Meta Superintelligence Labs 發布 Muse Image 與 Muse Video 模型，將 Agentic 工具呼叫能力引入媒體生成領域

Meta Superintelligence Labs 發布 Muse Image 與 Muse Video 模型，將 Agentic 工具呼叫能力引入媒體生成領域。 核心模型與應用 Meta 推出首批由 Meta Superintelligence Labs 開發的媒體生成模型「Muse Image」與「Muse Video」。Muse Image 作為目前 Meta 最先進的影像生成模型，具備精準指令遵循、局部編輯、多重參考影像合成，以及結合 Instagram 社交脈絡的生成能力。目前使用者可透過 Meta AI 網頁與應用程式、Instagram Stories（美國地區）及 WhatsApp（特定國家）體驗 Muse Image，Facebook 整合功能也即將推出。 Agentic 媒體生成技術 Muse Image 的核心創新在於其 Agentic 架構，它不再僅是單純的 Prompt 到影像映射，而是具備以下特性： 工具呼叫：模型能主動呼叫搜尋與程式撰寫工具，以提升生成內容的真實性與準確度，例如透過程式碼繪製圖表或 QR Code。 整合 Muse Spark：兩者可共同規劃並分享工具，實現包含動畫 GIF、嵌入式網頁及互動式視覺遊戲的複雜生成任務。 自我修正（Self-Refinement）：模型在思考鏈（Chain of Thought）中會自動檢視生成結果，若發現細節錯誤，會局部編輯或重新生成，此行為是在強化學習（RL）訓練中自然湧現的特徵。 Test-Time Compute 擴展：模型在推論階段的思考時間越長，會做更多次工具呼叫與自我修正，生成品質與人類偏好 Elo 分數呈現對數線性關係。 影像編輯與基準測試 Muse Image 支援精確的局部編輯與多重參考影像合成，使用者可將人物、物件、服裝、風格與環境等元素混合。根據 Meta 提供的數據，Muse Image 在 Arena 的文字轉影像、單圖編輯及多圖編輯項目中，均位居人類偏好 Elo 排名的第二名。 Muse Video 與內容驗證 Muse Video 目前處於預覽階段，基於與 Muse Image 相同的預訓練基礎，具備原生音訊支援與高視覺保真度。此外，Meta 導入了「Content Seal」隱形浮水印系統，確保影像即使經過裁切、壓縮或螢幕截圖，仍能保留 AI 生成的來源標記。目前 Meta 正預覽檢測工具，讓使用者能辨識影像是否含有 Content Seal 標記。 視覺觀察 在展示影片中，Muse Image 與 Muse Video 呈現了包括太空人、人物肖像、城市景觀及動物等多樣化視覺內容。影片中亦出現一段模擬 1970 年代 Facebook 社交網路系統的終端機文字介面，展示了系統登入與動態更新的模擬情境。 這段影片展示了 Muse Image 與 Muse Video 模型的生成能力，呈現多樣化的影像與影片創作成果。原文：https://easyvibecoding.app/curated/2382-meta-superintelligence-labs-releases-muse-image-video-models