← 返回首页

Meta Muse Image и Muse Video: Объяснение агентной генерации медиа

Релиз Muse Image от Meta примечателен тем, что переосмысляет генерацию изображений как агентный рабочий процесс. Модель может использовать инструменты, улучшать собственные результаты, работать с несколькими источниками и подключаться к широкой социальной экосистеме Meta. Muse Video пока находится в предварительном доступе, но он указывает на то, что Meta переходит от статической генерации изображений к более широкому мультимодальному медийному стеку. Сочетание Muse Spark, Muse Image и Muse Video указывает на будущее, где контент, создаваемый ИИ, будет планироваться, проверяться, редактироваться и распространяться по различным продуктовым поверхностям. Для создателей, маркетологов и разработчиков ИИ ключевой урок ясен: генерация качественных медиа становится менее зависимой от одного запроса и больше — от системы вокруг модели. **Muse Image — это не просто очередной генератор изображений на основе ИИ; это попытка Meta превратить визуальное творчество в процесс, управляемый агентами.**

发布于 2026年7月9日•general•GEO 评分: 0•10 次阅读
Изображение Meta MuseВидео MuseЛаборатории Meta Superintelligenceагентная генерация изображенийMuse SparkГенератор изображений Meta AIгенерация видео с помощью ИИInstagram AIContent Sealредактирование изображений с помощью ИИмногореференсная генерация изображений

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
Изображение представляет рекламную графику Meta Muse Image и Muse Video. На темно-синем фоне слева расположена иконка изображения с синей рамкой, справа — иконка воспроизведения с синей рамкой. В центре крупным шрифтом написано «Meta Muse Image & Muse Video», ниже мелким шрифтом — «Agentic AI Image and Video Models Explained». Данное изображение находится перед контекстом, в котором представлены функции Meta Muse Image и Muse Video, и служит для введения в тему, подчеркивая названия обеих продуктов и их область применения.

Muse Image и Muse Video: Объяснение агентной генерации медиа

Meta MSL выпускает Muse Image и представляет Muse Video

После Muse Spark лаборатория Meta Superintelligence Labs представила новую пару моделей генерации медиа: Muse Image, которая уже внедряется, и Muse Video, которая пока находится в стадии предварительного просмотра.

Muse Image — это модель генерации изображений от Meta, созданная для синтеза по текстовому описанию, редактирования изображений, многокомпонентной композиции и генерации с учётом социального контекста внутри продуктов Meta. Muse Video обучена в том же широком направлении генерации медиа и предназначена для создания высококачественного видео, точного следования промпту, временной согласованности и поддержки нативного аудио.

Изображение представляет собой твит руководителя Meta Superintelligence Labs Цзяхуй Ю, в котором объявляется о запуске Muse Image и предварительном просмотре Muse Video. В твите говорится, что процесс генерации стал более умным, интересным и мощным, позволяя выполнять поиск, кодирование, самоанализ и использовать инструменты для обеспечения точности результатов. Также поддерживается свободный формат, позволяющий чередовать текст и изображения, а также множественные ссылки. Ниже показано изображение интерьера, сгенерированное Muse Image: диван, телевизор, декоративные картины и т. д., а также инструкции по изменению цвета в комнате и добавлению предметов. Это изображение тесно связано с контекстом и наглядно демонстрирует возможности и результаты работы Muse Image.

Согласно официальному объявлению Meta, Muse Image доступна через приложение Meta AI и веб-интерфейс, а также внедряется в Instagram Stories, WhatsApp и Facebook. Meta сообщает, что Muse Video будет доступна позднее для создателей контента и пользователей Meta AI.

Релиз также сопровождался сравнительными тестами из лидербордов Arena. В исходной статье Muse Image показана в верхней части рейтингов по синтезу текста в изображение, редактированию одного изображения и редактированию нескольких изображений. Muse Video также показана входящей в рейтинг синтеза текста в видео вблизи лидирующей группы.

Изображение показывает рейтинг Muse Image от Meta в различных категориях. Слева — Text-to-Image Arena, Muse Image занимает второе место; в центре — Single-Image Edit Arena, Muse Image на втором месте; справа — Multi-Image Edit Arena, Muse Image на третьем месте. Под изображением указаны источник данных и дата: рейтинги Arena Elo по состоянию на 5 июля 2026 года. Эти рейтинги соответствуют описанию производительности Meta Muse Image в таких областях, как синтез текста в изображение, редактирование одного изображения и редактирование нескольких изображений, демонстрируя преимущества дизайна модели в соответствующих сферах.

Изображение показывает рейтинг Text-to-Video Arena по состоянию на 5 июля 2026 года. Три верхние позиции занимают Gemini Omni Flash, Seedance 2.0 и Muse Video с баллами 1527, 1482 и 1459 соответственно. Muse Video демонстрирует выдающиеся результаты в этом рейтинге, войдя в лидирующую группу. Это изображение соответствует упомянутому выше прогрессу Meta Muse Video в области синтеза текста в видео и наглядно показывает её позицию в рейтинге.

Важен не только рейтинг. Более интересна конструкция модели: Meta пытается сделать генерацию изображений более похожей на многоэтапный творческий процесс, а не на одноразовый инструмент преобразования промпта в картинку.

Рисование как агент

Muse Image не генерирует сразу же

Типичная модель изображений часто принимает промпт, сжимает намерение и напрямую генерирует результат. Muse Image следует другой парадигме. Meta описывает её как агентную систему, которая может анализировать запрос, решать, нужна ли дополнительная информация, использовать инструменты и улучшать результат перед выдачей.

Например, когда промпт требует актуального контекста из реального мира, Muse Image может использовать поиск. Когда сцена требует точных графиков, формул, макетов или QR-кодов,

коды, которые могут использовать инструменты программирования для создания более надежных промежуточных ресурсов.

Изображение демонстрирует обложку журнала "Gauss in Blur", созданную с помощью Meta Muse Image. На обложке представлен заголовок "GAUSS IN BLUR", а также текст "THE SUM OF n CONSECUTIVE INTEGERS" и портрет Гаусса. Справа перечислены три этапа процесса генерации Muse Image: самоулучшение – поиск эталонного изображения; самоулучшение – сборка разрозненного контента; самоулучшение – уточнение формулы. Это изображение тесно связано с контекстом и наглядно демонстрирует шаблон, которому Muse Image следует при генерации изображений, а именно: самоулучшение, поиск эталонов, сборка контента, уточнение деталей и другие шаги для повышения точности результатов.

Это важно, потому что многие неудачи при генерации изображений связаны не только с эстетикой. Они часто возникают из-за слабой обоснованности: неверных фактов, сломанного текста, непоследовательного расположения объектов, нечитаемых диаграмм или деталей, которые выглядят хорошо на первый взгляд, но не выдерживают проверки.

Использование инструментов: Поиск и код

Meta заявляет, что Muse Image может использовать такие инструменты, как поиск и выполнение кода, в процессе генерации. Поиск помогает при запросах, связанных с текущими событиями, достопримечательностями, брендами, личностями или фактическим контекстом. Программирование помогает, когда конечное изображение должно содержать математически или структурно точный контент.

Изображение с заголовком "Улучшение с использованием поиска", демонстрирующее сравнение данных по четырем категориям: идентичность, бренд, достопримечательность, факт – при использовании поиска (синий цвет) и без него (серый цвет). В категории "идентичность" доля с использованием поиска составляет 70,2%, без поиска – 29,8%; "бренд" – 67,9% и 32,1% соответственно; "достопримечательность" – 67,3% и 32,7%; "факт" – 56,6% и 43,4%. Данное изображение тесно связано с контекстом и наглядно демонстрирует улучшения от использования поиска в различных аспектах.

В исходной статье предлагается простой способ понять это: если вы просите модель нарисовать что-то, зависящее от сегодняшнего реального мира, она не должна полагаться только на замороженную внутреннюю память. Она может сначала обратиться к справочным источникам. Если вы просите ее создать диаграмму, страницу с формулами или сканируемый QR-код, она может использовать код как часть процесса.

Это изображение соответствует примеру сценария, в котором Meta Muse Image использует инструменты для генерации контента, соответствующего реальным потребностям. Слева показана женщина с сумкой с надписью "ML" на конференции ICML 2025, которая взаимодействует со своим телефоном перед плакатом с логотипом ICML 2025, прикрепленным к стенду. Справа в трех частях описывается содержание этого сценария: подготовка произведения искусства с QR-кодом в стиле корейских комиксов, адаптированного под запрос пользователя; генерация сканируемого QR-кода, совместимого с Meta.ai, с кодированием и коррекцией ошибок для обеспечения надежности считывания; открытие сгенерированного QR-кода для проверки его нормальной сканируемости. Этот пример демонстрирует, что Meta Muse Image может использовать инструменты для создания структурно точного контента, соответствующего потребностям использования.

Это не означает, что каждый результат будет идеальным. Но это меняет ожидаемый рабочий процесс. Модель больше не просто "воображает" результат; она может собирать доказательства, вычислять части сцены и проверять детали перед финализацией изображения.

Самоулучшение

Еще одна ключевая концепция — самоулучшение. Muse Image может проверять собственный вывод, замечать проблемы и решать, нужно ли исправить небольшую область, регенерировать более крупный участок или снова использовать инструменты для получения более точного результата.

Это сравнительная гистограмма под названием "Улучшение с помощью самоулучшения", демонстрирующая производительность Meta Muse Image с функцией самоулучшения и без нее, что соответствует ключевому содержанию контекста о "self-refinement". На диаграмме сравниваются три типа задач: генерация изображений по тексту, редактирование одного изображения и редактирование нескольких изображений. Синие столбцы показывают значения производительности "С самоулучшением": 57,1%, 56,3% и 56,6% соответственно, все превышающие 50%. Серые столбцы показывают значения производительности "Без самоулучшения": 42,9%, 43,7% и 43,4% соответственно. Данная диаграмма наглядно демонстрирует положительный эффект функции самоулучшения на выполнение моделью различных задач, связанных с изображениями, что соответствует характеристике Muse Image, способной самостоятельно исправлять и оптимизировать вывод, о которой говорится в контексте.

При обычной генерации изображений пользователям часто приходится вручную корректировать запросы.

снова и снова: исправьте руку, удалите неправильный логотип, сделайте текст читаемым, сохраните последовательность персонажа. Muse Image создана для того, чтобы перенести часть этого цикла исправлений непосредственно в работу самой модели.

На левой стороне изображения показана сцена боя двух персонажей: мужчина с синими волосами в белой空手道 форме и женщина с рыжими волосами в боевой стойке с вытянутой ногой, действие происходит в дошо в японском стиле. Справа — текст, в котором говорится о детализации внешности и боевых движений этих двух персонажей, а также об освещении и композиции для достижения большей гармонии, что демонстрирует процесс оптимизации и корректировки деталей персонажей с помощью модели.

Для креаторов и маркетологов в этом и заключается практическое различие. Модель, способная самостоятельно дорабатывать свой черновик, более полезна для производственных процессов, поскольку первый приемлемый результат может быть получен быстрее и потребует меньше ручных правок.

Вычисления во время тестирования и улучшенные результаты

Meta также сообщает, что более глубокие рассуждения непосредственно во время генерации могут повысить качество результата. Проще говоря, предоставление системе большего времени и вычислительной мощности для обдумывания, планирования, поиска, уточнения или выбора наилучшего варианта может привести к созданию более качественного изображения.

Заголовок изображения — «Улучшение с помощью вычислений во время тестирования», демонстрируются изменения ELBO для разной глубины рассуждений (With Tools, Without Tools) и Best-of-N при различных объемах вычислений (Log Scale). По горизонтали — Test-Time Compute от 1x до 8x; по вертикали — ELBO от 960 до 1020. Синяя сплошная линия — с инструментами, фиолетовая сплошная — без инструментов, зеленая пунктирная — Best-of-N. Изображение напрямую связано с контекстом, наглядно показывая, как увеличение вычислительной мощности во время тестирования повышает качество генерируемых изображений.

Это похоже на то, что многие уже видели в языковых моделях: ответ модели улучшается, если ей позволить рассуждать более тщательно. Muse Image применяет схожую идею в визуальном творчестве.

Muse Spark и Muse Image могут работать вместе

Muse Image также разработана для взаимодействия с Muse Spark — языковой моделью Meta из семейства Muse. Meta утверждает, что две модели могут использовать общие инструменты и совместно планировать генерацию медиаконтента.

Такая связь открывает путь к созданию более сложных результатов, чем просто одиночное статическое изображение. Например, рабочий процесс может объединять код веб-сайта, встроенные изображения, анимированные GIF и интерактивные визуальные элементы. В этом случае языковая модель отвечает за планирование и структурированную генерацию, а модель изображений — за визуальные активы.

Именно здесь концепция «агентности» становится более значимой. Модель — это не просто художник. Она становится частью творческой системы, способной планировать, создавать, проверять и исправлять контент в различных медиаформатах.

Создание и редактирование изображений по нескольким референсам

Muse Image поддерживает несколько визуальных референсов. Пользователь может предоставить человека, наряд, фон, изображение в определенном стиле или другой визуальный элемент, а затем попросить модель объединить их в новую сцену.

Изображение представляет собой иллюстрацию в рукописном стиле, на которой изображены три человека, сидящие на скамейке в парке, и мужчина на фиолетовом велосипеде. Под ним приводится инструкция для генерации, требующая создать изображение мужчины, проезжающего на этом велосипеде мимо скамейки, в одежде, стилистически совпадающей с иллюстрацией. Это изображение относится к описанной выше функции Meta Muse Image, поддерживающей множественные визуальные подсказки, и наглядно демонстрирует, как пользователь с помощью текстового описания и референсного изображения может заставить модель сгенерировать изображение в определенном стиле.

Типичный запрос может выглядеть так:

Создай изображение этого человека в этой одежде, сидящего в этой локации, сохранив стиль, близкий к этому референсному изображению.

Такой смешанный запрос с изображением и текстом важен, потому что реальное творчество

Работа редко начинается с одного только текста. Дизайнеры, основатели, креаторы и бренд-команды часто мыслят с помощью референсов. Они приносят в процесс мудборды, скриншоты, фото продуктов, примеры кампаний и образцы стилей.

Muse Image также поддерживает прямое редактирование изображений. Вместо того чтобы начинать с нуля, пользователь может выделить часть изображения, описать изменение и продолжить уточнять то же визуальное направление.

Изображение демонстрирует сцену с знаком «Спуск впереди», горную тропу в густом тумане, у дороги стоит автомобиль с двумя людьми. Под изображением есть текст: «Edit this to clear up the fog and reveal the beautiful valley below», что означает «Отредактируйте это, чтобы убрать туман и показать красивую долину внизу». Это изображение связано с описанием функции прямого редактирования изображений в Muse Image, представленной в документе, и показывает пример того, как пользователь может редактировать изображение для достижения определённого эффекта.

Для социального контента, изображений для электронной коммерции, визуальной рекламы и лёгких брендовых активов такой цикл редактирования может быть полезнее, чем чистая генерация текста в изображение. Результат должен соответствовать цели, а не просто выглядеть впечатляюще.

Нативный социальный контекст и интеграция с Instagram

Одной из самых обсуждаемых функций Muse Image является её связь с социальным графом Meta. Meta называет это направление Нативный социальный контекст.

На практике Muse Image может использовать публичный контекст Instagram, когда пользователи упоминают аккаунты в промптах. Это означает, что пользователь может создавать изображения, ссылающиеся на публичные посты или содержимое профиля, в зависимости от настроек платформы и доступности.

Это изображение разделено на три блока, которые последовательно демонстрируют сценарии применения функций Meta AI. Слева — пример маркетинговых материалов для малого бизнеса, включающий одежду с мультяшными персонажами и мелкие предметы для дома, предоставленный @averyandme; в центре — контент, созданный Meta AI с помощью упоминания публичных аккаунтов через @, представляющий 3D-стилизованных персонажей и соответствующие сцены с указанием подсказок и соотношения сторон 1:1; справа — интерфейс персонализированных пресетов в Instagram, показывающий доступные предустановки для AI-творчества на этой платформе, а также пронумерованные элементы дизайна, что иллюстрирует интеграцию функций Meta AI с социальной платформой.

Это мощная функция, но она также поднимает вопросы конфиденциальности. Meta заявляет, что у пользователей есть элементы управления, позволяющие им управлять тем, может ли их контент из Instagram быть повторно использован для AI-творчества. Для публичных аккаунтов это важная настройка, которую стоит проверить, особенно для креаторов, инфлюенсеров, основателей и всех, чьи публичные фото являются частью их личного бренда.

Meta также сообщает, что выходные данные Muse Image включают Content Seal — невидимую систему водяных знаков, предназначенную для идентификации изображений, созданных ИИ. По словам Meta, этот сигнал разработан так, чтобы сохраняться при таких распространённых преобразованиях, как кадрирование, сжатие, изменение размера и создание скриншотов. Meta также представляет в предварительном просмотре инструмент для обнаружения, проверяющий, есть ли на изображении такой водяной знак.

Предварительный обзор Muse Video

Muse Video ещё не полностью выпущен, поэтому доступной информации меньше. Meta описывает его как модель генерации видео, построенную на той же предварительной обучающей базе, что и Muse Image, с преимуществами в визуальной точности, следовании промптам, временной согласованности и нативной поддержке аудио.

В исходной статье также отмечается, что Meta всё ещё работает над сложными областями, такими как синхронизация аудио и видео и физически точное быстрое движение. Это реалистичное ограничение. Генерация видео сложнее генерации изображений, потому что модель должна сохранять согласованность объектов, идентичности, освещения, движения, звука и времени между кадрами.

Тем не менее, Muse Video

进入文生视频排行榜的领先集团表明，Meta希望直接与其他顶级视频模型竞争，而不仅仅是在其应用中添加基本的短视频特效。

发布背后的团队

来源文章强调，Meta的MSL视觉模型团队包括多位知名研究员，他们拥有OpenAI、谷歌、斯坦福大学、伊利诺伊大学厄巴纳-香槟分校及其他主要人工智能研究背景。

赵胜嘉被公开报道为Meta超级智能实验室的首席科学家。路透社和TechCrunch在2025年报道称，前OpenAI研究员赵胜嘉加入Meta，协助领导新AI部门的科学方向。

图片展示了一位戴眼镜的男子，他面带微笑，背景是山林景色，远处有瀑布。图片右下角有"公众号·量子位"的水印。该图片位于介绍Meta Muse Image和Muse Video相关背景信息的文档中，是对文档中提到的Shengjia Zhao的个人形象展示，Shengjia Zhao被报道为Meta Superintelligence Labs的首席科学家，曾是OpenAI研究员，加入Meta以帮助领导新AI部门的科学方向。

来源文章还提到于佳慧是与Muse Image和Muse Video相关的关键多模态负责人。于佳慧在计算机视觉、图像生成、图像编辑和多模态系统方面拥有丰富的研究记录。

更广泛的要点很简单：Meta不仅在添加产品功能。它正在围绕新组建的人工智能研究和产品团队构建一个媒体生成平台。

这对创作者、品牌和AI产品团队意味着什么

Muse Image展示了消费级AI媒体工具的发展方向。下一代图像工具不仅能根据简短提示生成漂亮的图片。它们将更像是创意助手，能够：

  1. 理解混合文本和图像输入。
  2. 搜索新鲜的视觉上下文。
  3. 使用代码实现精确的视觉元素。
  4. 修改自己的草稿。
  5. 在编辑过程中保持上下文。
  6. 与平台原生的社交数据连接。
  7. 为生成输出添加溯源信号。

对创作者来说，这意味着更快的资产生成速度。对小企业而言，它可能减少创建社交视觉内容、产品模型、活动邀请和营销图片所需的工作量。对AI产品团队来说，最重要的教训是：生成质量越来越依赖于模型周围的完整工作流，而不仅仅是模型检查点本身。

常见问题

什么是Meta Muse Image？

Muse Image是Meta超级智能实验室推出的图像生成模型。它专为文本到图像生成、图像编辑、多参考组合以及在Meta AI及相关Meta产品中的社交上下文创建而设计。

Muse Image为何被称为"智能体"？

Meta将Muse Image描述为智能体，因为它能在生成前进行规划，使用搜索和代码等工具，并完善自己的输出。这使其更接近创意工作流助手，而不是简单的一次性图像生成器。

什么是Muse Video？

Muse Video是Meta预览的视频生成模型。Meta表示，它建立在与Muse Image相同的广泛媒体生成方向上，专注于提示遵循、视觉保真度、时间一致性和原生音频支持。

Muse Image能使用Instagram照片吗？

Meta表示Muse Image可以使用

Социальный контекст Instagram при упоминании пользователями публичных аккаунтов, в зависимости от доступности платформы и настроек. Владельцы публичных аккаунтов должны ознакомиться с элементами управления Instagram, касающимися повторного использования данных ИИ, если они не хотят, чтобы их публичный контент использовался таким образом.

Что такое Content Seal?

Content Seal — это невидимая система водяных знаков Meta для изображений, созданных ИИ. Meta утверждает, что изображения, созданные Muse Image в Meta AI и на meta.ai, содержат скрытый сигнал происхождения, который может сохраняться после обычных правок, таких как кадрирование или сжатие.

Доступна ли Muse Image для всех?

Meta сообщает, что Muse Image доступна через приложение Meta AI и meta.ai, а также в некоторых дополнительных местах, включая Instagram Stories в США, WhatsApp в ограниченном числе стран и будущие поверхности Facebook. Развёртывание может различаться в зависимости от региона и поверхности продукта.

Зачем Muse Image использует поиск и код?

Поиск помогает генерировать изображения в актуальном или фактическом контексте, например, достопримечательностей, брендов или реальных объектов. Код помогает создавать точные диаграммы, формулы, QR-коды и другие структурированные визуальные элементы, которые обычные модели изображений часто не могут надёжно воспроизвести.

Связанные инструменты

  • Meta AI: ИИ-помощник Meta, в котором развёртывается Muse Image для создания и редактирования изображений.
  • Muse Image и Muse Video: Официальное техническое объявление Meta о моделях генерации медиа Muse.
  • Instagram: Платформа Meta, в которую интегрируются функции социального контекста и ИИ-эффекты Muse Image.
  • WhatsApp: Продукт Meta для обмена сообщениями, в котором в ограниченном числе стран внедряется генерация изображений на основе Muse Image.
  • Content Seal Detection: Предварительно анонсированный инструмент Meta для проверки наличия водяного знака Content Seal в изображении.

Связанные ссылки

Резюме

Выпуск Muse Image от Meta

Примечательно тем, что переосмысляет генерацию изображений как агентный рабочий процесс. Модель может использовать инструменты, дорабатывать собственные результаты, работать с несколькими референсами и взаимодействовать с широкой социальной экосистемой Meta.

Muse Video пока находится в режиме предварительного просмотра, но это сигнализирует о том, что Meta переходит от статической генерации изображений к более широкому мультимодальному медиа-стека. Сочетание Muse Spark, Muse Image и Muse Video указывает на будущее, где создаваемый ИИ контент будет планироваться, проверяться, редактироваться и распространяться на различных продуктовых поверхностях.

Для создателей, маркетологов и разработчиков ИИ ключевой урок очевиден: более качественная генерация медиа всё меньше зависит от одного запроса и всё больше — от системы, окружающей модель.

Muse Image — это не просто очередной генератор изображений на основе ИИ; это попытка Meta превратить визуальное творчество в агентно-ориентированный рабочий процесс.