前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
产品/11.19 · 19:42/6 MIN/1 阅读

Meta 发布 Muse 图像与视频生成模型

Meta 超级智能实验室推出首款媒体生成模型 Muse Image,已上线 Meta AI 等产品,主打智能体式工具调用与自我修正;Muse Video 同步预览,支持原生音频。

Meta 超级智能实验室(MSL)正式发布 Muse Image,并首次预览 Muse Video。这是该实验室推出的首批媒体生成模型。

Muse Image 是 Meta 目前最先进的图像生成模型:指令遵循忠实、编辑精准,还能从多张参考图中合成画面。它具备智能体式的工具调用能力,并与 Muse Spark 打通。Muse Video 基于同一预训练底座,视觉保真度出色,并原生支持音频。

Muse Image 即日起在 Meta AI 应用和 meta.ai 上线,同时登陆美国区 Instagram Stories 和部分国家的 WhatsApp,Facebook 版本即将推出。Muse Video 将先向创作者开放,随后进入 Meta AI。

像智能体一样生成图像

Muse Image 不走「提示词直接映射到图像」的老路,而是像智能体一样工作:调用搜索和编程工具提升准确度,对生成结果自我修正,并通过扩展测试时计算持续改进。它与 Muse Spark 集成后,两个模型可共享工具、联合规划,实现更强的智能体式媒体生成。

工具调用

编程。 在强化学习过程中,Muse Image 学会了编写并执行代码,从而画出准确的图表和二维码,也能根据渲染出的图形来约束生成结果,提升图像准确度。Muse Spark 与 Muse Image 结合后,还能用「代码+媒体生成」做出动态 GIF、内嵌图片的网页和交互式视觉小游戏。

搜索。 Muse Image 能上网搜索,让生成图像扎根于事实、实时信息和视觉参考。开启搜索后,涉及时事和现实事实的知识密集型提示词,准确率明显提升。

自我修正

Muse Image 会在思维链中反思并改进自己的作品:小细节不对就局部编辑,大结构出错就重新生成,必要时换用工具调用等策略提升事实准确性。这一行为并非人为设计,而是在强化学习训练中自然涌现的——因为自我修正能产出更好的图像,从而拿到更高奖励。

测试时计算扩展

和大语言模型一样,Muse Image 在推理阶段「想得越多」,效果越好。测试时计算增加,模型推理更多、调用工具更多、自我修正步骤更多。推理强度(以及随之增加的测试时计算)提升,人类偏好 Elo 分数随之提高,呈现近似对数线性的扩展关系。值得注意的是,这些计算横跨两类截然不同的工作——用于推理的文本 token 和用于生成的视觉 token——但质量取决于二者的总和。

研究还发现,合理分配 token 预算同样关键。Best-of-N(生成多张图取最优)在早期能提升质量,但很快饱和;把同样的计算花在有意识的推理上,扩展性要好得多。推理与工具调用结合时还会相互增强:工具让模型突破已有知识的边界,无论是搜索缺失的参考,还是写代码把细节做准,都能补上单靠推理填不了的坑。

图像编辑

Muse Image 的编辑很精准,用户要求改什么就改什么,能遵循多种指令。它在多轮编辑中保持一致性,支持迭代细调和开放式头脑风暴,逐步逼近目标结果。

多参考图合成

Muse Image 可以从提示词中的多张参考图里合成元素,包括人物、物体、服装、风格和环境,并支持文本与图片在提示词中交错排列,完成复杂的图像合成。

基准表现

截至本文撰写时,按人类偏好 Elo 排名,Muse Image 在 Arena 的文生图、单图编辑和多图编辑三个榜单上均位列第二。

Muse Video 预览

与 Muse Image 一同发布的还有 Muse Video 的早期预览。它在提示词遵循、视觉保真度和时间一致性上表现有竞争力。Meta 表示正投入资源补足当前短板,比如音视频同步和物理准确的快速运动。Muse Video 将先面向创作者开放,随后进入 Meta AI。截至本文撰写时,Muse Video 在 Arena 文生视频的人类偏好 Elo 排名中位列第三。

Content Seal 隐形水印

为帮助人们辨别图像是否为 AI 生成,Muse Image 内置了隐形水印系统 Content Seal。在 Meta AI 应用和 meta.ai 上生成的图像都带有隐藏的来源信号,即使经过裁剪、压缩、缩放或截图也依然有效。Meta 计划很快将该能力扩展到视频,并预览了一款检测工具,用户可查询图像是否带有 Content Seal 水印。

融入 Meta 产品生态

Muse Image 与 Meta 生态深度连接。Meta 称,对图像和视频生成的持续投入,将进一步帮助创作者和企业在 Meta 各产品中生成动态内容,例如为小企业制作营销素材,以及在 Instagram 内直接使用个性化预设。

标签:MetaMuse ImageMuse Video

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

Meta 发布 Muse Spark:迈向个人超级智能
TOP1

Meta 发布 Muse Spark:迈向个人超级智能

谷歌发布Gemini 4 Neon,每百万输入3美元
TOP2

谷歌发布Gemini 4 Neon,每百万输入3美元

3

美多起技术故障疑与AI补丁潮相关

5小时前
美多起技术故障疑与AI补丁潮相关
4

国内首款Gen6 SSD量产,AI存储重算经济账

5小时前
国内首款Gen6 SSD量产,AI存储重算经济账
5

银行推出Token贷:烧掉的算力账单变成贷款额度

6小时前
银行推出Token贷:烧掉的算力账单变成贷款额度
6

英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响

21小时前
英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响
7

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

21小时前
DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%
8

Gemini 临时聊天与关闭历史后的留存期,从 72 小时延长到约两个月

21小时前
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断