Infográfico das capacidades de geração de vídeo a partir de texto do HappyHorse 1.0

Apresenta de forma intuitiva, por meio de um plano de narração, a capacidade de geração de vídeo a partir de texto do HappyHorse 1.0: em uma única geração, produz em conjunto o vídeo e o áudio nativo sincronizado, suporta até 1080p e múltiplas proporções de tela, e a sincronização labial cobre vários idiomas. O enquadramento é definido como um apresentador falando de frente para a câmera, com camadas informativas leves, destacando o realismo facial do falante e as camadas de som ambiente, para que os desenvolvedores entendam os cenários de aplicação do modelo em narrações faladas, curtas de diálogo e materiais em várias versões para plataformas sociais. A interface do autor expõe apenas parâmetros como prompt, duração, resolução, proporção de tela e seed; esta obra demonstra a entrada mínima utilizável com a configuração de 5 segundos, 1080p e 16:9.