Metaは2026年7月7日(米国時間)、Meta Superintelligence Labsが開発した初のメディア生成モデルとして、画像生成モデル「Muse Image」の提供開始と、動画生成モデル「Muse Video」のプレビューを発表しました。Muse Imageは指示への忠実な追従、精密な編集、複数の参照画像からの合成に対応する同社最先端の画像生成モデルで、検索やコーディングといったツールを使うエージェントとして動作する点が特徴です。Meta AIアプリやmeta.ai、米国のInstagramストーリーズなどで同日から利用できます。

発表の概要と提供範囲

• ▸Muse Image — 指示への忠実な追従、精密な編集、複数の参照画像からの合成に対応する同社最先端の画像生成モデル。エージェント的なツール利用機能を備え、Muse Sparkと統合する
• ▸Muse Video — Muse Imageと同じ事前学習基盤の上に構築された動画生成モデルで、高い視覚的忠実度とネイティブな音声対応が特徴。音声と映像の同期や物理的に正確な高速の動きは現状の課題として改善を進めているとし、今回は早期プレビューという位置づけ
• ▸提供範囲 — Muse ImageはMeta AIアプリとmeta.ai、米国のInstagramストーリーズ、一部の国のWhatsAppで発表当日から利用可能で、Facebookにも近日対応予定。Muse Videoはクリエイター向けとMeta AIに近日提供予定

エージェントとして動作する画像生成

• ▸コーディング — 強化学習の過程でコードを書いて実行することを学習し、正確なグラフやQRコードを生成。描画した図を条件にして画像の正確性を高める。Muse Sparkとの連携により、アニメーションGIFや画像入りウェブサイト、インタラクティブなビジュアルゲームの作成も可能
• ▸検索 — ウェブ検索で事実情報やリアルタイム情報、視覚的な参照を取り込み、時事や実世界の事実を扱う知識集約的なプロンプトでの正確性を改善
• ▸自己改善 — 生成途中の画像を自ら見直し、細部の局所的な修正、全体の作り直し、ツール利用への切り替えを行う。この挙動は設計されたものではなく、強化学習で高い報酬につながったために自然に現れたと説明
• ▸推論時計算のスケーリング — 推論量を増やすほど人間評価のEloスコアが向上し、ほぼ対数線形の改善を示す。複数枚を生成して最良を選ぶBest-of-Nは早期に飽和するため、同じ計算量を推論とツール利用に充てる方が伸びるとしている

編集・合成の能力とベンチマーク

• ▸画像編集 — ユーザーが指示した箇所だけを正確に変更し、複数ターンにわたる編集でも一貫性を保って段階的な作り込みや試行錯誤に対応
• ▸複数参照の合成 — 人物、物、服装、スタイル、環境など多数の参照画像を、テキストと画像を織り交ぜたプロンプトから合成できる
• ▸ベンチマーク — 執筆時点でArenaのtext-to-image、単一画像編集、複数画像編集の3部門いずれも人間評価のEloランキングで2位(2026年7月5日時点)。Muse Videoはtext-to-videoで3位

Content SealとMeta製品への展開

画像がAI生成かどうかを確認できるようにする不可視の電子透かし「Content Seal」を搭載しています。Meta AIアプリとmeta.aiで生成した画像に付与される来歴シグナルは、切り抜き・圧縮・リサイズ・スクリーンショットを経ても保持され、動画への拡張も予定されています。画像にContent Sealの透かしが含まれるかを確認できる検出ツールもプレビュー提供されます。

Meta製品との連携としては、中小企業向けのマーケティング素材の生成や、Instagram内でのパーソナライズされたプリセットなどが挙げられており、画像・動画生成への投資を通じて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ようにしていくとしています。