يمثل Happy Horse 1.1، الذي طورته شركة علي بابا (Alibaba)، قفزة هيكلية هامة في الفيديو التوليدي: لقد توقف عن التعامل مع الصوت كفكرة لاحقة. بناءً على بنية محوّل موحدة، فإنه يُنشئ كلاً من الإطارات المرئية والصوت المصاحب — الحوار، والمؤثرات الصوتية، والضوضاء المحيطة — في وقت واحد في تمريرة واحدة.
والنتيجة هي مقطع فيديو بدقة 1080p تصل مدته إلى 15 ثانية مع صوت متزامن بشكل أصلي. حتى أنه يتعامل مع مزامنة الشفاه متعددة اللغات عبر 7 لغات مباشرة من الموجه النصي (Prompt). بالنسبة للمبدعين المعتادين على إنشاء مقاطع فيديو صامتة وقضاء ساعات في البحث عن المؤثرات الصوتية أو استخدام أدوات مزامنة شفاه منفصلة، يختصر Happy Horse 1.1 سير عمل متعدد الخطوات في نقرة واحدة.
بينما كان الإصدار 1.0 بمثابة إثبات للمفهوم، يجلب الإصدار 1.1 اتساق الشخصيات والاستقرار الزمني المطلوبين للإنتاج الفعلي. ومع ذلك، يأتي هذا النهج الموحد مع مقايضة: الصوت والفيديو مرتبطان ارتباطاً وثيقاً. إذا كان الفيديو مثالياً ولكن هناك مؤثر صوتي غير دقيق، فلا يمكنك بسهولة إعادة توليد المسار الصوتي فقط داخل النموذج. على الرغم من ذلك، فإن قدرته على تقديم محتوى سمعي بصري عالي الدقة ومتزامن بشكل أصلي يجعله أحد أكثر الأدوات إثارة على لوحة صدارة أدوات الفيديو اليوم.
