HappyHorse 1.1: quando usar texto, foto ou 7 referências

O HappyHorse 1.1 é o modelo versátil do estúdio: gera vídeo a partir de texto, de uma foto como primeiro quadro ou de até 7 imagens de referência, em 720p ou 1080p, sempre com som. Um vídeo de 5 segundos custa 32 créditos em 720p e 42 em 1080p, e ficou pronto em cerca de 1,5 a 2 minutos nos nossos testes.

O que é o HappyHorse 1.1

No cartão do estúdio, o resumo é: "Gera a partir de texto, de uma foto ou de várias imagens de referência, com som, em até 1080p." Ele aceita os três jeitos de começar um vídeo:

• Texto: você descreve a cena em Descreva a cena.
• Foto: em Imagens (opcional), escolha Primeiro quadro. O vídeo começa na sua imagem.
• Referências: em Imagens (opcional), escolha Personagens e referências e envie até 7 imagens de personagens, objetos ou cenário. O modelo coloca esses elementos na cena.

No mesmo pedido, é foto de primeiro quadro ou referências, não as duas coisas juntas.

O estúdio também tem o HappyHorse 1.0, a versão anterior, que entra pelo catálogo automático. Os números deste post são do HappyHorse 1.1.

O que ele aceita

Dois detalhes para não ser pego de surpresa:

• Sempre com som. O vídeo sai com áudio mesmo com a opção Áudio gerado desmarcada.
• Mínimo de 5 segundos. Na nossa sonda de 17/out/2026, um pedido de 3 segundos foi cobrado como 5.

Quanto custa e quanto demora

Preços do estúdio em 17/out/2026. O custo exato aparece antes de clicar em Gerar vídeo, já calculado com a duração, a resolução e as imagens escolhidas.

Em 1080p, o custo fica perto de 8,3 créditos por segundo. A diferença entre 720p e 1080p, em 5 segundos, é de 10 créditos.

O tempo medido foi de cerca de 1,5 a 2 minutos por vídeo. Ele depende da fila do momento; você pode fechar a página, porque avisamos por e-mail quando o vídeo fica pronto. Se a geração falhar, os créditos voltam para o saldo automaticamente.

Um exemplo testado: sete referências na mesma cena

Em 17/out/2026, testamos o HappyHorse 1.1 com 2 e com 7 imagens de referência. Na rodada com 7, as imagens eram: um gato laranja de cachecol, um robô branco, um rapaz de óculos, um astronauta, uma moto, uma passista e uma mulher. Todos os elementos apareceram no vídeo.

Quando há muitas referências, o texto precisa dizer quem é quem e o que cada um faz. Um pedido nesse formato:

Festa numa praça à noite, com luzes penduradas. O gato laranja de cachecol da imagem 1 está sentado no banco da moto da imagem 5. O robô branco da imagem 2 dança ao lado da passista da imagem 6. O rapaz de óculos da imagem 3 e a mulher da imagem 7 conversam rindo, e o astronauta da imagem 4 acena para a câmera. Som de música e conversa ao fundo. Câmera passa devagar pela cena da esquerda para a direita.

Sete elementos é bastante para poucos segundos. Para um resultado mais limpo no uso real, comece com 2 ou 3 referências e aumente quando a cena pedir.

Quando escolher o HappyHorse 1.1

• Personagem seu em cenas novas. Envie a ficha do personagem como referência e descreva a cena. Veja como criar personagem para vídeo com IA.
• Vários elementos na mesma cena. Personagem, produto e cenário, cada um numa imagem.
• Animar uma foto com som. Com a foto como primeiro quadro, o vídeo começa nela e já sai com áudio.
• Vídeo com som em 1080p sem esperar muito. Cerca de 1,5 a 2 minutos no nosso teste.
• Quando você não sabe ainda por onde começar. Como ele aceita texto, foto e referências, dá para testar as três abordagens no mesmo modelo.

Quando escolher outro modelo

• Você quer o vídeo sem som. O HappyHorse 1.1 sempre gera áudio. O Runway Gen-4.5 sai mudo.
• Você quer terminar numa imagem escolhida. Ele não tem Imagem final. O Wan 3.0 Prime, o FLUX 3 Video e o MiniMax H3 aceitam primeiro e último quadro.
• Você precisa de mais de 7 referências. O Wan 3.0 aceita até 10, e o Seedance 2.5, até 30.
• Você precisa de mais de 1080p. O MiniMax H3 gera em 2K, e o FLUX 3 Video vai até 4K.
• Você precisa de mais de 15 segundos. O Wan 3.0 e o Wan 3.0 Prime vão até 30 s.

Como escrever o pedido

• Com referências, numere. "O gato da imagem 1", "a moto da imagem 5". Isso evita que o modelo troque os elementos de lugar.
• Dê uma ação para cada personagem. Dizer o que cada um faz ajuda o modelo a montar a cena e a posicionar os elementos.
• Descreva o som. Como o vídeo sempre sai com áudio, diga o que deve tocar: música, vento, ondas, conversa.
• Com foto de primeiro quadro, descreva só o que muda. A foto já mostra a cena; o texto conta o movimento.
• Use imagens limpas. Referência com fundo simples e o elemento bem visível ajuda o modelo a entender o que copiar. JPG, PNG ou WEBP, até 10 MB cada, com pelo menos 300 px de lado.
• Escreva em português. O pedido em português funciona. Mais técnica em como escrever prompt de vídeo com IA.

Comparação honesta: HappyHorse 1.1, MiniMax H3 e HeyGen Video 1

Os três aceitam até 7 imagens de referência e foram testados com 7 imagens em 17/out/2026, com todos os elementos aparecendo no vídeo. As diferenças medidas:

No HeyGen Video 1, a tarifa sobe quando entram referências: 480p e 5 s passam de 7 para 29 créditos com 2 imagens. Em todos os modelos, o valor com as suas imagens aparece antes de gerar.

O que a tabela não diz: qual deles vai dar a imagem que combina com a sua cena. Isso só se descobre gerando o mesmo pedido em dois deles. Para manter o mesmo personagem em vários vídeos, leia personagem consistente em várias cenas. Para começar, crie uma conta: o plano Free dá 20 créditos por mês e, na primeira compra, 100 créditos por R$ 9,90, sem cartão, em qualquer modelo.

Perguntas frequentes

Quantas imagens de referência o HappyHorse 1.1 aceita?

Até 7. Em 17/out/2026, testamos com 7 imagens diferentes (gato, robô, rapaz, astronauta, moto, passista e mulher) e todos os elementos apareceram no vídeo.

O HappyHorse 1.1 gera vídeo sem som?

Não. Ele sempre gera com áudio, mesmo com a opção desmarcada. Se precisar do vídeo mudo, tire o som no seu editor.

Quanto custa um vídeo no HappyHorse 1.1?

Em 17/out/2026, 32 créditos por 5 segundos em 720p e 42 em 1080p; 15 segundos em 1080p custam 124. O mínimo cobrado é de 5 segundos. O valor exato aparece antes de gerar, e se a geração falhar os créditos voltam.