話題沸騰中！世界1位の動画生成AI「HappyHorse 1.0」がスゴすぎる理由

こんにちは。今回は、今AI界隈でとんでもない話題になっている「HappyHorse 1.0（ハッピーホース）」についてお話しします。

皆さんは、AIの性能を比較するランキングサイトに突如「身元不明」のまま現れて、あっという間に世界1位をかっさらったAIがあるのをご存知ですか？

実はこれ、中国の巨大IT企業であるアリババ（Alibaba）が開発した動画生成モデルなんです。

名だたる競合モデルを次々と抜き去り、瞬く間にトップに立ったこの「ダークホース」について、何がそんなにヤバいのか、わかりやすく解説していきますね。

映像と音声を「同時に」作れる魔法

これまでの動画生成AIは、まず「無音の動画」を作って、そのあとに別のAIで「音声」をくっつける、というリレー方式が主流でした。

でもHappyHorseは違います。なんと、動画と音声を1回の処理で「同時に」作ってしまうんです。

専門用語では「統合単一ストリーム構造」と呼ばれていますが、要するにAIの脳内で映像と音が最初からピッタリ連動して作られるということです。

そのため、例えばお肉を焼く「ジューッ」という音や、登場人物が話すときの口の動き（リップシンク）が、全くズレることなく自然に仕上がります。

これによって、別々に音声を当てはめる手間がなくなり、よりリアルで感情豊かな映像を作れるようになりました。

日本語も完璧！驚異の多言語対応

動画を作るクリエイターにとって嬉しいのが、多言語への対応です。

HappyHorseは、日本語、英語、中国語（北京語・広東語）、韓国語、ドイツ語、フランス語のリップシンクに対応しています。

海外のAIツールだと「日本語を喋らせると口の動きが不自然になる」という悩みがつきものでしたが、HappyHorseならテキストを打ち込むだけで、感情のこもった日本語音声と完璧に連動した口の動きを作ってくれます。

日本向けのアニメ風動画や、タレントを使った広告映像づくりが一気に楽になりそうですよね。

とにかく速くて安い！

いくら高性能でも、作るのに何十分もかかったら仕事には使いづらいものです。しかし、HappyHorseは生成スピードも桁違いです。

最新の半導体（NVIDIA H100）を使えば、フルハイビジョン（1080p）の高画質動画をたったの約38秒で作ってしまいます。

さらに、料金も非常に安く設定されています。

プロ向けの割引等を利用すると、720pの動画生成が1秒あたり約0.06ドル（約10円）という圧倒的な低コストで利用可能です。

何度も試行錯誤を繰り返す映像制作の現場では、この「安さ」と「速さ」はすさまじい武器になります。

どうやって使うの？

HappyHorseは、すでに一般ユーザー向けにも開放され始めています。

一番手軽に試せるのは、さまざまなAIモデルが集まっている「PixVerse」というプラットフォームや、アリババのコンシューマー向けアプリ「千問（Qianwen）」を使う方法です。

また、「WaveSpeedAI」というAPIサービスや、「genas.ai」といったツールでも、日本語環境で実務に組み込んで利用できるようになっています。

最後に

いかがでしたか。

強力なライバル企業がしのぎを削る動画生成AIの市場に、完璧なタイミングで現れたHappyHorse 1.0。

「音と映像を同時に作る」という新しい技術は、これからのAI動画の常識を大きく変えていくはずです。

気になった方は、ぜひ一度その凄さを体験してみてくださいね。

#HappyHorse #動画生成AI #アリババ #Alibaba #生成AI #AI動画 #リップシンク #AIトレンド #最新テクノロジー