文 | 有界 UnKnown，作者丨钱江，编辑｜山茶
今天，一则折叠的聊天记录，又引爆了 AI 圈。
起因是网友发现了一款名叫 HappyHorse-1.0 的新视频生成模型，它不仅强，还很神秘。
强是因为，它能在 AA 排行榜（全称 artificialanalysis.ai）上超越 Seedance2.0，成为全球第一。
很多人看到这个模型，都不自觉问出曹操那句名言：" 我原本以为吕布已经天下无敌了，没想到有人比他还勇猛！这是谁的部将？"
当然，「有界 UnKnown」也积极冲到了吃瓜前线，而我们在吃瓜过程中却发现，HappyHorse 不仅在能力上很突出，它爆火出圈这件事情，也充满了人为操作的痕迹。
一切，可能都是一场精心设计的局。
作为横空出世的黑马，HappyHorse1.0 自然有其厉害的地方，我们先说这个。
首先，和主流视频模型不同，HappyHorse 是开源的。
其次，它的参数仅有 15B，比大多数模型都小，且 8 步即可完成超快推理（256p 仅需 2 秒，即使是 1080p 也只需约 38 秒），正式上线时间在 4 月 8 日凌晨。
首先，是成速度很快。
在已有案例中，仅用一句提示词和一张图片，约一分钟即可生成完整视频。流传的微信聊天记录中，还也特意狠狠踩了一下即梦。
当然，生成速度快的背后，可能是用户数还不多，所以不需要排队。
第一，是环境音的匹配。
在 HappyHorse 的案例中，当脚踩到冰面上的时候，可以听到 " 嘣 " 得一声；当篮球进入投篮框的时候，会发出和框碰撞的声音；咖啡师倒牛奶时，也能生成倒牛奶的声音。
而之前许多 AI 生成的视频，都容易出现音画不同步，不匹配的情况。
更重要的是，HappyHorse 的声音并不是简单叠加的背景音，而是与画面中的动作形成了基本一致的对应关系。换句话说，声音开始成为 " 视频的一部分 "，而不是后期补上的效果。
第二种是 HappyHorse 语言能力。
最后，是在价格上。
HappyHorse 采用的是积分制，提供按月、按年以及按需三种付费方式。
虽然网络上大家都在说它的价格比 Seedance 2.0 便宜一半，但实际上几乎是照着 Seedance 2.0 订阅价格设置的，比 Pixverse V6 定价也更高，并没有价格优势。
人造的 " 黑马 "？
虽然关于 HappyHorse 的大多数的讨论都是自然发生的，但种种迹象表明，从故意隐藏信息制造讨论话题，到扔出折叠的聊天记录曝光，引起讨论，这完全可能是一场人为的，精心设计的传播。
首先是榜单，一位在 AI 视频企业工作的朋友表示，AA 的排行榜是可以操作的，只要有预算，他们可以提前给到题目，在这个基础上针对性优化样本的话，拿到高分很容易。
而 HappyHorse 悄悄登顶，又快速撤下，现在市场流传的都是截图，这也给这个猜测制造了基础。
特别是在几乎一边倒的赞扬声之中，X 也有一些网友表示，从生成的效果来看，真人感比较弱，所以也有可能 Happyhorse 的榜单是刷来的。
比如，有 X 网友发现，官网公布的 demo 虽然画面不错，但在物理性上表现有一些差距。比如在呈现快速运动时，仍然存在 AI 运动伪影，尤其是一些带有条纹、线条的物体。
其次，HappyHorse 因 AA 榜单登顶而火，前后不过两天，其官网已经有完整的、关于为什么火的蹭热点的展示，效率真的很高。
「有界 Unknown」试图付费测试一下视频，但多次尝试之后没有打开，其给到的免费积分不足以支持测试。
而现在网上流传的视频也十分单一，与之前在微信群里，通过折叠聊天记录传播的内容基本一致，而没有新的，更多的视频内容。
这就很有意思了，当全网都在说它比其他模型牛逼的时候，证据却只有官方给到的视频案例，确实有点意思。
而有趣的是，这个聊天记录里，明里暗里地对标友商，突出对比，制造话题，不知道友商现在什么心情。
退一万步来讲，即便这是一波精心策划的营销，但只要产品本身能打，剩下的一起都不是问题。
HappyHorse 带来了什么？
事实上，HappyHorse 真的带来了一些新的东西，一种新的技术范式。
现在主流的视频生成模型，基本采用的方式都是先把视频压缩，再交给 Transformer 去一点点 " 去噪生成 "。
而不同的企业在具体的操作上也有不同。
比较传统的方式，也是现在的主流方式，是视频和音频先分开处理，再融合，如 HunyuanVideo、PixVerse、早期的 seedance1.0 都是如此，它们会先把文本、视频，或者空间、时间分开处理，后面再合到一起。
剑走偏锋的方式的是优先提速，比如以色列的公司 Lightricks 开发的 LTX，其重点不是结构多复杂，而是先把视频压得更狠，让 token 变少，这样生成更快。
而未来，行业逐渐演变的趋势是：一套大主干统一生成。
过去，先分开处理，再融合的方式，在技术上，这通常被称为 " 双流（two-stream）"。
画面和声音分别由不同模块生成，最后再通过对齐机制拼在一起。这也是为什么，在很多情况下，音画虽然能够对上，但仍然会有一丝不自然——因为它们从一开始就不是一起生成的。
而现在的一套大主干统一生成，则趋向于"单流（single-stream）" 生成方式，即把画面和声音作为同一生成过程中的不同部分，一起完成。
也就是说，声音不是后加的，而是和画面一起 " 长出来 " 的。
这一差异，可以从具体效果中看到。比如脚踩冰面的破裂声、篮球入框的碰撞声，这些声音不是简单叠加，而是随着动作同步出现，具有明显的因果关系。
现在市面上最新的模型如 Sora、Veo、Seedance2.0 都在向这方面靠拢，这也是目前的技术方向。
HappyHorse 采用的就是这个方向，但它做得更激进，更强调 " 全部放在一起统一处理 "。（起码在他们官网上是如此宣称的）
这具体表现在：
1、结构上更统一，强调单流、无 cross-attention；
2、模态上更统一，不仅文本和视频一起处理，连音频也想一起纳入；
3、推理上更激进、8 步生成、强调低延迟，速度快。
用更直白的话说，视频生成的效率更高了，如 seedance 排队的情况可能会变少。一致性更好了，音话不同步，口型不同步，动作还得时序等问题都能有较好的提升。
HappyHorse 是谁的部将？
Happy Horse 之所以出圈，一半因为能力，另一半则是因为神秘。
关于它的 " 身份 "，网上几乎没有给出任何有效信息。其官网的介绍也极为克制，只留下一句："Happy Horse 1.0 由 Happy Horse 团队开发 "。
HappyHorse 越神秘，大家越好奇，于是大家都在互相打听，HappyHorse 究竟出自哪里，市面上也很快出现了多个猜测。
目前最被大家相信的，是来自张迪领衔的淘天集团未来生活实验室。张迪此前曾负责快手 Kling 项目，再往前，则是阿里妈妈大数据与机器学习工程架构负责人。
关于这个来源，目前有很多信息，有一些自媒体还做出了报道，但官方还没有肯定，也没有权威信息来源。
在此之外，最开始被怀疑的，是快手系。
有人注意到，官网留下的了 spaceship.com 相关痕迹，而 "spaceship" 恰好与快手关联公司商标重合，因此推测该项目可能出自快手。
事实上，我们之前怀疑是爱诗，但沟通后对方否认了这件事情，并反向猜测可能与腾讯有关。我们后来在 X 上也找到了一些蛛丝马迹，微信曾在去年 8 月于 X 上发布过一条帖子，刻意提及 "HappyHorse" 关键词。
因为其官网公布的 150 亿参数、支持的语言等能力，与 SII-GAIR 在 github 上公布的文件 "daVinci-MagiHuman" 直接吻合。
当一个模型在能力上足够 " 出挑 "，但信息又足够模糊时，市场会脑补它一个身份，扑朔迷离的身份攒足了好奇心，也是一种有利的营销方式。
但如果这是一场有组织的传播行为，那么有一个相对明确的判断是：它大概率不是字节跳动。因为几乎所有版本的对比和叙事，都是在直接对标 seedance 和即梦。
所以，它到底会是谁呢？我们就坐等谜底揭晓吧。
* 文中配图来源于网络
