Meta が画像生成モデル Muse Image を公開、動画生成 Muse Video も予告

米国 Meta は現地時間7月7日、同社の Meta Superintelligence Labs が開発した新たなメディア生成モデル「Muse Image」を公開し、動画生成モデル「Muse Video」のプレビュー版を発表した。「Muse Image」は、指示への忠実な追従や高精度な編集、Instagram のソーシャルコンテキストを活用した生成が可能な最先端の画像生成モデルであり、すでに Meta AI、meta.ai、米国の Instagram Stories、および一部の国における WhatsApp で利用が開始されている。Facebook への展開も今後予定されている。

「Muse Image」の最大の特徴は、単なるプロンプトの画像化にとどまらないエージェントとしての機能にある。推論時に検索ツールやコーディングツールを自律的に呼び出し、正確性を向上させる仕組みを備える。具体的には、学習プロセスを通じてプロットやQRコードの生成コードを作成・実行し、生成結果を自己評価して修正を行う「自己改善（Self-Refine）」の能力を有する。また、「Muse Video」は同一の事前学習基盤を共有しており、高い視覚的忠実度とネイティブな音声生成サポートを両立している。

このアップデートは、ユーザーのクリエイティブな作業を強力に支援する。単一の画像生成に留まらず、複数の参照画像を統合した高度な構図の作成や、対話を通じた精緻な編集が可能となる。ユーザーが自然言語で意図を伝えるだけで、モデルが背後で計画を立て、Web検索で事実関係を確認しながら生成を進めるため、知識集約型のプロンプトや複雑な視覚的要件に対しても高い精度で応える。これにより、Instagram や WhatsApp 上でのコンテンツ制作において、アイデアを容易に高品質なビジュアルへと変換できる。

現時点で「Muse Video」はプレビュー版として公開されており、今後はクリエイターおよび Meta AI に提供される予定である。音声と映像の同期や動的な物理挙動の正確性といった課題への継続的な投資が表明されている。「Muse Image」についても、さらなるプラットフォームへの拡大が順次進められており、広告主向けの Meta Advantage+ クリエイティブへの統合も今後控えている。Meta は生成されるコンテンツの出所を証明する Content Seal の導入も進めており、AI生成物に対する責任ある提供体制を強化している。