每次生成最多 9 张参考图像
HappyHorse 接受 1 到 9 张参考图像——这是当前 AI 视频模型中最高的数量。每张参考图绑定到一个单独的角色标记，因此单次生成中包含 9 个不同人物的群组场景是可能的。
HappyHorse 多参考图视频
多参考图生成让你提供多张源图像——每个角色一张——以便 AI 模型在视频中保持每个人独特的外观。模型将每张参考图映射到提示词中的命名标记（如 [person1]、[person2]），将面部特征、身体比例和服装绑定到该标记。这与只能保持一个身份的单参考图模型根本不同，后者迫使多人场景中的次要角色只能被随机生成。
功能亮点
提示词中的角色标记绑定
参考图像被分配给 [person1] 到 [person9] 等标记。在提示词中使用这些标记来独立定位和指导每个角色："[person1] 将咖啡杯递给 [person3]，同时 [person2] 在背景中挥手。"
跨角色交互
因为所有参考图在同一生成过程中加载，角色可以自然交互——握手、对话、传递物品。单参考图模型需要合成单独的片段才能实现这一点。
全程一致的身份保持
面部特征、肤色、发型和服装从第 1 帧到片段结尾保持稳定。即使镜头角度变化或部分遮挡，也不会出现中途身份漂移。
混合参考类型
参考图可以是头像照、全身照或风格化插画。HappyHorse 无论源图像格式如何都能提取身份特征，不过正面拍摄、表情中性的照片产生最准确的结果。
快速上手
如何使用
1
打开 PonPon 视频并选择 HappyHorse
前往 PonPon Video，从模型下拉菜单中选择 HappyHorse。
2
上传参考图像
点击参考图像上传区域并添加 1 到 9 张图像。每张图像应清楚展示一个人的面部——正面、光线充足、遮挡最少。标注或记录顺序（person1、person2 等）。
3
使用角色标记编写提示词
使用标记引用每张上传的图像：[person1]、[person2] 等。用每个角色的具体动作描述场景：*"[person1] 坐在桌前打字，[person2] 站在身后指着屏幕。[person3] 拿着文件夹从门口进来。"*
4
设置时长和宽高比
选择片段长度和宽高比。对于多角色场景，16:9 宽屏为角色定位提供更多空间。较长的时长（8-10 秒）允许更复杂的交互。
5
生成并检查身份一致性
点击 生成 并检查每个角色在整个片段中是否与其参考图匹配。如果某个角色出现漂移，尝试使用光线更好或更正面角度的更清晰参考照片。
为创作者而生
无论你是独立创作者、设计团队还是品牌方，每个模型都能适应你的工作方式。
复制使用
提示词模板
双人对话
[person1] and [person2] sit across from each other at a coffee shop table. [person1] gestures while speaking, [person2] nods and smiles. Warm afternoon light through the window. Shallow depth of field. 16:9, 8 seconds.
模型：HappyHorse · 参考图：2 张 · 时长：8秒 · 画幅：16:9
团队介绍
[person1], [person2], [person3], and [person4] stand in a row in a modern office lobby. Each waves at the camera in sequence from left to right. Clean white background, professional attire. 16:9, 10 seconds.
模型：HappyHorse · 参考图：4 张 · 时长：10秒 · 画幅：16:9
家庭晚餐场景
[person1] sits at the head of a dining table, [person2] and [person3] on either side, [person4] at the far end. [person1] raises a glass for a toast, others follow. Warm candlelight, rustic wooden table. 16:9, 10 seconds.
模型：HappyHorse · 参考图：4 张 · 时长：10秒 · 画幅：16:9
产品交接演示
[person1] in a lab coat hands a product box to [person2] in business casual. [person2] inspects the box and nods approvingly. Clean studio background, soft key light. 16:9, 6 seconds.
模型：HappyHorse · 参考图：2 张 · 时长：6秒 · 画幅：16:9
适用人群
应用场景
多角色叙事视频
短片、网络剧和解释视频，带有固定的演员阵容。上传一次角色参考图，在各集中生成一致的场景——不同镜头之间无连续性错误。
团队和集体照动画
将公司团队照转化为动画介绍视频。为每个团队成员上传个人头像照，并生成他们互动的场景——挥手、握手或一起演示。
家庭和活动视频
为节日或庆祝活动生成个性化的家庭视频。上传家庭成员的照片，创建家庭晚餐、生日派对或公园散步的场景——每个人都可以被识别。
电商模特一致性
时尚和生活方式品牌可以在多个产品视频中保持同一模特的身份。上传模特的参考图，生成她在不同场景穿着不同服装的视频，无需重新预约拍摄。
对比
HappyHorse 多参考图 vs 其他模型
| HappyHorse（1-9 张参考图） | 其他模型 | |
|---|---|---|
| 最大参考图数量 | 每次生成 9 张图像——每张绑定到独立的角色标记 | Kling 3.0：1 张参考图。Veo 3.1：最多 3 个素材。Seedance 2.0：1-2 张参考图 |
| 多角色互动 | 所有角色在同一次生成中渲染——被引用人物之间自然互动 | 单参考图模型需要分别生成角色再合成 |
| 身份绑定方式 | 提示词中的命名标记（[person1]–[person9]）——每个角色的显式控制 | 大多数模型使用单一隐式参考——无法指导多个身份 |
| 群组场景质量 | 每个人保持其参考身份——角色之间无面部混合 | 只有 1 张参考图的模型经常将次要角色的特征与主要角色混合 |
| 适用场景 | 最适合多人叙事、团队视频、家庭内容 | 更适合单一主体内容：肖像、单人产品演示、独白 |
获得最佳效果
技巧与最佳实践
使用清晰、正面的参考照片
身份提取在光线充足、正面拍摄的头像或半身照上效果最好。侧面、墨镜或重阴影会降低匹配准确度。每张参考图只有一个人。
先从 2-3 张参考图开始，再扩大规模
更多的参考图增加了生成的复杂性。先用 2-3 个角色验证你的提示词结构，然后再添加更多。超过 5 个角色在单个场景中，定位控制变得更难精确。
明确指定角色位置
有多个角色时，模糊的空间描述会导致拥挤或歧义的构图。指定位置："[person1] 在左边，[person2] 在中间，[person3] 在右边。"
超过 6 张参考图效果递减
虽然 HappyHorse 支持最多 9 张参考图，但 7-9 个角色的场景每人可用的视觉空间较少。身份准确度保持高水平，但随着画面变得更拥挤，个体角色的细节会减少。
创作者社区
全球创作者的选择
加入数千名每天使用 PonPon 的创作者、设计团队和品牌方。
常见问题
问题与解答
HappyHorse 可以使用多少张参考图像？
HappyHorse 每次生成支持 1 到 9 张参考图像。每张图像绑定到一个角色标记（[person1] 到 [person9]），你在提示词中使用这些标记来独立控制每个角色。
HappyHorse 提示词中的角色标记如何工作？
当你上传参考图像时，每张图像被分配一个标记如 [person1]、[person2] 等。在提示词中使用这些标记引用特定角色："[person1] 与 [person2] 握手。"模型将每个标记映射到对应的参考面部和外观。
HappyHorse 与 Kling 3.0 在多角色场景中相比如何？
Kling 3.0 仅支持 1 张参考图像，使其适合单主体视频。HappyHorse 支持最多 9 张参考图，使其成为包含多个可识别角色场景的更好选择。
什么样的参考照片效果最好？
正面、光线充足、面部清晰可见的照片。头像照或半身照效果最好。避免戴墨镜、重阴影或包含多人的照片。参见最佳实践获取详细指导。
所有角色在整个片段中都保持一致吗？
是的。每个被引用的角色从头到尾保持其面部特征、肤色和发型。参考图中的服装也会保留，除非你在提示词中明确描述不同的服装。
我可以将多参考图与视频编辑结合使用吗？
可以。HappyHorse 还支持最多 5 张参考图像的视频编辑。你可以在现有片段中替换角色，同时保持原始运动和时间线。
HappyHorse 多参考图免费使用吗？
PonPon 的每日免费额度涵盖包括多参考图在内的 HappyHorse 生成。多参考图没有单独的附加费。查看定价了解订阅额度详情。
如果两张参考图像看起来非常相似会怎样？
如果两张参考图共享相似特征（如兄弟姐妹），模型偶尔可能会混淆它们。使用具有明显不同发型、面部形状或服装的参考图来帮助模型区分。在提示词中明确描述区分特征。