アリババ、動画生成AI「HappyHorse 1.1」を公開——5つの主要アップデートと料金体系を徹底解説

アリババは2026年6月22日、動画生成AIモデルの最新版「HappyHorse 1.1」（快馬1.1）を正式公開しました。これはバージョン1.0から5つの主要領域で大幅な改良を施したメジャーアップデートです。

利用可能プラットフォーム

HappyHorse 1.1は以下のプラットフォームからアクセスできます：

• HappyHorse公式サイト
• Alibaba Cloud Model Studio（阿里雲百煉） — エンタープライズ向けAPI（フルアクセス対応）
• Qwen（千問）アプリ
• さらに、クリエイティブ素材プラットフォーム「Creative Fabrica」が、サードパーティとして初めて早期アクセス提供を発表しています。

バージョン1.0からの5つの改良点

アリババによると、HappyHorse 1.1は以下の5分野で系統的な改良が施されています。

1. 動的表現（Dynamic Expression）

動きのモデリングとフレーム間の時間的整合性を再構築。1.0で指摘されていた動作のぎこちなさやテンポの悪さを改善し、より滑らかで力強い動きを生成できるようになりました。

2. 被写体の一貫性（Subject Consistency）

最大9枚の参照画像を同時に入力可能。キャラクターの服装や小道具、ブランド要素、シーン設定などをショット間で安定して保持できるようになりました。これはマルチキャラクターの短編ドラマ、ライブコマース、複数人物の登場する広告などで特に有用です。

3. 指示追従の向上（Instruction Following）

短いプロンプトから複雑なナラティブ入力まで、モデルの理解力が向上。複数の要素が絡むシーンを指示通りに生成する「長文コンテクスト指示追従」が可能になりました。

4. 画質の向上（Visual Quality）

肌の質感描写を改良。従来の「テカリ感」や「過度なシャープネス処理」が軽減され、より自然でリアルな質感を実現しています。中国語の関連報道では、「ナチュラルな肌質感」という表現で確認されています。

5. 音声機能の内蔵（Native Audio）

音声生成機能が動画生成パイプラインに直接統合されました。セリフの自然さや間、トーンがシーンや感情に応じて動的に調整されます。

対応生成モード（4種類）

バージョン1.0と同様、以下の4モードを統合APIで提供：

モード	入力	出力
テキスト→動画（T2V）	テキストプロンプト	動画
画像→動画（I2V）	参照画像1枚＋任意のプロンプト	アニメーション動画
参照画像→動画（R2V）	1〜9枚の参照画像＋プロンプト	被写体一貫性のある動画
動画編集	ソース動画＋最大5枚の参照画像＋指示	局所的/全体的に編集された動画

解像度と出力時間

• 出力時間: 3秒〜15秒
• 解像度: 720p / 1080p、アスペクト比自由対応

標準料金

料金は「出力1秒あたり」の従量制で、バージョン1.0と同水準です：

解像度	標準価格（1秒あたり）
720p	$0.14/秒（約0.9元/秒）
1080p	$0.18/秒（約1.17元/秒、中国報道より換算）

一部のサードパーティ再販業者は1080pを$0.28/秒で提供しているケースもありますが、Alibaba Cloud Model Studioの公式価格は上記の通り、1.0と同水準に据え置かれています。

ローンチ記念：40%割引キャンペーン

Alibaba Cloud Model Studioでは、リリースから2週間限定で40%割引のプロモーション価格を実施中です。割引後の価格は以下の通り：

• 720p: $0.084/秒（標準$0.14から40%OFF）
• 1080p: $0.108/秒（標準$0.18から40%OFF）

留意点

• パフォーマンスに関する主張の多く（生成速度やリーダーボード順位など）はアリババの自己報告によるものであり、第三者機関による独立検証はまだ行われていません。
• 1080pの標準価格$0.18/秒は、中国の報道による価格（1.17元/秒、約$0.18）を基にした推定値であり、一部のプラットフォームでは異なる料金が設定されている場合があります。