中广联演员委员会就AI换脸合成、影视素材魔改发声明
4月2日，据中国广电联合会演员委员会，当前，AI换脸合成、声纹克隆复刻、影视素材任意篡改、魔改、擅自抓取演员影像声频用于AI模型训...
文章目录
[+]
图源 / Artificial Analysis
没有发布会，没有任何公司背书，这匹黑马在短时间内完成了从零到双榜第一的跨越，将此前稳坐榜首数月的字节跳动Seedance2.0拉下了王座。在它的模型名称旁边，只有四个字：“即将推出”。这匹马，还没有真正跑起来。 这匹“快乐马”究竟是什么来头？它的第一有多少含金量？更重要的是，它会对行业带来什么？01. HappyHorse的第一，含金量如何？ 要理解HappyHorse的真实水平，需先拆解它在Artificial Analysis（以下简称“AA”）不同榜单上的得分情况。 AA视频竞技场设四大核心赛道：文生视频（无音频）、图生视频（无音频）、文生视频（带音频）、图生视频（带音频）。截至4月9日的最新数据，在纯画质维度，HappyHorse已经建立统治地位；但一旦进入音画融合，它的领先优势并没有那么明显。 在文生视频（无声）赛道，HappyHorse斩获1378分，领先第二名字节跳动Seedance2.0 105 分。在Elo体系中，超过百分的差距意味着用户在盲测中几乎呈现“一边倒”的偏好。而在图生视频（无声）赛道，它跑出的1411分更是刷新了平台历史记录。对于追求极致运镜与画面质感的创作者而言，这匹马目前就是行业天花板。 然而，一旦加入音频维度，战局瞬间反转。HappyHorse与Seedance2.0的分差收缩至1-2分，几乎可以忽略不计。这也说明，在音画同步、音频质量及语义对齐层面，HappyHorse并未实现大幅超越，双方仍处于同一技术水平线。 结合社交媒体上的技术拆解与用户反馈，HappyHorse的优势大致可以归结为两个方向。 其一是架构层面的统一建模路径：多个信源指出，它采用约150亿参数规模的纯自注意力单流Transformer，将文本、视频与音频token放入同一序列进行联合建模，这种方式区别于常见的“视频生成+音频后处理”的拼接方案，使声音与画面在生成之初就处于同一语义空间，从而在口播与人物场景中呈现出更自然的同步效果。 其二是对人像场景的针对性优化：根据公开信息，多位参与AA盲测的用户反馈，其人物面部纹理更加细腻、镜头切换更为流畅，在复杂提示词下的人物一致性表现也更稳定，一位用户在连续对比Pyramid-Flow、Veo 3.1 Lite与PixVerse V6后甚至表示“只要出现HappyHorse基本都会选它”。 而这一主观体验恰好与Elo高分形成呼应。在AA的评测样本中，人像与口播类内容占比超过60%，使得这一局部优势被持续放大，并最终体现在整体排名上。 但高分并不意味着全能，社交媒体上的批评声同样不少。 不少用户指出，已经发布的视频中水体抖动细节不自然、快速运动中的条纹物体崩坏以及在大屏显示下的画质劣化等问题。这些缺陷在无音频赛道的高分掩盖下往往被忽略，但在影视级应用中却是致命伤。一位AIGC导演告诉「AIX财经」，从流出的片段看，它的感官很接近Seedance2.0，真实度不错，但剧烈运动时的“AI感”依然浓重。 X用户daniel.dmai更是直言不讳：“别把排名太当回事。当HappyHorse碰到的都是些旧模型时，大家自然会选那个看起来更顺眼的。它跟 Seedance2.0比还差得远。”
02. 这匹马来自哪里？ 随着HappyHorse霸榜，寻找这匹马的“主人”成了本周AI圈最热闹的猜谜游戏。 目前流传最广的线索，主要来自两个方向。 第一条线索来自技术侧的逐项对比。 有开发者将HappyHorse在榜单中的公开基准表现，与已知模型逐项对比，试图通过“能力特征”反推其来源。X用户Vigo Zhao的比对结果指向一个高度重合的对象——daVinci-MagiHuman。视觉质量4.80、文本对齐4.18、物理一致性4.52、语音字错率14.60%，四项核心指标几乎一一对应。与此同时，两者在官网架构描述、演示视频风格上的相似性，也让这一猜测进一步增强。
03. “快乐马”让谁不快乐？ 如果把时间线拉长，AI视频赛道正处于一场剧烈的重构之中。 2026年初，字节跳动的Seedance2.0爆火出圈，接过了“行业标杆”的接力棒。而曾经的领跑者OpenAI却在3月突然按下停止键——Sora全面关停。这款曾被视为“视频生成GPT时刻”的产品，最终倒在了经济账面前：日均1500万美元的推理成本，对比生命周期内仅约210万美元的总收入，这种严重的“成本-收益”倒挂，让先行者最终成了先烈。 Sora退场留下的真空，迅速被字节与快手填补。Seedance2.0承接了技术天花板的预期；可灵则以超6000万用户和正向毛利率，稳扎稳打地推进变现。两者共同点很明显，均为闭源模型，均在积极商业化，均在用真金白银验证AI视频的商业模式是否成立。 直到HappyHorse突然出现。它带来的冲击，不只是性能上“更强一点”。 对于开发者而言，HappyHorse的开源基因意味着游戏规则的重写。一旦模型权重与推理代码全量披露，用户可以绕过高昂的API付费体系，转向自部署与深度定制。它挑战的就不再是某一款产品，而是整个闭源商业模式的底层逻辑。 换句话说，它动的是规则，而不仅仅是排名。 150亿的参数规模，意味着相对更低的推理门槛。一旦支持私有化部署，对于高频使用视频生成的工作室和营销团队而言，边际成本将随使用量增加而持续摊薄。 虽然HappyHorse尚未公测亦未公布定价，但业内已出现强烈预期，不少讨论认为其费用或仅为Seedance的一半。这种价格预期背后，折射出专业创作群体对现有闭源模型高成本压力的集体焦虑。 当然，这一切的前提是——开源真正落地。 除了开源之外，对于HappyHorse而言，真正问题在于上线后能不能赢下市场。 即梦与可灵的壁垒，除了技术本身，还有与业务场景的深度融合。在电商直播、广告投放、内容分发等场景中，视频生成能力只是插件，流量分配权与业务流闭环才是真正的护城河。HappyHorse可以赢在盲测的第一眼惊艳里，但要进入真实生产流，还有更长的路要走。 与此同时，更残酷的现实是，技术领先的“保质期”正在急剧缩短。 从去年9月至今，可灵2.5Turbo、Seedance2.0、SkyReelsV4等模型轮流登顶，几乎每月一次“新王登基”。好耶科技创始人吴杰茜曾对「AIX财经」表示，视频大模型的竞争是一场永不停歇的烧钱长跑。一旦投入强度稍有松懈，或迭代速度慢于对手，用户会毫不犹豫地倒向更新、更强的模型。“赢家通吃”的法则，迫使厂商持续加码，稍有松懈即被淘汰。 HappyHorse的出现，短期内让享受Sora退场红利的头部厂商感受到了切实压力。长期来看，它向整个行业抛出了一组更本质的拷问：开源与闭源，哪种路径能跑通长效盈利？在迭代周期以月为单位的赛道里，真正的护城河究竟是模型本身，还是那张看不见的商业分发网络？ Sora的失败证明了一件事，技术领先不能替代商业闭环。而HappyHorse的出现提醒了另一件事：在开源浪潮面前，闭源模型的定价权与壁垒，或许比想象中更加脆弱。（转载自AIX财经）
你可能想看：
