HappyHorse-1.0 est un modèle de génération de vidéos IA open-source de pointe doté de 15 milliards de paramètres. Il s'agit d'un Transformer unifié qui génère simultanément la vidéo et l'audio synchronisé à partir de textes ou d'images, offrant une qualité cinématographique 1080p avec synchronisation labiale multilingue. Le modèle utilise une architecture d'auto-attention à 40 couches, traitant le texte, la vidéo et l'audio via une seule pipeline unifiée, sans nécessiter d'attention croisée. HappyHorse-1.0 prend nativement en charge six langues — chinois, anglais, japonais, coréen, allemand et français — avec une coordination vocale naturelle et une synchronisation labiale précise. Il génère des dialogues, des sons ambiants et des effets Foley, éliminant le besoin de post-production. Le modèle atteint une génération en seulement 8 étapes de débruitage, le plaçant en tête de l'Artificial Analysis Text to Video Arena avec un score Elo de 1333.