阿里把视频模型第一名的"快乐小马"塞进手机：免费体验+15种语言唇形同步

「那个在竞技场排行榜登顶的模型，现在打开千问就能用。」这句话的分量，视频创作者最懂。

Artifical Analysis 的 AI 视频竞技场，一匹代号为"快乐小马"的模型曾悄悄爬上第一。没人知道它从哪来，直到阿里认领——它出自自家刚成立不到一个月的 ATH 事业群。今天，千问首发灰测，APP 和 Web 端直接开放，还送了免费额度。

APPSO 第一时间拿到体验资格。榜单排名只是结果，我们更关心：它生成的视频，到底好在哪？

时间线：从神秘登顶到千问首发

故事要从几个月前说起。"快乐小马"1.0 突然出现在 Artifical Analysis 的 AI 视频竞技场排行榜顶端，社交媒体开始议论这匹黑马的身份。没有官方认领，没有技术论文，只有一个代号。

谜团在阿里正式官宣后解开。ATH 事业群——阿里新成立不到一个月的事业群——是"快乐小马"的娘家。从组织架构到产品落地，速度惊人。

2025 年 4 月，千问官方宣布首发灰测。移动端更新 APP 后点击首页胶囊即可进入；PC 端访问 c.qianwen.com，专业创作者能获得更完整的控制面板。两个渠道都提供免费体验额度，网页端按积分消耗，综合对比性价比突出。

这不是简单的模型上架。一个曾在竞技场击败众多对手的模型，从榜单第一到用户指尖，中间隔着工程化、产品化、成本控制的重重关卡。千问选择直接免费开放体验，背后是阿里对 ATH 技术成熟度的信心。

实测：镜头不是库，是语言

打开"快乐小马"1.0 的创作面板，第一个发现是：它没有堆砌复杂参数，核心发力点很集中——动作、声音、空间的自然度，加上合理的镜头语言。

主流视频模型处理镜头运动，通常做成一个可调用的库：推进、拉远、旋转，用户从库里挑一个。镜头和画面内容各干各的，运镜方式随机匹配，不考虑正在发生什么。

"快乐小马"1.0 的做法完全不同。它的镜头切换服务于叙事逻辑：情绪收紧时镜头逼近，需要交代环境时给全景。这不是技术参数的微调，是摄影指导的思维。

我们用同一提示词对比多个模型：「穿着白色裙子的女生走在花海里，从画面左边走到右边，镜头跟随，转动裙子，捧起一朵花闻。」

其他模型的结果偏向「固定机位」——人物站中间，镜头不动。这种构图最稳妥，也最平庸。"快乐小马"1.0 则像懂行的摄影指导：全景交代花海，近距离跟拍裙摆扬起，低角度捕捉捧花闻香的瞬间。动态张力原原本本，没有为了安全而选择平庸。

更难得的是连贯性。5 秒视频里，女孩走路没有「太空步」的滑移，从转身到捧花的动作过渡行云流水。这是很多模型的死穴：即便参考图再详细，后半段也容易手指多一根、脸部模糊、动作节奏突变。"快乐小马"1.0 的穿帮频率明显更低。

官方数据给出了量化印证：内部 GSB（Good-Significant-Bad 人类偏好评分）是 Wan2.7 的 3 倍，动作流畅性和清晰度进步显著。

实测：表情和声音，终于有层次了

人物动作的稳定性只是基础。"快乐小马"1.0 真正让人惊喜的，是情绪表达的层次感。

我们生成了一段小朋友咬酸柠檬的视频：咬下的瞬间，面部肌肉因酸味紧绷，五官皱起、双眼紧闭；酸劲过去，肌肉慢慢放松，最后茫然地重新睁大眼睛。动作和表情的配合，让情绪有了时间维度上的变化，不容易出戏。

声音的处理同样超出预期。大部分 AI 视频配音的问题很典型：语气平直，语调不跟情绪走；多人对话时，听的一方像在完成自己的任务，没有反应，没有表情变化。

"快乐小马"1.0 的对白有情境感。语气和语调贴着画面情绪走：惊讶时语调上扬，轻松时节奏放缓。多人场景里，倾听者也有自然的表情和肌肉反应，不是在发呆等下一句。

环境音的逻辑一致。书写声、翻页声、远处背景音，这些细节在多数模型里要么缺席，要么像从音效库随机抓取。"快乐小马"1.0 里，声音和画面对得上，而且能参与情绪——安静场景里一点纸张摩擦声，比配乐更能制造沉浸感。

还有一个实用但小众的能力：多语言唇形同步。覆盖普通话、粤语、英语、日语、韩语、德语、法语等 15 种语言，输入中文文本生成人物说话视频，嘴型能跟上语音。短视频配音、虚拟主播等场景，想象空间很大。

实测：参数自由，但不用你操心

创作面板的设置很克制。分辨率最高 1080p，宽高比可选 16:9、9:16、1:1，时长 5 秒、10 秒或 15 秒，支持原生音频生成。没有让人眼花缭乱的专家模式，但专业用户想要的控制都有。

这种「够用且好用」的产品思路，和模型本身的能力形成呼应：不堆参数炫技，把复杂留给后台，把流畅留给用户。

从竞技场神秘登顶，到千问开放体验，"快乐小马"1.0 的落地速度，折射出阿里 ATH 事业群的组织效率。更值得关注的是技术路线——当多数模型还在比拼参数规模和生成时长，它选择死磕镜头语言、动作连贯性、声音情境感这些「老派」指标。

这些指标很难在评测榜单上量化，却是视频创作者每天面对的痛点。榜单第一的价值，最终要回到用户指尖来验证。现在，打开千问就能试了。