当你从正确的生成器页面开始时，Happy Horse 1.1 会最容易上手。如果创意还只是一个提示词，请使用 text-to-video；如果你已经有一张很强的首帧图像，请使用 image-to-video；如果角色、产品或风格的一致性比纯粹的提示词自由度更重要，请使用 reference-to-video。
本指南中的截图拍摄于 2026 年 6 月 24 日，来源于已完成公开页面加载的实时 TryHappyHorseAI 生成器。如果你想先了解更全面的版本发布概览，请阅读Happy Horse 1.1 已上线：有哪些变化以及如何使用。如果你想在选择专用页面之前先比较所有创作模式，也可以从 Happy Horse AI 视频生成器中心页开始。本文是实操补充：该打开哪个页面、该调整哪些设置、该如何写提示词，以及该研究哪些示例。
快速工作流地图
Happy Horse 1.1 的三个创作页面之所以分开，是有原因的。它们都能生成视频，但每个页面都对应不同的起始素材。
| 页面 | 起始内容 | 最适合 | 打开页面 |
|---|---|---|---|
| Text to Video | 一段书面场景描述 | 概念短片、电影感测试、社交媒体创意、广告变体 | 文本生成视频 |
| Image to Video | 一张首帧图像 | 产品动效、人物肖像、海报、视觉循环 | 图片生成视频 |
| Reference to Video | 最多 9 张参考图 | 角色身份、服装、产品细节、重复性活动风格 | 参考图生成视频 |
需要避免的错误，是用更长的提示词去弥补模式选错的问题。如果你已经有准确的产品照片，image-to-video 通常会胜过 text-to-video。如果你需要在新场景中保留同一个人或同一套服装，reference-to-video 通常会胜过前两者。
1. Text to Video：从零构建场景
当场景仍有调整空间时，使用 Text to Video。这是探索创意最快的模式，因为提示词承载了整个镜头：主体、动作、镜头运动、环境、光线、氛围和音频方向。
这个页面中最重要的控制项包括：
| 控制项 | 实际用途 |
|---|---|
| Model | 新的 T2V 工作请选择 Happy Horse 1.1。 |
| Prompt | 描述可见场景、镜头运动、氛围和音频。 |
| Resolution | 使用 720p 进行更快迭代，使用 1080p 获得更强的最终渲染效果。 |
| Aspect ratio | 生成前先选好目标格式：16:9、9:16、1:1、4:3、3:4、4:5、5:4、9:21 或 21:9。 |
| Duration | 选择 3 到 15 秒的短视频时长。 |
| Seed | 如果你希望变体路径更具可重复性，请复用同一个种子。 |
| Generate audio | 如果场景适合对白、环境音或动作音效，请保持开启。 |
最清晰的 text-to-video 提示词公式是：
主体 + 动作 + 环境 + 镜头运动 + 光线 + 氛围 + 音频提示 + 格式
示例：
一位专业芭蕾舞者在昏暗的舞台上完成一个有力的大跳，双臂伸展，舞裙在慢动作中飘动。镜头从低位侧面角度跟拍，温暖的聚光灯在地面投下长长的阴影，电影感舞台灯光，细微的布料动态，10 秒，16:9。
当前精选的 T2V 示例很有参考价值，因为它们展示了不同类型的控制方式：多人对话、打斗编排、一镜到底式运动、体育动作以及芭蕾。当你研究这些示例时，少关注题材本身，多关注结构：更强的示例会描述清楚场景里是谁、镜头如何移动、时间推进中发生了什么变化，以及音频应该如何表现。
值得研究的 text-to-video 示例
芭蕾示例是一个很干净的“提示词优先”案例，因为提示词给出了单一主体、舞台环境、镜头风格和明确的动作语言。
多人互动示例适合用于研究对话式提示词。注意它是如何把场景、主体、动作和音频节拍拆开描述的，而不是把整段视频当作一条笼统指令来处理。
2. Image to Video：让首帧动起来
当你已经有了想要的视觉画面时，使用 Image to Video。上传的图像本身已经完成了大量工作，因此提示词应该引导运动，而不是重新定义镜头。
如果源图像已经具备以下特点，image-to-video 的效果会最好：
- 单一且清晰的主体
- 干净明确的光线方向
- 前景与背景层次清楚
- 符合最终视频需求的构图裁切
- 足够多的细节，便于模型保留身份特征或产品形态
实用的提示词公式是：
保留上传图像 + 添加合理运动 + 添加镜头运动 + 保护关键细节
产品图像示例：
让首帧中的香水瓶动起来，加入缓慢而富有电影感的推进镜头，瓶底周围漂浮柔和的琥珀色雾气，玻璃表面有细微的光线扫过，真实反射，保留瓶身形状、标签、颜色和桌面构图。
肖像示例：
让这张肖像产生细微眨眼、自然呼吸、轻柔发丝摆动，并加入缓慢的镜头漂移。保留面部、服装、背景构图和原始光线。
在这个模式下，请在上传前先完成裁切。如果你想做竖屏短视频，就准备竖屏首帧；如果你想做宽屏落地页循环视频，就准备宽屏首帧。image-to-video 并不适合让模型去彻底重构一个已经完成的构图。
当前精选的 I2V 示例适合参考不同类型的源图任务：教室动作场景、细节丰富的手工画面、香水产品镜头，以及古代酒馆风格场景。它们的模式很一致：先有强源图，再加克制的运动。
值得研究的 image-to-video 示例
香水示例是最容易复用到商业项目中的 I2V 模式：保留产品，加入氛围，再通过镜头和光线运动营造高级感。
教室打斗示例属于更难的 I2V 场景。它的参考价值在于，提示词把细节预算用在了因果动作、环境互动和镜头同步上。
如需更深入了解这个工作流，请阅读Happy Horse AI 图片生成视频：完整指南与示例。
3. Reference to Video：保留身份与风格
当仅靠提示词还不够时，使用 Reference to Video。这个模式允许你上传多张参考图，并描述它们应如何控制生成的视频。
在这个工作流中，Happy Horse 1.1 最多支持 9 张参考图。关键不只是上传图片，更在于在提示词中清楚地命名它们的角色。
请使用以下结构：
Use character1 for [身份/面部/服装].
Use character2 for [第二个人物或生物].
Use image3 for [地点/产品/风格].
Describe the action, camera, lighting, and audio.
示例：
Use character1 as the swordsman, preserving his face, black robe, and silver hair. Use character2 as the dragon princess, preserving her crown and scale-like shoulder armor. They face each other in a rainy palace courtyard, slow circular camera movement, dramatic lantern light, restrained martial arts motion, cinematic fantasy realism, 16:9.
reference-to-video 最适合以下场景：
- 跨场景保持角色一致性
- 多角色叙事
- 必须保持物品可辨识度的产品视频
- 需要稳定服装和面部细节的网红或主播概念
- 需要重复统一视觉语言的广告活动
当前精选的 R2V 示例覆盖范围很合适：武侠场景、奇幻角色配对、表情变化、直播带货展示以及以物体为核心的提示词。当你研究这些示例时，请特别注意文本如何分配参考图角色。像“use these images”这样模糊的提示词，通常不如“use character1 for identity, image2 for outfit, and image3 for product shape”这样明确的写法有效。
值得研究的 reference-to-video 示例
武侠示例是一个直接的角色映射案例：image1 和 image2 被视为两位对战者，而提示词定义了共享场景和动作。
直播带货示例展示了为什么 R2V 的用途不止于奇幻或动作题材。提示词将参考图映射到主播、服装、产品和居家场景，然后再给出按时间推进的台词节奏。
三个页面都重要的设置
大多数生成失败并不是因为提示词里某个形容词写得不好，而是因为创作意图与设置不匹配。
| 设置项 | 正确用法 |
|---|---|
| Duration | 测试时先从 5 秒开始。需要时间铺陈动作时用 8–10 秒。不要在 3 秒里安排过多动作节拍。 |
| Resolution | 先用 720p 迭代；当概念值得打磨时再切到 1080p。 |
| Aspect ratio | 对于 text-to-video 和 reference-to-video，请在生成前就设置最终发布平台比例。对于 image-to-video，请按你想要的裁切准备首帧。 |
| Seed | 只有在你已经找到值得深入探索的提示词方向后再使用。它更适合做受控变体，而不是拯救一个弱提示词。 |
| Audio | 当对白、环境音、音乐或动作音效是场景组成部分时，请开启音频。如果你需要无声的视觉循环，请在提示词中明确写出。 |
| Reference images | 与其一口气上传 9 张，不如先用更少但更清晰的参考图。每一张参考图都应承担明确任务。 |
如果你正在从零开始写提示词，建议同时打开 50 个真正有效的 Happy Horse AI 提示词 作为参考。那里的示例属于较早的 1.0 模式，但提示词结构依然可以很好地迁移到 1.1。
可复用的提示词模板
text-to-video 模板
[主体]正在[动作]，场景位于[环境]中。镜头[运动方式]，配合[光线]和[氛围]。加入[audio cue]。保持[风格约束]。格式：[宽高比]，[时长]。
image-to-video 模板
让上传的图像产生[小幅运动]、[镜头运动]和[环境细节]。保留[身份/产品形态/构图/光线]。避免改变[受保护细节]。
reference-to-video 模板
Use character1 as [role] and preserve [identity details]. Use image2 as [style/location/product reference]. Create [scene action] with [camera movement], [lighting], and [audio/mood]. Keep all key references consistent.
常见错误
错误 1：让 text-to-video 负责固定身份。
如果身份必须稳定，请改用 reference-to-video。
错误 2：上传质量较弱的首帧。
image-to-video 无法稳定修复糟糕的光线、杂乱的构图或不清晰的主体身份。
错误 3：因为能用就把所有参考图都上传。
虽然最多支持九张参考图，但三张清晰的参考图往往比九张重复参考图更有效。
错误 4：忘记目标格式。
TikTok 风格的竖屏视频和 YouTube 风格的宽屏片段，不应该从同一个比例开始。
错误 5：在短时长里塞入过多内容。
不要在 5 秒视频里要求五次镜头移动、三种情绪和一整段动作戏。选出那个最重要的瞬间即可。
推荐起步方案
| 目标 | 页面 | 起始设置 | 提示词方向 |
|---|---|---|---|
| 快速概念场景 | Text to Video | 720p、5 秒、目标比例 | 清晰主体、一个动作、一个镜头运动 |
| 社交广告产品循环 | Image to Video | 产品图、最终使用 1080p | 保留产品，加入雾气/扫光/缓慢推进 |
| 角色剧情节点 | Reference to Video | 2–4 张参考图、5–8 秒 | 映射 character1、character2、地点/风格 |
| 对话或环境音测试 | Text 或 Reference | 开启音频、5–8 秒 | 直接写出口播台词或声音底氛 |
| 活动视觉一致性 | Reference to Video | 各次尝试使用同一组参考图 | 固定参考图角色，只变化场景动作 |
FAQ
Happy Horse 1.1 最适合从哪种模式开始？
如果你只有一个想法，就从 text-to-video 开始；如果你已经有一张完成的静态图像，就用 image-to-video；如果身份、产品形态、服装或风格一致性很重要，就用 reference-to-video。
Happy Horse 1.1 支持 image-to-video 吗？
支持。Happy Horse 1.1 在专用的 Image to Video 页面提供 image-to-video。上传一张首帧，然后用运动提示词描述镜头运动和场景动态。
我最多可以使用多少张参考图？
Happy Horse 1.1 的 reference-to-video 工作流最多支持 9 张参考图。请在提示词中使用清晰的角色标签，例如 character1、character2 或 image3，让模型知道每张参考图控制什么内容。
我应该使用 720p 还是 1080p？
使用 720p 进行更快的提示词测试，在你准备打磨一个强方向时再用 1080p。分辨率无法修复弱提示词，因此在投入更高最终画质之前，先迭代场景结构。
Happy Horse 1.1 会取代视频编辑吗？
目前还不能覆盖所有工作流。Happy Horse 1.1 目前是 text-to-video、image-to-video 和 reference-to-video 的默认方案。如果你需要编辑现有视频，请继续使用当前的视频编辑工作流，直到 1.1 的编辑支持进入公开生成器流程。
试用这三个 Happy Horse 1.1 页面
最简单的下一步，就是打开与你起始素材相匹配的页面：
如果你还在了解模型本身到底改变了什么，请先阅读 Happy Horse 1.1 发布指南，然后再回到这里，并排测试这三种工作流。