Meta 旗下的超智能实验室 Meta Superintelligence Labs 推出了图像生成模型 Muse Image，并同步预览了 Muse Video。Muse Image 的核心创新在于引入了智能体（Agent）机制，不再单纯将文字转换为像素，而是像 AI 智能体一样工作，可以使用多种工具辅助生成。
会查资料、会写代码的生图模型
Muse Image 在生成图像时可以使用多种工具：
- 编写代码：模型学会了通过写代码来生成精准的图表和二维码。
- 代码与图像结合：可以将生成的图像与代码结合，制作动图、带有嵌入图像的网页，甚至是可以运行的互动小游戏。例如根据用户宠物照片编写完整的 HTML + JS 互动游戏。
- 网络搜索：通过搜索网页获取实时信息和视觉参考，在处理涉及新闻事件或现实常识的提示词时，能大幅提升画面准确度。
自主发现错误与修正
在强化学习训练中，Muse Image 展现出自主修正能力：当发现画面细节偏差时，会主动进行局部修改；如果方向完全错误，则会重新生成或调用工具辅助。这种自我修正行为并非人工设定，而是模型在追求更高生成质量过程中自主学习到的。
推理算力扩展
与大语言模型类似，Muse Image 支持推理阶段的算力扩展。给模型更多思考时间，就能进行更多推理步骤、调用更多工具并多次自我修正，从而产出更高质量的图像。推理投入与图像质量之间呈近似对数线性的扩展关系。
精准的多轮编辑与画面合成
Muse Image 支持多轮对话编辑和多参考图合成：
- 多轮编辑：用户可连续提出修改意见，如先改造风格、再保留特定元素，最后输出对比图。
- 多参考图合成：在提示词中输入文字和多张参考图片，将不同人物、服饰、背景融合到同一张画作中。
在主流图像生成与编辑评测中，Muse Image 在 Arena 竞技场的人类偏好排名中位列第二。
Muse Video 同步预览
Meta 还展示了 Muse Video 的技术预览。该模型在提示词匹配度、画面精细度和时序连贯性上表现良好，但在音视频同步和快速运动的物理规律呈现上仍有提升空间。在视频生成竞技场中，Muse Video 目前暂列第三。
与 Meta 产品生态整合
Muse Image 与 Meta 生态深度打通：
- 结合 Meta AI 的社交功能，用户可与好友一起创作图片
- 可对 Instagram 照片进行再创作
- 帮小微商家生成营销素材
- 在 Meta AI 中通过 @提及公开 Instagram 账号来生成图片
- 在 Instagram 中直接使用个性化预设效果
参考链接：ai.meta.com/blog/introducing-muse-image-muse-video-msl
声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。