Happy Horse 1.0 secara mendalam: Transformer bersatu 15B, spesies video AI baharu dengan penjanaan audio-video asli bersama
Dalam Artificial Analysis Video Arena, model «misteri» tanpa nama muncul bersama model tertutup terkini — dengan output audio asli. Komuniti menamakannya Happy Horse 1.0: belum sumber terbuka rasmi, tiada pemberat awam, tetapi pendekatan seni bina berbeza daripada DiT arus perdana.
Nota: Maklumat teknikal daripada nota komuniti — belum disahkan secara rasmi.
1. Data teras
| Metrik | Nilai |
|---|---|
| Jumlah parameter | ~15B |
| Lapisan Transformer | 40 |
| Langkah pensampelan | 8 (tanpa CFG) |
| Masa 1080p | ~38 saat (H100) |
| Bahasa lip-sync | 6 |
| Modaliti | 4 (teks/gambar/video/audio) |
2. Seni bina
Satu Transformer self-attention bersatu menggabungkan semua modaliti dalam satu urutan token.
| Komponen | Spesifikasi |
|---|---|
| Parameter | ~15B |
| Jenis | Unified self-attention Transformer |
| Lapisan | 40 |
| Penyulingan | DMD-2 |
| Pensampelan | 8 langkah, tiada CFG |
| GPU | NVIDIA H100 80GB |
3. Lima pilihan reka bentuk
Penjajaran audio-video sebagai sebahagian denoising; susun atur sandwich; gating sigmoid setiap kepala; tiada embedding timestep; DMD-2.
4. Enam ciri
Penjanaan audio-video asli bersama; 1080p; lip-sync 6 bahasa; inferens pantas; T2V & I2V bersatu; pelan sumber terbuka.
5. Perbandingan
| Ciri | Happy Horse 1.0 | LTX-2 Pro | Wan 2.2 A14B | HunyuanVideo-1.5 | CogVideoX-5B |
|---|---|---|---|---|---|
| Parameter | ~15B | ~13B | 14B | ~13B | 5B |
| Tulang belakang | Unified self-attention | DiT | DiT | DiT | DiT |
| Audio asli | ✅ | ❌ | ❌ | ❌ | ❌ |
| Langkah | 8 | ~25 | ~50 | ~50 | ~50 |
| Pemberat muat turun | ❌ | ✅ | ✅ | ✅ | ✅ |
6. Kedudukan
Arena mengira Elo melalui undian buta.
7. Senario
Video pendek, iklan, pemasaran pelbagai bahasa, B-roll, e-dagang, penyelidikan AI.
8. Soalan lazim
Belum muat turun. Skop OSS: pemberat asas, model 8 langkah, super-resolusi, kod inferens.
9. Rumusan
Satu model bersatu menggantikan rantaian video bisu → suara luar → segerak bibir.