秒的生成片段
解析度	—	是	最高 1080p
畫幅比	配置	是	橫版、直版、方形及其他支援的格式
音頻	未作為輸入記錄	未確認適用於該變體	需要針對該模型的單獨驗證

阿里巴巴的直連 API 文件說明了參考影像的要求，包括最大圖片大小 20 MB，以及最短邊解析度不低於 400 像素。

這些提供商的要求不應被自動假設與 Gate.AI 的媒體提交限制完全一致。

HappyHorse 1.1 R2V 的不足在哪裡？

生成時長較短： 15 秒的最大值意味著更長的影片需要額外剪輯，或進行多次生成。

一致性並非絕對： 改進後的參考處理不保證在複雜動作序列中，臉部、服裝、比例或細節都能完全一致。

參考影像品質很重要： 低解析度或不清晰的圖片會降低視覺指引的有效性。

多參考帶來的複雜度： 若圖片包含彼此衝突的外觀或風格，可能更難讓模型表達出期望結果。

API 差異： 阿里雲與 Gate.AI 記錄了不同的請求結構。為其中一個平台編寫的程式碼不能直接默認與另一個平台相容。

公開效能證據有限： 目前可用文件無法證明在生成延遲或角色一致性準確度方面有可量化的改進。

生產團隊應對輸出進行審查，確保視覺連續性、產品呈現準確，以及對參考影像的適當授權與權限。

HappyHorse 1.1 R2V 最適合用於什麼？

當需要讓可辨識的視覺資產引導生成畫面時，HappyHorse 1.1 R2V 特別適合。

角色驅動的廣告： 行銷團隊可以在短促宣傳片段中使用已建立的虛構角色，同時檢查身分的一致性。

動畫化品牌敘事： 工作室可以將已獲批准的視覺參考融入場景生成，以支援可辨識的活動風格。

時尚與產品概念： 創意團隊可以將角色、服裝與配件參考組合成短視頻序列。不過，精確的商業產品復現仍需要人工核對。

分鏡與預可視化： 電影製作人可以在最終製作前，圍繞參考美術探索構圖、動作與鏡頭運動。

當多參考與主體一致性很重要時，請選擇 HappyHorse 1.1 R2V。

如果你的需求更偏向文字概念，可考慮 T2V；若要把單張起始影像動畫化，則可考慮 I2V；若必須要更長的輸出，則考慮其他視頻模型。

HappyHorse 1.1 R2V 與 HappyHorse 1.0 R2V 以及 Wan 2.6 R2V 有何不同？

這些模型都支援參考引導的視頻生成，但它們的參考機制與生產側重點不同。

功能	HappyHorse 1.1 R2V	HappyHorse 1.0 R2V	Wan 2.6 R2V
開發者	阿里巴巴	阿里巴巴	阿里巴巴
參考類型	多張圖像	多張圖像	參考視頻
最大參考圖像數	9	9	不同的參考機制
主要定位	改進角色與風格一致性	更早的參考引導工作流	動作與鏡頭引導
最大解析度	1080p	1080p	1080p
最大時長	15 秒	15 秒	10 秒
Gate.AI 1080p 價格	$0.165026/秒	$0.220034/秒	查看目前與模型相關的定價

最有意義的版本變化發生在 HappyHorse 1.0 與 1.1 之間。

兩者都支援多張參考圖像，但阿里巴巴將 1.1 版本描述為提供更強的主體與視覺穩定性。

新版本在 Gate.AI 上列出的 1080p 生成價格也更低。

Wan 2.6 R2V 則針對一個相關但不同的需求：其參考視頻工作流旨在從既有素材中遷移動作、特效與鏡頭運動。

對於把「動作復現」作為優先級的團隊，Wan 2.6 R2V 指南提供了更貼近的對比。

整體而言，HappyHorse 1.1 R2V 與那些依賴參考影像來確立目標角色或場景外觀的專案更契合。

如何透過 Gate.AI 存取 HappyHorse 1.1 R2V？

HappyHorse 1.1 R2V 出現在 Gate.AI 模型目錄中，並提供了已記錄的視頻生成端點（endpoints）。

API 欄位	值
端點	`https://api.gate.ai/api/v1/videos`
方法	POST
認證	Bearer API key
Content type	`application/json`
請求模型	`happyhorse-1.1-r2v`
任務檢索	GET `/api/v1/videos/{job_id}`

Gate.AI 說明了一個可選的 input_references 參數用於參考媒體，但其已發布的範例並未為該變體明確給出參考影像物件的確切結構（schema）。

因此，以下範例展示了已記錄的視頻任務提交與檢索結構。在完成對所需的圖像參考欄位進行驗證之前，這些範例並不構成完整的參考引導生成請求。

Python 範例

import os
import requests
api_key = os.environ["GATEAI_API_KEY"]
endpoint = "https://api.gate.ai/api/v1/videos"
headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}
payload = {
    "model": "happyhorse-1.1-r2v",
    "prompt": (
        "A fictional character walks through "
        "a cinematic city street, smooth camera "
        "movement, consistent clothing and style"
    ),
    "duration": 6,
    "resolution": "720p",
    "aspect_ratio": "16:9"
}
# Add input_references using the validated Gate.AI
# media schema before production R2V generation.
response = requests.post(
    endpoint,
    headers=headers,
    json=payload,
    timeout=60
)
response.raise_for_status()
job_id = response.json()["data"]["job_id"]
result = requests.get(
    f"{endpoint}/{job_id}",
    headers=headers,
    timeout=60
)
result.raise_for_status()
print(result.json())

此程式碼範例展示了任務提交與一次初始狀態檢查。它沒有實作重複輪詢，也未提供完整的多圖請求。

curl 範例

export GATEAI_API_KEY="YOUR_API_KEY"
curl --location \
  "https://api.gate.ai/api/v1/videos" \
  --header "Authorization: Bearer $GATEAI_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "happyhorse-1.1-r2v",
    "prompt": "A cinematic character scene with smooth motion and consistent visual style",
    "duration": 6,
    "resolution": "720p",
    "aspect_ratio": "16:9"
  }'

此範例使用 Gate.AI 已記錄的基礎視頻請求。若要額外生成參考影像，還需要正確結構化的 input_references 欄位；執行前應先確認該欄位。

阿里雲記錄了完整的提供商直連多圖工作流，但其巢狀的 input.media 結構在未經驗證前，不應直接替換到 Gate.AI 的請求中。

兩個範例都只是對 Gate.AI 任務工作流的未測試說明。開發者應查閱目前的 Gate.AI 開發者文件，以確認媒體要求、非同步任務處理方式以及輸出檢索流程。

常見問題（FAQs）

HappyHorse 1.1 R2V 是什麼？

HappyHorse 1.1 R2V 是阿里巴巴的圖文參考生成視頻模型：它從多張參考影像與文字指令生成短視頻片段，並相較 1.0 版本提升了視覺一致性。

HappyHorse 1.1 R2V 最多支援多少張參考影像？

阿里雲文件說明：每次生成支援 1 到 9 張參考影像。

HappyHorse 1.1 R2V 比 1.0 版本更便宜嗎？

在 1080p 下是的。Gate.AI 將 1.1 定價為每秒 $0.165026，而 1.0 為 $0.220034，約低 25%。

視頻最長時長是多少？

HappyHorse 1.1 R2V 生成的片段時長介於 3 到 15 秒之間。

HappyHorse 1.1 R2V 能保證角色一致性嗎？

不能。阿里巴巴描述其一致性強於 1.0，但複雜情境與動作仍可能需要人工審查與重新生成。

開發者能透過 API 使用 HappyHorse 1.1 R2V 嗎？

可以。Gate.AI 文件了視頻任務的提交與檢索。開發者在實作完整的多圖生成工作流之前，必須先確認參考影像負載（payload）的資料結構（schema）。