Alibaba lance HappyHorse 1.0, son candidat à la couronne de la vidéo IA

Alibaba n’a pas mis en scène un lancement spectaculaire. Le 27 avril 2026, HappyHorse 1.0 est simplement apparu sur le site happyhorse.cn, sur Alibaba Cloud Bailian et dans l’application Qwen.

Avant même cette annonce, une version anonyme avait été soumise à l’Artificial Analysis Video Arena. Elle a pris la première place mondiale en Text-to-Video comme en Image-to-Video, devant Seedance 2.0 de ByteDance et Kling 3.0 de Kuaishou. Le modèle se positionne aussi devant Veo 3.1 de Google.

Le positionnement assumé de challenger

En avançant sans grande opération de communication, Alibaba suit une logique qu’il connaît bien : faire parler les performances avant d’augmenter le bruit médiatique. Ici, le classement indépendant a joué le rôle d’annonce.

Le signal est clair : Alibaba a choisi de laisser les résultats parler. La première place sur ce benchmark indépendant a suffi à installer le modèle dans la bataille de la vidéo IA.

Les créateurs professionnels passent par Alibaba Cloud Bailian ou par le site dédié. Le grand public, lui, peut tester le modèle via l’application Qwen. Cette double stratégie permet à Alibaba de recueillir des retours rapidement tout en gardant la main sur la charge de ses infrastructures.

Une architecture pensée pour l’efficacité réelle

Derrière ce nom se trouve une architecture sérieuse. HappyHorse 1.0 repose sur un Transformer de 15 milliards de paramètres et 40 couches de self-attention, développé par la division Token Hub, créée en mars 2026.

Son principal apport technique tient à la génération de la vidéo et du son en une seule passe, sans modules d’attention croisée séparés. Cette approche réduit les écarts entre l’image, les lèvres et la bande sonore.

Des performances impressionnantes sur hardware existant

Sur un seul GPU NVIDIA H100, le modèle produit une séquence 1080p en 38 secondes. À titre de comparaison, OpenAI Sora nécessite environ 60 secondes pour un résultat similaire. Ce gain de temps compte en production.

Une conception orientée vers l’usage professionnel

Le choix d’une architecture unifiée réduit aussi les risques d’artefacts entre la piste vidéo et la piste audio. La cohérence globale s’améliore, notamment sur les mouvements complexes et les interactions entre personnages.

Qualité cinématographique et lip-sync multilingue

HappyHorse 1.0 produit des vidéos de 3 à 15 secondes en 720p ou 1080p. Il accepte les ratios 16:9, 9:16, 1:1, 4:3 et 3:4. Le rendu se distingue par la cohérence du mouvement, une texture visuelle réaliste et un éclairage travaillé.

Le lip-sync multilingue comme véritable atout

Le modèle gère nativement la synchronisation labiale dans sept langues : mandarin, cantonais, anglais, japonais, coréen, allemand et français. Cette capacité ouvre des usages concrets pour les contenus destinés à plusieurs marchés.

Des outils d’édition puissants

Au-delà de la génération, HappyHorse propose des fonctions d’édition locale ou globale via de simples instructions en langage naturel. On peut modifier un élément précis d’une scène sans régénérer toute la vidéo, ce qui réduit le temps de post-production.

Une stratégie de prix conçue pour transformer l’e-commerce

Alibaba veut faire de la vidéo générée un outil de production de masse pour son écosystème marchand.

La tarification reflète cette stratégie. En 720p, le coût oscille entre 0,10 et 0,12 € par seconde. En 1080p, il monte à environ 0,24 € par seconde. En Chine, les abonnements Pro font baisser le prix jusqu’à 0,044 € par seconde en 720p. À ce tarif, une vidéo publicitaire de 12 secondes coûte moins de 1,50 €.

De quelques milliers d’euros à quelques yuans

Pour les marchands de Taobao, Tmall ou AliExpress, l’équation change nettement. Là où un tournage vidéo professionnel avec équipe, matériel et montage pouvait coûter plusieurs milliers d’euros, il devient possible de générer des dizaines de variantes pour quelques euros seulement.

Une infrastructure de contenu pour l’e-commerce

Alibaba voit dans HappyHorse 1.0 un outil de production à grande échelle. Les fiches produits vidéo, les publicités dynamiques, les démonstrations de produits et les contenus sociaux peuvent désormais être générés en volume, à coût marginal faible.

Cette orientation industrielle, associée à une qualité déjà compétitive avec les meilleurs modèles occidentaux, place HappyHorse 1.0 dans la bataille des modèles vidéo.