メタ AI、画像生成モデル「Muse Image」と動画生成モデル「Muse Video」を発表
メタ AI は、クリエイティブ分野の生成能力強化を目的とした高品質画像・動画生成モデル「Muse Image」と「Muse Video」の正式発表を行った。
キーポイント
新モデルの発表
メタ AI が画像と動画を同時に生成する新しい AI モデルとして「Muse Image」と「Muse Video」を正式に発表した。
クリエイティブ分野への影響
これらの新モデルは、クリエイターや開発者向けの生成能力を強化し、コンテンツ制作の効率化と質の向上が見込まれる。
高品質な生成の実現
発表されたモデルは従来よりも高い解像度や一貫性を備えた画像・動画の生成を可能にし、実用性の向上を目指す。
影響分析・編集コメントを表示
影響分析
メタ AI が画像・動画生成領域に参入し、既存の生成 AI エコシステムに新たな競争軸をもたらす可能性があります。特にクリエイティブ分野におけるワークフローの変革を促し、高品質な生成コンテンツの需要拡大を後押しするでしょう。
編集コメント
本発表はメタが生成 AI の多様化を加速させる重要な一歩ですが、具体的な技術仕様や公開時期の詳細情報が不足しているため、現時点での実用性評価には慎重な姿勢が必要です。
Meta Superintelligence Labs が開発した最初のメディア生成モデルである Muse Image と Muse Video を発表し、また Muse Video のプレビューをお披露目できることを嬉しく思います。
Muse Image はこれまでにない最も高度な画像生成モデルです。指示に忠実に従い、精密な編集を行い、複数の参照元から構成し、Instagram から社会的文脈を引用します。さらに、エージェント型ツール使用機能も備え、Muse Spark と統合されています。同じ事前学習基盤の上に構築された Muse Video は、ネイティブオーディオサポートを備えた卓越した視覚的忠実度を提供します。
Muse Image は本日、Meta AI アプリおよび meta.ai で利用可能となり、米国では Instagram Stories、一部の国では WhatsApp でも利用可能です。Facebook への展開も近日予定されています。Muse Video も近日、クリエイター向けおよび Meta AI で提供開始されます。
Muse Image: エージェント型画像生成
Muse Image はプロンプトを直接画像にマッピングするのではなく、エージェントとして動作します。精度向上のために検索やコーディングツールを呼び出し、自身の生成結果を自己改善し、テスト時の計算リソースの拡張を通じて性能を向上させます。また Muse Spark と統合されており、両モデルがツールを共有し、強力なエージェント型メディア生成のために共同で計画を立てることが可能になります。
ツール使用
Muse Image には、そのエージェント機能を強化するためのツールへのアクセス権限を提供しています。
コーディング。 強化学習中、Muse Image は正確なプロットや QR コードを生成するコードの記述と実行を学習し、レンダリングされた図形に条件付けを行うことで、生成画像の精度を向上させます。また、Muse Spark と Muse Image を統合することで、コードとメディア生成を組み合わせて、アニメーション GIF や埋め込み画像を含むウェブサイト、インタラクティブな視覚ゲームを作成することも可能になります。
検索。 Muse Image はウェブを検索して、生成された画像を実際の事実やリアルタイム情報、視覚的参照に基づかせることを学習します。検索機能を有効にすることで、知識集約型のプロンプト、特に現在の出来事や現実世界の事実に関わるものに対する事実上の正確性が向上します。
検索ツールの利用により Muse Image は改善されます。内部アブレーション実験における勝率。
自己改良
Muse Image は思考の連鎖内で自身の作業を振り返り、それを改善します。この自己改良行動にはさまざまな形態があります：小さな詳細がずれている場合は現在の画像ドラフトへのローカル編集、大きな部分が間違っている場合はゼロからの新規画像生成、より事実上の正確な生成のためのツール使用など異なる戦術です。この行動は設計したものではありません。むしろ、自己改良によりより良い画像が得られ、結果として報酬が高くなるため、強化学習トレーニング中に自然に出現したものです。
Muse Image は、創発的な自己改善機能により進化します。内部アブレーション実験における勝率は以下の通りです。
自己改善
参照画像の検索
自己改善
スプレッド（見開きページ）の構成
光沢のある雑誌ページを組み立てながら、証明ステップ、見出し、ファッションポートレートを一貫したレイアウトに織り交ぜています。タイポグラフィ、間隔、そして洗練された編集風の外観を与えるためのゴールドアクセントの詳細を確認しています。
自己改善
数式の精緻化
欠落していた除算のスラッシュ（/）を含めるよう数式を修正し、レイアウトを更新して「S = n(n + 1) / 2」という表現が正しく読めるようにしました。また、明確さと一貫性を確保するため、周囲のテキストも再確認しています。
自己改善
画像の確認
共有する前に、生成された雑誌画像をレビューし、マクロディテール（細部）、光沢のあるレイアウト、正確な証明内容を確認しています。必要であればタイポグラフィの微調整やポートレートの差し替えも可能です。次にどのような調整を行いたいですか？
✓
完了
テスト時計算量のスケーリング
言語モデルと同様に、Muse Image は推論時に思考するほど改善されます。テスト時の計算リソースを増やすことで、モデルはより深く推論し、ツール呼び出しをより多く行い、自己改良ステップをより多く用いて生成結果を向上させます。推論能力の強化（ひいてはテスト時の計算リソースの増加）は、人間による評価における Elo スコアを向上させ、およそ対数線形のスケーリング関係を示します。特筆すべきは、この計算が推論用のテキストトークンと生成用の視覚トークンという非常に異なる種類の作業にまたがっているにもかかわらず、品質は結合された総計算リソースの関数として決まる点です。
私たちは、テスト時のスケーリングを効果的に行うためには、トークン予算を賢く配分することが極めて重要であることを発見しました。Best-of-N（BoN）では、モデルが複数の画像を生成してその中から最良のものを選ぶ手法ですが、これは初期段階で品質を向上させますがすぐに飽和します。同じ計算リソースを意図的な推論に費やす方が、はるかに優れたスケーリング効果を示します。推論とツールの使用は組み合わせることで相乗効果を発揮します。ツールを用いることで、モデルは既知の範囲を超えて行動できます。具体的には、不足している参照資料を検索したり、正確な詳細情報を得るためにコードを記述したりすることで、推論だけでは埋められないギャップを埋めることができるのです。
Muse Image は、テスト時の計算リソースの増加とともに性能が向上します。内部アブレーション実験による Elo スコア。
画像編集
Muse Image は高精度で画像を編集し、ユーザーが指示した箇所のみを正確に変更します。例に示す通り、多様な指示に従うことが可能です。
Muse Image は、編集の各ターンにわたって一貫性を維持し、目標とする結果に向けた反復的な改良やオープンエンドなブレインストーミングをサポートします。
マルチリファレンス画像合成
Muse Image は、プロンプト内の多数の入力リファレンス画像から要素（人物、オブジェクト、衣類、スタイル、環境など）を合成できます。複雑な画像合成のために、テキストと画像をプロンプト内でインターリーブして使用することもサポートしています。
画像ベンチマーク
Muse Image は、執筆時点での人間による選好 Elo ランキングに基づき、テキストから画像への生成、単一画像編集、複数画像編集のいずれにおいても Arena で 2 位を獲得しています。
2026 年 7 月 5 日時点の Arena Elo ランキング。
2026 年 7 月 5 日時点の Arena Elo ランキング。
2026 年 7 月 5 日時点の Arena Elo ランキング。
Muse Video のプレビュー
Muse Image のリリースに併せて、Muse Video の初期プレビューも公開します。これは、プロンプトへの準拠度、視覚的忠実度、時間的一貫性において競争力のあるパフォーマンスを提供します。現在のパフォーマンスギャップがある領域（音声と映像の同期や物理的に正確な高速運動など）にも投資を進めています。Muse Video はまもなくクリエイター向けおよび Meta AI 上で利用可能になります。
Arena において、Muse Video は執筆時点でのテキストから動画への生成における人間による選好 Elo ランキングで第 3 位を記録しています。
2026 年 7 月 5 日時点の Arena Elo ランキング
コンテンツシール
画像が AI 生成されたものかどうかを検証するお手伝いをするため、Muse Image には「コンテンツシール（Content Seal）」と呼ばれる不可視透かしシステムが搭載されています。Meta AI アプリおよび meta.ai で Muse Image によって作成された画像には、切り抜き、圧縮、リサイズ、スクリーンショットのいずれを行っても損なわれることのない、隠された出所証明信号が含まれています。私たちはまもなくコンテンツシールを動画にも拡張する予定です。また、画像にコンテンツシールの透かしが含まれているかを確認できる 検出ツール をプレビュー中であり、これにより Meta AI によって作成された画像かどうかをよりよく理解するための最初の手段を提供します。
Meta プロダクトにおける Muse Image
Muse Image は Meta エコシステムと深く連携しています。Meta AI のソーシャル機能と組み合わせることで、ユーザーは友人と共に画像を作成したり、Instagram の写真を再解釈したりすることが可能です。画像および動画生成への継続的な投資により、クリエイターや企業が Meta 製品全体で動的なコンテンツを生成できる環境がさらに整います。
@averyandme などの小規模事業者向けのマーケティング資産
Meta AI で生成された画像は、Instagram の公開アカウントへの@メンションによって作成されます。
Instagram 内で直接利用可能なパーソナライズ済みプリセット
ギャラリー
追加リソースの探索
Meta AI で Muse Image を試す
コンテンツシールを確認する
Meta AI リサーチの探索
その他の Meta AI アップデートを読む
Meta AI について学ぶ
Meta での AI 開発
執筆者:
Meta Superintelligence Labs
シェア:
最新のアップデートをあなたのメールボックスへ
購読して、Meta AI のニュース、イベント、研究のブレークスルーなどをお知らせします。
原文を表示
We’re excited to launch Muse Image and preview Muse Video, the first media generation models developed by Meta Superintelligence Labs.
Muse Image is our most advanced image generation model yet: it follows instructions faithfully, edits with precision, composes from multiple references, and draws on Instagram for social context. It also brings agentic tool use capabilities and integrates with Muse Spark. Muse Video, built on the same pretraining base, delivers exceptional visual fidelity with native audio support.
Muse Image is available today across the Meta AI app and on meta.ai, Instagram Stories in the US, and WhatsApp in limited countries, and is coming soon to Facebook. Muse Video is coming soon to creators and Meta AI.
Muse Image: Agentic Image Generation
Instead of directly mapping prompts to images, Muse Image operates as an agent: it invokes search and coding tools to improve accuracy, self-refines its own generations, and improves through scaling test-time compute. Muse Image also integrates with Muse Spark, allowing the two models to share tools and plan jointly for powerful agentic media generation.
Tool Use
We provide Muse Image with access to tools to enhance its agentic capabilities.
Coding. During reinforcement learning, Muse Image learns to write and execute code that produces accurate plots and QR codes, and condition on rendered figures to improve the accuracy of generated images. Muse Spark and Muse Image also integrate to use the combination of code and media generation to create animated GIFs, websites with embedded images, and interactive visual games.
Search. Muse Image learns to search the web to ground generated images in factual and real-time information and visual references. Enabling search improves factual accuracy on knowledge-intensive prompts, particularly those involving current events and real-world facts.
Muse Image improves with search tool use. Win rate from internal ablation.
Self-Refinement
Muse Image reflects on and improves upon its own work within its chain of thought. This self-refining behavior can take different forms: a local edit to the current image draft when a small detail is off, a new image generation from scratch when larger parts are wrong, or a different tactic like tool use for more factually accurate generation. We didn’t design this behavior. Instead, it emerged during RL training simply because self-refinement produced better images and therefore higher reward.
Muse Image improves with emergent self-refinement. Win rate from internal ablation.
Self-refinement
Finding reference images
Self-refinement
Assembling the spread
I'm putting together the glossy magazine page, weaving the proof steps, headline, and fashion portrait into a cohesive layout while checking typography, spacing, and the gold-accented details for a polished editorial feel.
Self-refinement
Refining the formula
I'm correcting the formula to include the missing division slash, updating the layout so the expression reads S = n(n + 1) / 2, and double-checking the surrounding text for clarity and consistency.
Self-refinement
Checking the image
I'm reviewing the generated magazine image to confirm the macro detail, glossy layout, and accurate proof before sharing it, and I'm ready to tweak the typography or swap the portrait if you'd like. What would you like to adjust next?
✓
Finished
Test-Time Compute Scaling
Like language models, Muse Image improves the more it thinks at inference time. With more test-time compute, the model reasons more, uses more tool calls, and uses more self-refinement steps to improve its generations. Increasing reasoning strength (and thus test-time compute) improves human-preference Elo scores and shows an approximately log-linear scaling relationship. Notably, this compute spans two very different kinds of work — text tokens for reasoning, visual tokens for generation — yet quality is a function of the combined total compute.
We find that using the token budget judiciously matters just as much for effective test-time scaling. Best-of-N (BoN), where the model generates several images and keeps the best, improves quality early but saturates quickly. Spending that same compute on deliberate reasoning scales considerably better. Reasoning and tool use compound when combined. Tools let the model reach beyond what it already knows, whether by searching for references it lacks or writing code to get precise details right, filling gaps that reasoning alone can’t.
Muse Image improves with scaling test-time compute. Elo from internal ablation.
Image Editing
Muse Image edits images with precision, changing exactly what the user asks for. It can follow a variety of instructions as our examples show.
Muse Image maintains coherence across editing turns, supporting iterative refinement and open-ended brainstorming toward a target result.
Multi-Reference Image Composition
Muse Image can compose elements from many input reference images in the prompt, including people, objects, clothing, styles, and environments. It supports interleaving text and images inline in prompts for complex image compositions.
Image Benchmarks
Muse Image holds the No. 2 spot on Arena for text-to-image, single-image editing, and multi-image editing as measured by human preference Elo rankings at the time of writing.
Arena Elo rankings as of July 5, 2026.
Arena Elo rankings as of July 5, 2026.
Arena Elo rankings as of July 5, 2026.
Previewing Muse Video
Alongside the release of Muse Image, we’re sharing an early preview of Muse Video. It offers competitive performance in prompt adherence, visual fidelity, and temporal consistency. We’re investing in areas with current performance gaps, such as audio-video synchronization and physically accurate fast motion. Muse Video is coming soon to creators and in Meta AI.
On Arena, Muse Video ranks No. 3 in human-preference Elo for text-to-video at the time of writing.
Arena Elo rankings as of July 5, 2026
Content Seal
To help people verify whether an image is AI-generated, Muse Image includes Content Seal, our invisible watermarking system. Images created by Muse Image in the Meta AI app and on meta.ai carry a hidden provenance signal that stays intact — even when cropped, compressed, resized, or screenshotted. We plan to extend Content Seal to video soon. We’re previewing a detection tool that lets you check whether an image carries a Content Seal watermark, providing an initial way to help you better understand if an image was made with Meta AI.
Muse Image in Meta Products
Muse Image connects deeply with the Meta ecosystem. Combined with social tools in Meta AI, users can create images with friends and reimagine their Instagram photos. Our ongoing investments in image and video generation will further enable creators and businesses to generate dynamic content across Meta products.
Marketing assets for small businesses like @averyandme
Images generated in Meta AI with @-mention of public Instagram accounts.
Personalized presets directly in Instagram
Gallery
Explore additional resources
Try Muse Image in Meta AI
Check Content Seal
Explore Meta AI Research
Read More Meta AI Updates
Learn About Meta AI
Work on AI at Meta
Written by:
Meta Superintelligence Labs
Share:
Our latest updates delivered to your inbox
Subscribe to our newsletter to keep up with Meta AI news, events, research breakthroughs, and more.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み