Meta представила Muse Image и превью Muse Video

Meta Superintelligence Labs представила модель генерации изображений Muse Image и показала раннее превью видеомодели Muse Video в публикации в блоге Meta AI. Muse Image уже доступна пользователям в приложении Meta AI, на сайте meta.ai, в Instagram Stories для пользователей из США и в WhatsApp в ограниченном числе стран.

По описанию в блоге, Muse Image точнее выполняет текстовые запросы, умеет редактировать существующие изображения и собирать сцену на основе нескольких ссылочных картинок. При генерации модель учитывает социальный контекст Instagram — например, форматы и параметры контента в сервисе — чтобы улучшить соответствие результатов пользовательским ожиданиям.

Разработчики характеризуют Muse Image как агентную модель. В процессе создания изображения система способна выполнять веб‑поиск, обращаться к инструментам для написания и выполнения кода и по ходу дорабатывать картинку, меняя элементы сцены в ответ на новые данные или дополнительные инструкции.

Muse Image интегрирована с системой Muse Spark, которая сочетает генерацию медиа и код. В связке эти инструменты могут создавать анимированные GIF, простые веб‑страницы с встроенными изображениями и интерактивные визуальные игры, где генерация контента сопровождается генерацией программной логики.

Раннее превью Muse Video построено на той же базе предобучения, что и Muse Image. По данным компании, превью демонстрирует высокое визуальное качество и нативную поддержку аудио. Meta отмечает продолжающуюся работу над синхронизацией звука и изображения и над корректной передачей быстрого движения перед более широким выпуском видеомодели.

Изображения, созданные в приложении Meta AI с помощью Muse Image, получают невидимый водяной знак Content Seal. В публикации утверждается, что метка сохраняется после кадрирования, сжатия, изменения размера и при создании скриншотов. Компания планирует применить аналогичный механизм и к видео в будущем.

Внутренние метрики Arena, приведённые Meta, показывают, что Muse Image занимает второе место в категориях text‑to‑image, single‑image editing и multi‑image editing, уступая GPT Image 2. Эти данные используются компанией для сравнения результатов модели в наборе тестов.

В качестве дополнительного контекста Meta напомнила о другой недавней разработке: в июне компания представила систему, которая по записям активности мозга без хирургического вмешательства восстанавливает набираемый текст. По заявлению компании, средняя точность распознавания слов в этой системе составила 61%.