Nano Banana Pro
  • 首页
  • 素材
  • 价格
模型
Nano Banana 2.1Nano Banana 2Nano Banana 2 LiteNano Banana ProSeedream 5.5Seedream 5.0 LiteSeedream 5.0 ProSeedream 5.0 FlashGPT Image 2.6 FlareGPT Image 2.6 SunburstGPT Image 2.5 FlareGPT Image 2.5 SunburstGPT Image 2Grok Imagine Image 2.0Z-ImageMiniMax H3 ImageGemini Omni 1.2 FlashGemini Omni 1.1 FlashGemini OmniMiniMax H3MiniMax H3 MaxMiniMax H3 Max TurboMiniMax H3 LiteSeedance 2.5Seedance 2.5 FlashSeedance 2Seedance 2 FastSeedance 2 MiniWan 3.0 VideoWan 3.0 Video PrimeKling 3.0Kling 3.0 OmniKling 4.0Kling 4.0 FlashPixVerse V6PixVerse V6 MaxGrok Imagine Video 1.5 PreviewGrok Imagine Video 1.5 LiteVidu Q4LTX 2.5 FastLTX 2.5 Pro
Nano Banana ProNano Banana Pro
生成模式
模型

图像

JPG, JPEG, PNG, WEBP · 10MB

拖放图片或点击上传。

0 / 5000
视频比例
分辨率
视频时长5s
5s8s10s
× 1

HappyHorse

HappyHorse 是阿里巴巴的多模态视频模型,支持音视频协同生成。一个模型涵盖四种创作方式:文生视频、图生视频、多图参考和视频编辑。可在 Nano Banana Pro 体验。生成前请查看所选模型和页面显示的积分费用。

HappyHorse
使用方法

使用 HappyHorse 创作

HappyHorse 是阿里巴巴的多模态 AI 视频模型,采用原生多模态架构,支持文生视频、图生视频、多图参考和视频编辑,并可生成带音频的视频。页面介绍了 720p 和 1080p 输出,以及广告、电商、短剧和社交媒体创意等内容场景。实际可用选项以所选模型和页面显示为准。 适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

01

描述镜头

提示词技巧:描述主体、动作、镜头语言和音频氛围。编辑视频时,明确说明要替换和保留的内容,并指出参考视频中的动作;使用多图参考时,可用 Image 1 / Image 2 等标签对应具体元素。

02

添加参考素材

生成模式: 文生视频 / 图生视频 / 视频生视频. 参考图片: 5. 支持视频参考。 只使用有权处理的素材,说明每份参考素材的用途;参考并不保证所有细节完全一致。

03

生成并优化

视频时长: 5s / 8s / 10s. 分辨率: 720p / 1080p. 视频比例: 16:9 / 9:16 / 1:1. 提交前查看当前生成模式实际开放的参数。 使用前完整观看成片,检查动作连续性、意外元素、节奏以及适用时的声音。

生成模式

文生视频 / 图生视频 / 视频生视频

视频时长

5s / 8s / 10s

分辨率

720p / 1080p

视频比例

16:9 / 9:16 / 1:1

参考图片

5 ·

提示词 (max)

5000

关于

关于 HappyHorse

HappyHorse 是阿里巴巴的多模态 AI 视频模型,采用原生多模态架构,支持文生视频、图生视频、多图参考和视频编辑,并可生成带音频的视频。页面介绍了 720p 和 1080p 输出,以及广告、电商、短剧和社交媒体创意等内容场景。实际可用选项以所选模型和页面显示为准。 适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

关于 HappyHorse

HappyHorse 核心能力

原生多模态架构

HappyHorse 支持音视频协同生成,尝试在一次生成中同时输出画面与声音。生成效果可能因提示词和所选设置而异。

一个模型支持四种创作方式

同一模型支持文生视频、图生视频、多图参考和视频编辑,可用相近的提示词描述不同创作需求。

多图参考

可使用最多 5 张参考图,为角色、场景和道具提供参考。通过提示词说明各图片对应的元素,尝试组合多种元素;生成结果的一致性可能因素材和提示词而异。

视频编辑

可尝试替换主体、服装或整体视觉风格,并描述希望保留的镜头运动、光线和构图。实际效果可能因源视频和提示词而异,可用于本地化改编或创意尝试。

720p 与 1080p 输出

页面介绍了 720p 和 1080p 输出选项。请根据用途选择,并以所选模型当前提供的设置为准;画面效果和压缩质量可能因生成结果而异。

适用于多种内容创作场景

HappyHorse 面向广告、电商、短剧和社交媒体创意等内容场景。可根据项目需求编写提示词,实际生成效果取决于素材和模型设置。

使用 HappyHorse 可以制作什么

适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

使用 HappyHorse 可以制作什么

适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

HappyHorse 是阿里巴巴的多模态 AI 视频模型,采用原生多模态架构,支持文生视频、图生视频、多图参考和视频编辑,并可生成带音频的视频。页面介绍了 720p 和 1080p 输出,以及广告、电商、短剧和社交媒体创意等内容场景。实际可用选项以所选模型和页面显示为准。 品牌广告,短剧制作,电商产品视频,社交媒体创意,原位视频编辑 先写清一个主体、一组动作和镜头运动,再根据实际结果调整。生成的动作不保证每次完全一致。

描述镜头

提示词技巧:描述主体、动作、镜头语言和音频氛围。编辑视频时,明确说明要替换和保留的内容,并指出参考视频中的动作;使用多图参考时,可用 Image 1 / Image 2 等标签对应具体元素。

提示词技巧:描述主体、动作、镜头语言和音频氛围。编辑视频时,明确说明要替换和保留的内容,并指出参考视频中的动作;使用多图参考时,可用 Image 1 / Image 2 等标签对应具体元素。 先写清一个主体、一组动作和镜头运动,再根据实际结果调整。生成的动作不保证每次完全一致。

添加参考素材

生成模式: 文生视频 / 图生视频 / 视频生视频.

生成模式: 文生视频 / 图生视频 / 视频生视频. 参考图片: 5. 支持视频参考。 只使用有权处理的素材,说明每份参考素材的用途;参考并不保证所有细节完全一致。

生成并优化

视频时长: 5s / 8s / 10s. 分辨率: 720p / 1080p. 视频比例: 16:9 / 9:16 / 1:1.

视频时长: 5s / 8s / 10s. 分辨率: 720p / 1080p. 视频比例: 16:9 / 9:16 / 1:1. 提交前查看当前生成模式实际开放的参数。 不同画质可能影响积分报价,生成前请确认页面显示的最终费用。

让每个镜头保持统一风格

品牌广告,短剧制作,电商产品视频,社交媒体创意,原位视频编辑

适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。 品牌广告,短剧制作,电商产品视频,社交媒体创意,原位视频编辑 根据投放渠道选择画幅,并检查上传图片的裁切位置。

让动作按提示词顺序准确发生

使用前完整观看成片,检查动作连续性、意外元素、节奏以及适用时的声音。

使用前完整观看成片,检查动作连续性、意外元素、节奏以及适用时的声音。 先写清一个主体、一组动作和镜头运动,再根据实际结果调整。生成的动作不保证每次完全一致。 提交前查看当前生成模式实际开放的参数。

案例与使用场景

使用 HappyHorse 可以制作什么

适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

01

查看示例提示词 1

品牌广告

适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

查看示例提示词

纸板和瓶盖搭成的微缩城市在夜晚亮起,小灯照亮缓缓驶过的纸板火车。

02

查看示例提示词 2

短剧制作

提示词技巧:描述主体、动作、镜头语言和音频氛围。编辑视频时,明确说明要替换和保留的内容,并指出参考视频中的动作;使用多图参考时,可用 Image 1 / Image 2 等标签对应具体元素。

查看示例提示词

少女从阳光照耀的草甸中走过,裙摆和发丝随风飘动,镜头平稳跟拍,并配以柔和的环境音。

03

查看示例提示词 3

电商产品视频

品牌广告,短剧制作,电商产品视频,社交媒体创意,原位视频编辑

查看示例提示词

将视频中的少年替换为海绵宝宝,让他踩着滑板完成 kickflip;采用写实三维渲染,并保留原有镜头跟拍。

HappyHorse Showcase

12 Real-world Cases

See HappyHorse in action across all four scenes: text, image, multi-image reference, and video editing.

3 Text-to-Video Cases

Generate video from pure text prompts with native audio

Text
1080p

“A Pixar-style short about a nervous little traffic cone who dreams of being a finish line pylon at a major race. Other cones mock its ambitions. A construction worker accidentally places it at a marathon finish line. The cone's painted face shifts from terror to joy as runners pass. Confetti falls on its cone head. Other cones watch on TV, inspired. Audio: Traffic sounds becoming crowd cheers, inspirational swelling music.”

Duration: 5s

Text
1080p

“8mm vintage film style, grainy texture, slight light leaks. A group of friends laughing and running on a beach in the 1970s. Sun-drenched colors, nostalgic atmosphere, handheld camera shaking slightly. Authentic retro look.”

Duration: 5s

Text
1080p

“First-person POV (GoPro style), a high-speed mountain bike descent through a narrow, rocky forest trail. The camera vibrates with the bumps, trees rushing past in a blur. Intense sunlight filtering through the canopy. Adrenaline-pumping action, immersive sound of tires on gravel.”

Duration: 5s

3 Image-to-Video Cases

Animate still images into motion with synchronized sound

Image
1080p
1 Image

“Tracking shot as the girl walks gracefully through the meadow. Her dress and hair flutter in the wind, and clouds drift slowly. Cinematic audio of soft footsteps on grass, rustling summer wind, and melodic bird calls.”

Duration: 5s

Image
1080p
1 Image

“First-person POV. The camera glides smoothly and continuously forward deep into the sci-fi corridor. Glowing neon lights pass by rapidly on both sides. Tiny glowing dust particles float in the illuminated air. Steady tracking shot, immersive atmosphere.”

Duration: 5s

Image
1080p
1 Image

“Time-lapse effect. The thick morning mist rolls and flows fluidly through the pine trees like a slow-moving river. The bright volumetric light rays shift their angle dynamically as the sun rises. Cinematic slow zoom in.”

Duration: 5s

3 Multi-Image Reference Cases

Combine up to 5 reference images into a coherent scene

Reference
1080p
ref 1
ref 2

“The girl from Image 1 is jogging lightly through a sunlit forest. The glowing forest spirit from Image 2 playfully flies closely behind her like a small comet, leaving a faint luminous trail in the air. Golden light filters through the dense trees. Cinematic audio of soft, quick footsteps on grass, a gentle magical whoosh, and distant bird calls.”

Duration: 5s

Reference
1080p
ref 1
ref 2

“Place the cotton doll from Image 1 into the vintage room from Image 2. The doll sits on the wooden workbench, gently swinging its legs, looking around curiously. Keep the lighting of Image 2 and the plush texture of Image 1 strictly consistent.”

Duration: 5s

Reference
1080p
ref 1
ref 2

“The idol from Image 1 stands on the water stage from Image 2, directly in front of the giant glowing moon. The idol steps forward slowly, creating gentle ripples in the water, and raises the microphone to sing. The soft blue light from the moon reflects perfectly on the idol's outfit.”

Duration: 5s

3 Video Edit Cases

Replace subjects, styles, or elements while keeping camera motion

Video Edit
1080p
Source Video

“Replace the teenage boy in the video with SpongeBob SquarePants. He should retain his classic iconic look: a yellow rectangular sea sponge with large blue eyes, wearing a white collared shirt, red tie, and brown square pants. SpongeBob should be riding the skateboard naturally and performing the kickflip. Render him in a high-quality 3D realistic style to match the lighting and shadows of the real-world park background. Keep the original camera tracking and motion exactly the same.”

Video Edit
1080p
ref 1
Source Video

“Replace the grey hoodie and pants with the floral silk skirt from the reference image. The skirt should flow and sway naturally with the woman's walking and spinning motion. Keep her face, hair, and the living room background exactly the same.”

Video Edit
1080p
Source Video

“Transform the entire video into a vibrant Lego world. The person, the desk, and every object in the room should be constructed from high-quality plastic Lego bricks. Keep the original waving motion and spatial layout perfectly. The lighting should be bright and clean, like a professional Lego toy commercial.”

FAQ

HappyHorse 常见问题

HappyHorse FAQ

HappyHorse 是阿里巴巴的多模态视频模型,支持音视频协同生成,以及文生视频、图生视频、多图参考和视频编辑。页面介绍了广告、电商、短剧和社交媒体创意等使用场景。实际效果和可用选项取决于所选模型、素材与设置。

页面介绍了 720p 和 1080p 输出。实际可选分辨率和视频时长请以所选模型及生成界面显示为准;视频编辑的时长受源视频限制。

页面介绍了参考图和视频编辑场景最多可使用 5 张参考图。可在提示词中用 Image 1、Image 2 等标签说明各图片对应的元素。实际可用数量以生成界面为准。

上传源视频并描述希望修改的内容,可尝试替换主体、服装或画面风格。对原有镜头运动、节奏和构图的保留程度可能因素材和提示词而异。此功能可用于本地化改编、创意变化和视觉方向探索。

使用前需要登录,生成会检查账户积分余额并按页面显示的费用扣除积分。费用可能因生成时长和分辨率而异;页面列出的价格为 720p 每秒 31 积分、1080p 每秒 51 积分。请以生成界面显示的模型、设置和积分费用为准。

需要先登录才能开始生成。请查看所选模型、页面显示的积分费用和账户积分余额。

生成模式: 文生视频 / 图生视频 / 视频生视频. 适合场景:广告营销、电商展示、短剧制作、社媒创意,以及在保留原始运动的前提下替换元素的原位编辑。

提示词技巧:描述主体、动作、镜头语言和音频氛围。编辑视频时,明确说明要替换和保留的内容,并指出参考视频中的动作;使用多图参考时,可用 Image 1 / Image 2 等标签对应具体元素。 先写清一个主体、一组动作和镜头运动,再根据实际结果调整。生成的动作不保证每次完全一致。

视频时长: 5s / 8s / 10s. 提交前查看当前生成模式实际开放的参数。

分辨率: 720p / 1080p. 提交前查看当前生成模式实际开放的参数。 不同画质可能影响积分报价,生成前请确认页面显示的最终费用。

视频比例: 16:9 / 9:16 / 1:1. 提交前查看当前生成模式实际开放的参数。 根据投放渠道选择画幅,并检查上传图片的裁切位置。

生成模式: 文生视频 / 图生视频 / 视频生视频. 参考图片: 5. 支持视频参考。 只使用有权处理的素材,说明每份参考素材的用途;参考并不保证所有细节完全一致。 使用前完整观看成片,检查动作连续性、意外元素、节奏以及适用时的声音。

电商产品视频方案创作思路:围绕同一份产品 brief,尝试用四种方式制作产品视频;多图参考可用于为画面中的不同元素提供素材。
短剧片段方案创作思路:尝试用一次生成同时制作画面和声音,探索短剧片段的音视频效果。
社交媒体创意方案创作思路:通过视频编辑尝试不同的视觉方向,探索如何在不重新拍摄的情况下改动现有素材。
广告创意方案创作思路:尝试用同一模型处理文生视频、图生视频、多图参考和视频编辑需求,为团队创作流程提供不同选择。
HappyHorse 创作场景示例

HappyHorse 创作场景示例

浏览创作示例
电商产品视频方案创作思路:围绕同一份产品 brief,尝试用四种方式制作产品视频;多图参考可用于为画面中的不同元素提供素材。
短剧片段方案创作思路:尝试用一次生成同时制作画面和声音,探索短剧片段的音视频效果。
社交媒体创意方案创作思路:通过视频编辑尝试不同的视觉方向,探索如何在不重新拍摄的情况下改动现有素材。
广告创意方案创作思路:尝试用同一模型处理文生视频、图生视频、多图参考和视频编辑需求,为团队创作流程提供不同选择。

探索更多AI视频模型

Veo 3.1 Quality

Veo 3.1 Quality

新品

Veo 3.1 在支持的情况下提供 Lite、Fast 和 Quality 变体。可在支持的模式中选择文生视频、图生视频或视频转视频;参考图生成视频最多支持 3 张图片,且需使用 Fast 和 16:9。可用画幅为 Auto、16:9 和 9:16。界面不提供时长或分辨率选择。生成前请查看所需积分。

立即体验
Wan 2.6

Wan 2.6

新品

Wan 2.6 支持文生视频、图生视频和视频转视频,可选择 5 秒、10 秒或 15 秒时长,以及 720p 或 1080p 分辨率,并支持多镜头创作。

立即体验
Sora 2

Sora 2

Sora 系列的标准版本。在保持 OpenAI 优秀的语义理解能力的同时,优化了生成速度与成本。非常适合快速验证分镜脚本、社交媒体短视频制作及通用创意生成。

立即体验
Vidu Q4

Vidu Q4

新品

可让一张首帧图片动起来,也可使用最多 15 张参考图片。支持 540p 至 4K;单图动画时长为 3–16 秒,参考图模式为 1–16 秒,并可选择生成同步音频。参考音频需为 MP3,时长 3–12 秒。

立即体验
Kling 4.0

Kling 4.0

新品

用文字、首尾帧或参考素材制作 3–30 秒视频。选择 720p 或 1080p,检查动作、声音和积分,再把满意的片段用于剪辑。

立即体验
Kling 2.6

Kling 2.6

以惊人的动作一致性和物理规律捕捉著称。Kling 2.6 擅长生成大幅度的人物动作、复杂的物体交互以及电影级的运镜效果,画面细腻且连贯。

立即体验

开始使用 HappyHorse 创作

体验 HappyHorse——阿里巴巴的多模态视频模型。使用前请查看所选模型和页面显示的积分费用。
体验 HappyHorse
Nano Banana Pro
Nano Banana ProNano Banana Pro

Nano Banana Pro 是 AI 图像生成平台,提供多种先进模型,帮助你创作高质量图像。

电子邮件
常见问题作品展示更新日志API 接口漫画上色赛博朋克风格
العربيةDeutschEnglishEspañolFrançais繁體中文日本語한국어Bahasa MelayuTürkçeไทยTiếng ViệtPortuguês (Brasil)中文עבריתPolski
© 2026 Nano Banana Pro· 版权所有
隐私政策服务条款退款政策申请退款关于我们
首页NEW工具素材个人资料