HappyHorse 1.1: 7 clips de prueba y prompts con análisis

👁 113 lecturas

He generado 7 clips con el modelo HappyHorse 1.1 a traves de OpenRouter, cada uno de 5 segundos en 720p por unos 0,44 EUR (0,494 USD; tipo de cambio de referencia del BCE del 12/10/2026: 1 EUR = 1,1181 USD). Tres de ellos ofrecieron un resultado excelente (8,5/10): el mantenimiento del mismo personaje tras un corte, un dialogo en ingles y la animacion de imagen a video con una taza. Dos fallaron de forma clara: el texto escrito en una pizarra (3/10) y la pronunciacion en polaco (4,5/10). A continuacion detallo cada clip con su prompt exacto y su calificacion. Los detalles de ranking, precios y disponibilidad se encuentran en la guia de HappyHorse 1.1.

Metodologia de las pruebas

Todos los clips se produjeron el 11 de octubre de 2026 a traves de la API de OpenRouter (alibaba/happyhorse-1.1), en 720p, formato 16:9, 5 segundos de duración y con la misma semilla fija: 20261008. Cada generación tardó entre 96 y 112 segundos. Los archivos resultantes tienen una resolución de 1280×720 píxeles a 24 fotogramas por segundo con pista de audio incluida. Las primeras cinco escenas emplean exactamente los mismos prompts usados en mi comparativa de video del 8 de octubre, lo que permite contrastar los resultados con otros seis modelos. El criterio de evaluacion es identico: inspeccion de cuatro fotogramas clave (al 8, 35, 62 y 92% de la linea de tiempo) mas el visionado integro del clip, en una escala de 0 a 10. Para evaluar la claridad de la voz, transcribo el audio con el modelo faster-whisper large-v3 y calculo el WER (tasa de error de palabras).

La barra completa equivale a 10 puntos.

Análisis de los siete clips

1. Orbita de camara alrededor de una motocicleta

Aplicacion tipica: visualizacion completa de un objeto, introduccion de un anuncio o plano de corte en videoclips.

A smooth 180-degree camera orbit around a vintage red motorcycle parked on a wet cobblestone street in an old European town at blue hour. The camera circles steadily from the front of the motorcycle to its back at a constant speed. Street lamps reflect in the puddles, light drizzle. The motorcycle keeps its exact shape and details. Realistic cinematic footage, real-time motion, no text, no logos.

Traduccion del prompt ejecutado: la camara gira suavemente 180 grados alrededor de una moto clasica roja sobre un empedrado humedo durante la hora azul, con farolas reflejadas en los charcos.

Puntuacion: 8/10. La trayectoria visual recorre con precision desde el frontal lateral hasta la zaga, completando el medio giro solicitado. La motocicleta mantiene invariable su estructura y sus componentes mecanicos, y los reflejos en el suelo mojado resultan creibles. Es un rendimiento parejo al de MiniMax H3 Max (8) y muy proximo a Wan 3.0 (8,5). En esta misma prueba, Seedance 2.5 invento una lona negra sobre el asiento y Veo 3.1 Lite apenas desplazo el encuadre.

2. Locucion en polaco como prueba de idioma secundario

Aplicacion tipica: videos cortos con personas hablando y spots con locucion en plano.

Medium close-up of a woman in her thirties sitting at a kitchen table, looking straight into the camera. She says clearly and calmly in Polish: "[trabalenguas tradicional polaco sobre un escarabajo en las canas y un pago monetario]". Natural daylight from a window, static camera, realistic, no subtitles, no on-screen text, no music.

Traduccion del prompt ejecutado: plano medio corto de una mujer en una mesa de cocina que mira a camara y pronuncia con calma una frase de prueba en polaco sobre un escarabajo en la maleza y un pago de treinta y dos monedas. Probamos deliberadamente este idioma original del test para medir la precision fonetica fuera del ingles.

Puntuacion: 4,5/10. La imagen es limpia, los labios se mueven y el timbre de voz resulta convincente. No obstante, al someter el audio a Whisper, el sistema de transcripción registró errores en la mitad de los términos (6 fallos sobre 12 palabras, lo que arroja un WER de 0,5), deformando sustancialmente las palabras originales en polaco. En esta misma escena, MiniMax H3 Max logró un WER de 0, Wan 3.0 obtuvo 0,167 y Seedance 2.5 se quedó en 0,583. Más detalles técnicos en el análisis sobre locucion en HappyHorse 1.1.

3. Texto con tiza en una pizarra

Aplicacion tipica: rotulacion de cabeceras, carteleria y marcas integradas en escena.

Close-up of a green school chalkboard in a sunlit classroom. A hand finishes writing with white chalk. The chalkboard clearly shows exactly two lines of text in capital letters: first line "ARENA WIDEO 2026", second line "[palabras de prueba con diacriticos: barco amarillo en polaco]". Static camera, realistic, chalk dust in the light, no other text.

Traduccion del prompt ejecutado: plano cerrado de una mano que concluye dos lineas con tiza blanca en una pizarra escolar: la primera con el rotulo del certamen y la segunda con terminos polacos con signos diacriticos especificos.

Puntuacion: 3/10. El gesto de la mano, la textura del trazo y las particulas de polvo suspendidas en la luz estan muy logrados. Sin embargo, la tipografia fracasa por completo: en la primera linea omite una vocal intermedia y en la segunda sustituye las consonantes barradas y vocales con acento por grafias estandar o caracteres checos con circulo superior que no figuraban en la orden. En nuestra comparativa general, solo Wan 3.0 y MiniMax H3 Max transcribieron ambas lineas sin faltas. Si necesitas grafismos en escena, HappyHorse 1.1 no es fiable y resulta preferible anadirlos en postproduccion.

4. Vaciado de liquido hasta desbordar

Aplicacion tipica: spots de alimentacion, bebidas y planos de detalle con fluidos.

Static close-up on a wooden kitchen table in daylight. Water is poured from a glass pitcher into an empty clear drinking glass. The stream splashes, bubbles rise, the water level rises steadily until the glass overflows and water spills onto the table and spreads into a puddle. Real-time speed, no slow motion, realistic physics, no text.

Traduccion del prompt ejecutado: se vierte agua desde una jarra de cristal a un vaso transparente; el nivel asciende de forma continua hasta desbordarse y crear un charco sobre la madera.

Puntuacion: 5/10. El chorro y la creacion de burbujas son visualmente correctos, pero la causalidad temporal falla: el charco sobre la madera surge ya en el segundo 2, mucho antes de que el vaso se haya llenado por completo. Veo 3.1 Lite incurrio en el mismo error cronologico en nuestra comparativa (con identico 5). Por contra, Wan 3.0 alcanzo un 9 al sincronizar a la perfeccion la subida del liquido con el posterior derrame.

5. Mismo personaje a traves de dos planos distintos

Aplicacion tipica: ficcion serializada, narraciones cortas y anuncios con un protagonista definido.

Two shots separated by one hard cut. Shot 1: wide shot of a young woman with short red hair, round black glasses, a yellow raincoat and a black backpack walking along a rainy city street at night with neon reflections on the wet pavement. Hard cut. Shot 2: close-up of the same woman with the same short red hair, the same round black glasses and the same yellow raincoat as she stops under a shop awning and looks up at the rain. Realistic, cinematic, no text.

Traduccion del prompt ejecutado: dos tomas unidas por un corte seco; primero un plano general de una mujer joven con pelo corto pelirrojo, gafas negras y chubasquero amarillo bajo la lluvia nocturna, seguido de un primer plano de la misma persona bajo un toldo.

Puntuacion: 8,5/10. La transicion ocurre con exactitud donde se solicito. Tras el corte se mantienen los rasgos faciales, la montura de las gafas, el chubasquero y las tiras de la mochila. La unica variacion perceptible es una leve mayor longitud en la melena en la vista cercana. Supera el desempeno de MiniMax H3 Max (7,5, que muto el peinado a un corte bob con flequillo) y Seedance 2.5 (6, que tapo el cabello con una capucha). En este test unicamente Wan 3.0 quedo por encima (9).

6. Pescador hablando en ingles

Aplicacion tipica: contenido para redes sociales anglosajonas o estetica documental con camara al hombro.

Medium shot of an elderly fisherman with a grey beard sitting on a wooden pier at sunrise, mending a net. He looks up at the camera, smiles and says in English: "The sea gives you exactly what you have patience for." Gentle waves, seagulls in the distance, warm golden light, handheld documentary style, realistic, no subtitles, no text.

Traduccion del prompt ejecutado: plano medio de un pescador veterano con barba canosa arreglando una red sobre un muelle al amanecer; mira a camara, sonrie y pronuncia en ingles una reflexion sobre el mar y la paciencia.

Puntuacion: 8,5/10. La herramienta Whisper registro el dialogo de manera impecable (WER de 0) y el lipsync responde con fidelidad a la modulacion del sonido. Como contrapartida negativa, el modelo inserto una variacion de montaje no solicitada: arranca con un breve plano detalle de las manos antes de saltar al plano medio principal. Siendo el mismo motor que fallo severamente con el texto en polaco, se comprueba que la carencia reside en el soporte del idioma secundario y no en la sintesis de voz en si.

7. Animacion de imagen a video: taza y cafe caliente

Aplicacion tipica: activacion de bodegones para comercio electronico y planos de detalle culinarios.

El fotograma inicial (una taza verde de ceramica sobre una mesa de roble) se genero con Qwen-Image 3 via OpenRouter con un coste de unos 0,03 EUR (0,03 USD; tasa BCE del 12/10/2026):

Slow camera push-in on the green ceramic mug. Hot black coffee is poured into the mug from above in a thin stream, steam rises and curls in the sunlight, dust particles float in the window light. Sound of pouring coffee and a quiet morning kitchen. Realistic, no text, no logo.

Traduccion del prompt ejecutado: suave avance de camara hacia la taza verde mientras cae un fino chorro de cafe caliente, emitiendo vapor iluminado a contraluz con sonido ambiental.

Puntuacion: 8,5/10. El travelling frontal es uniforme, la ceramica conserva su geometria y coloracion original, el hilo de cafe fluye limpiamente y la humareda es organica. El unico detalle es que los granos situados en los bordes salen de cuadro por el propio avance de la lente, algo natural en cinematografia y no atribuible a un fallo de renderizado. Este caso ilustra por que la comunidad situa este modelo mas alto en la modalidad de imagen a video que en texto a video directo.

Prompts oficiales para experimentar

Alibaba Cloud no distribuye los clips de muestra junto con sus instrucciones exactas en su web oficial (unicamente aloja un GIF sin metadatos). Los prompts que figuran a continuacion proceden de la documentacion tecnica y sus campanas de presentacion. No han sido generados directamente por mi, por lo que no anexo resultado de video.

Ciudad en miniatura de carton (documentacion, text-to-video)

A miniature city built from cardboard and bottle caps comes to life at night. A cardboard train slowly passes through, with small lights dotting the scene and illuminating the way ahead.

Traduccion: una urbe diminuta fabricada con carton y chapas cobra vida nocturna mientras un pequeno tren avanza entre puntos de luz dispersos. Fuente: documentacion tecnica de Alibaba Cloud.

Danza con transformacion de estetica (campana de Alibaba Cloud)

A girl is dancing gracefully. As she spins around in a full turn, the entire scene seamlessly transforms from a cartoon style into a realistic live-action setting.

Traduccion: una joven baila con delicadeza; al completar un giro completo de 360 grados, toda la escena muta fluidamente desde animacion tipo cartoon hacia imagen real. Fuente: pagina de campana de HappyHorse.

Duelo de baile entre dos figuras (fal.ai con referencias)

A dance battle between character1 and character2, cinematic lighting, smooth camera movement.

Traduccion: duelo coreografico entre character1 y character2 con iluminacion cinematografica y paneo suave. Se trata de un prompt adaptado al modo de referencias visuales multiples (las etiquetas character1 y character2 enlazan a fotografias precargadas por el usuario).

Muestras creadas por la comunidad

En el portal happyhorse.com se encuentra un catalogo con plantillas compartidas: desde un cachorro disfrazado de abeja grabado en tres angulos, hasta secuencias de 15 segundos desglosadas por intervalos o piezas de terror estilo anos 80 con cinco imagenes de control. Resulta util revisar sus estructuras sintacticas completas. No se insertan aqui al carecer de una licencia de uso explicita. La pieza de cabecera titulada «Are You Happy - HappyHorse 1.1 Is Now Available» (duracion 2:21, fechada el 23/06/2026) puede reproducirse en su web oficial.

Conclusiones practicas tras las pruebas

• Redacta siempre los prompts en ingles y limita los dialogos generados a ese mismo idioma. El modelo tropieza notablemente con lenguas menos representadas.
• Descarta la rotulacion integrada en el render. Es mucho mas eficiente incorporar textos mediante software de edicion.
• Prioriza el modo imagen a video frente al texto puro siempre que dispongas de una composicion inicial de referencia.
• Pauta de forma explicita los cortes de camara utilizando marcadores claros en el prompt (como «Shot 1», «Hard cut» o «Shot 2»). La red neuronal respeta muy bien este esquema.

Para comprobar la posicion de HappyHorse 1.1 frente a Wan 3.0, Seedance y MiniMax en condiciones equivalentes, consulta nuestra comparativa de cuatro generadores de video. El desempeno del resto de herramientas esta documentado en la comparativa global de video y en el ranking de generadores de video con IA.

// sigue leyendoWan 3.0 vs Wan 2.2: mismos prompts, 8 clips comparadosRevistaPruebas de IA independientes: Laboratorio FulgorBenchmarksYuE2: prueba de 4 generadores de canciones con IABenchmarks

Kinetyra