アリババ、9枚の画像参照と音声生成に対応した動画生成モデル「HappyHorse 1.1」をリリース

アリババグループの動画生成モデル「HappyHorse 1.1」は、音声出力と9枚のキャラクター参照画像のサポートを新たに追加し、ダイナミックな表現力、被写体の一貫性、画質においてバージョン1.0から大幅に向上した。

今回のアップデートでは「動作モデリングと時間的一貫性を最適化し、動作の連続性を強化した」とアリババは説明。最大9枚のキャラクター参照画像を同時入力可能とし、マルチショットの理解力とプロンプトへの追従性を強化した。

HappyHorse 1.1は、ダイナミックな表現力、被写体の一貫性、指示への追従性、画質、音声機能の5つの次元においてバージョン1.0から全面的に改良されている。同モデルは公式ウェブサイト、アリババクラウドの「百霊（Bailian）」、Qwen Cloudに統合され、開発者やエンタープライズ顧客はアリババのクラウドインフラを通じて直接アクセスが可能となる。

今回のアップグレードは、ByteDance、Kuaishou、Tencentも競合モデルをリリースしているAI動画生成市場におけるアリババの競争力を強化するものだ。アリババはすでに3800億元（約525億ドル）を超える設備投資を表明しており、経営陣はAIワークロード向けのコンピューティングインフラ構築競争の中で、最終的な投資額は当初計画を上回る可能性があると示唆している。

HappyHorse 1.1は、中国のAI動画モデルがひしめく競争の激しい分野に参入する。ByteDanceの「Jimeng」、Kuaishouの「Kling」、Tencentの「VideoCrafter」はいずれも昨年、動画生成機能を発表しており、各社は開発者の採用とエンタープライズ契約の獲得を競っている。アリババの強みはクラウド販売網にある。HappyHorseは、40万以上のエンタープライズ顧客を抱えるアリババクラウドのAIプラットフォーム「百霊」にネイティブ統合されている。

音声生成機能の追加は差別化要因となる。中国の競合他社が提供する動画生成モデルのほとんどは無音の出力であり、別途音声パイプラインが必要となる。HappyHorse 1.1のエンドツーエンドの音声・動画生成は、コンテンツ制作者やマーケティングチームのワークフローの複雑さを軽減し、エンタープライズでの導入を加速させる可能性がある。

アリババ株の株価は予想利益の約10倍で取引されており、テンセントの15倍に対して割安感があり、ハンセン指数全体に対してはプレミアムが付いた水準となっている。HappyHorseのアップグレード単独で株価が動く可能性は低いが、同社がインフラに積極的に投資している時期に、アリババをAI分野のリーダーとして位置づけるストーリーを強化するものだ。同モデルを提供するアリババクラウドは2025年度に690億元の売上高を計上し、AI関連収入は3桁成長を遂げている。リスクとしては、AI動画生成は依然として黎明期の市場であり、収益化の道筋が明確でないことが挙げられる。OpenAIのSoraはまだ一般公開されておらず、動画生成ツールで持続可能な収益を実証した競合企業は存在しない。

本記事は情報提供のみを目的としており、投資助言を構成するものではありません。