プロンプトや画像1枚から、声と口が合う音声つき動画を1回で出します。
数秒から15秒の1カットに、声と環境音が最初から乗った作例です。
ネオンホライズン公開
ブランドプロモーション
チェリーケーキ予告
プロダクトフィルム
サイバーシティ発表
ブランドプロモーション
黄金の野原との遭遇
シネマティックプロモーション
アクションヒーロー登場
エンタメプロモーション
コンビニスマッシュ
ブランドプロモーション
ヘルメットのクローズアップ
プロダクトフィルム
サンセットカフェプロモーション
ライフスタイルプロモーション
映像と音を同時に出すこと、日本語を含む多言語のリップシンク、参考画像で人物を保つこと、1本の中でカットを切り替えること。この4つが、このモデルで作業の組み立てが変わる部分です。
1回の生成で、映像とそれに同期した音声が同時に出力されます。口の動きに合ったセリフ、その場の環境音、感情の乗った声の演技が、まとめて同じ1本に入ります。音声だけを別に作って後から重ねる工程がありません。ナレーションを録ってタイムラインで口に合わせる往復が消えるので、ショート1本あたりの編集時間が読めるようになります。
セリフの対応言語として、日本語を含む7言語（英語・北京語・広東語・日本語・韓国語・ドイツ語・フランス語）が、HappyHorse 1.0の対応可能な言語として記録されています。ただしこれは検証済みの保証ではなく、精度を数字でお約束することはできません。まずはご自身の台詞を1本だけ入れて、出てきた口の動きを見てから判断してください。
参考画像を1〜9枚渡すと、その人物・被写体・商品を主体として指定できます（参考画像からの動画生成）。シリーズもののショートドラマやキャラクター紹介の動画のように、カットをまたいで同じ顔・同じ衣装で見せたい制作で使う機能です。何本か作って繋ぐ前提の作り方に向いています。
1回の生成は最長15秒・1080Pで、その中に複数のカット切り替えを含められます。単一のロングテイクではないので、「会話 → 引き → 寄り」を1本に収めるような15秒スポットや縦型ドラマが組めます。手元の写真から始めたい場合は、先頭フレームにする画像をちょうど1枚アップロードすれば、テキストと合わせて動き出します。
素材と台詞を決め、出す先に合わせて尺と縦横比を選び、VideoAIの生成器で回す。ここでのHappyHorse 動画生成は、この3ステップで完結します。
プロンプト欄に、シーン・カメラワークに加えて、日本語の台詞そのものを書きます。キャラクターを固定したいなら参考画像を1〜9枚、手元の1カットから動かしたいなら先頭フレーム画像を1枚アップロードしてください。画像はJPEG／PNG／WEBPで10MB以下、先頭フレーム画像は長辺・短辺とも300px以上、参考画像は短辺400px以上です。VideoAIではプロンプトは非中国語文字で5,000字まで入力でき、台詞は数十字から数百字に収まるので、実務で上限に当たることはまずありません。
尺は3〜15秒（整数秒、既定は5秒）、解像度は720Pか1080P（既定は1080P）から選びます。縦横比は16:9／9:16／1:1／4:3／3:4（既定は16:9）から選べます。ShortsやTikTok、リールに出すなら9:16、YouTube本編とXなら16:9です。4Kはないので、15秒に収まらない企画は最初からカット単位に割って、複数本で作る前提にしてください。
VideoAIの生成器で実行し、出てきた動画を音つきで確認します。台詞の言い回しやカメラの指示を書き換えて出し直すか、必要ならカットを足していってください。すでに持っている動画を作り直したい場合は、動画編集の機能に自然文で指示を出します。VideoAIでは入力動画は3〜60秒・100メガバイト以下（MP4／MOV）、参考画像は0〜5枚まで添えられます。
画像や動画制作に使える追加の AI モデルを確認できます。
HappyHorse アリババ発の動画生成モデルです。いちばんの特徴は、映像とそれに同期した音声を一度の生成でまとめて出すことで、口の動きに合った対話、その場の環境音、感情の乗った人の声までが同じ1本に入ります。VideoAIではそのまま直接使え、テキストから動画・画像から動画・参考画像から動画・動画編集という4つの作り方が、すべてサイト内で開けます。
映像と音声は、同じ一度の生成の中で一緒に出てきます。口の動きに合ったセリフ、環境音、人の声が同時に乗り、途中で別に吹き替えたり音を合わせ直したりする工程は入りません。ここが、絵だけを作るタイプの動画モデルとのはっきりした違いです。
まずログインし、入力を選びます。1本のプロンプト、ちょうど1枚の先頭フレーム画像、または人物を固定するための1枚から9枚の参考画像のいずれかです。しゃべらせたいセリフはプロンプトの中に書き込み（口の動きは、あなたが書いた言葉に合わせて生成されます）、解像度・尺・画角を設定したら、サイト内で生成を押して音つきでプレビューします。最初から最後までVideoAIの中で完結します。
新規ユーザーには10回分の無料クレジットがあり、このHappyHorse 無料クレジットはそのまま生成に回せます。使い切ったあとは、HappyHorse 料金としてクレジットの追加パックか月ごとのプランで続けられます。具体的な金額を固定でうたうことはしません。
生成にはログイン（アカウント登録）が必要で、この点ははっきりお伝えします。無料クレジットで作った動画にも透かしは入らず、そのままダウンロードでき、商用にも使えます。
1本あたり3秒から15秒（整数秒で、既定は5秒）です。解像度は720Pか1080P（既定は1080P）で、4Kはありません。1本の中に複数のカット切り替えを入れることはでき、もっと長くしたいときは何本かを自分でつないでください。
オープンソースではありません。ダウンロードできる重みも、公式のコード置き場もありません。ネット上にある「オープンソース／重みを無料配布／ローカルで動かせる／5B軽量版」といった話は、便乗サイトが作った偽の情報で、実際はVideoAIで生成すれば十分です。1.1は2026年6月23日より後に出た別のバージョンで、本ページも VideoAI 上の HappyHorse 1.0も、どちらも1.0を指します。上位版・高速版・軽量版のような品質の段階分けもありません。
