متا از Muse Image & Muse Video رونمایی کرد

هوش مصنوعی
ارسال شده توسط
1405/04/27
687 بازدید
متا از مدل هوش مصنوعی Muse Image رونمایی کرد

متا (Meta) در ۷ ژوئیه ۲۰۲۶ از دو مدل هوش مصنوعی مولد به نام‌های Muse Image و Muse Video رونمایی کرد؛ نخستین مدل‌های تولید محتوای رسانه‌ای ساخته‌شده توسط آزمایشگاه اَبَرهوش متا (Meta Superintelligence Labs). Muse Image یک مدل «عاملی» (Agentic) برای ساخت و ویرایش دقیق تصویر است که با جست‌وجوی وب و اجرای کد، خروجی خود را اصلاح می‌کند و در پلتفرم‌های اینستاگرام، واتساپ و اپلیکیشن Meta AI در دسترس قرار گرفته است. در این مقاله همه‌چیز درباره‌ی این ابزارها، ویژگی‌ها، بنچمارک‌ها و نحوه دسترسی را مرور می‌کنیم.

تولید محتوای تصویری

تولید محتوای تصویری با هوش مصنوعی دیگر یک فناوری آزمایشی نیست؛ بلکه به بخشی جدایی ناپذیر از کار خالقان محتوا، بازاریابان و کسب و کارها تبدیل شده است. در این میان، متا با معرفی Muse Image و پیش نمایش Muse Video گامی بزرگ برداشته و برای نخستین بار به جای اتکا به مدل های شرکت های ثالث مانند Midjourney و Black Forest Labs، مدل های داخلی خود را روانه بازار کرده است. این تحول نه تنها استقلال فنی متا را نشان می دهد، بلکه تجربه تولید محتوا را مستقیماً درون اینستاگرام، واتساپ و اپلیکیشن Meta AI ادغام می کند. اگر تولیدکننده محتوا، طراح یا صاحب کسب و کار هستید، شناخت این ابزار می تواند مزیت رقابتی مهمی برای شما باشد.

Muse Image و Muse Video چیست؟

این دو مدل، نخستین مدل های تولید رسانه ساخته شده توسط آزمایشگاه ابرهوش متا هستند. Muse Image که پیش تر با نام رمز «Mango» شناخته می شد، دومین انتشار بزرگ پس از مدل زبانی Muse Spark (منتشر شده در آوریل ۲۰۲۶) به شمار می رود؛ مدلی که جایگزین خانواده پیشین مدل های متا یعنی Llama شد. به بیان ساده:

  • Muse Image: پیشرفته ترین مدل تولید و ویرایش تصویر متا تا امروز، با قابلیت های عاملی (Agentic) و ادغام با Muse Spark.
  • Muse Video: مدل تولید ویدیو که روی همان پایه پیش آموزش Muse Image ساخته شده و از صدای بومی (Native Audio) پشتیبانی می کند. این مدل فعلاً در مرحله پیش نمایش (Preview) است.

چرا Muse Image متفاوت است؟ رویکرد «عاملی» (Agentic)

بزرگ ترین تمایز Muse Image این است که به جای نگاشت مستقیم دستور به تصویر، مانند یک عامل هوشمند رفتار می کند؛ یعنی درباره درخواست شما فکر می کند، در صورت نیاز جستجو می کند و پیش از تحویل خروجی، آن را اصلاح می کند. این رویکرد در سه لایه کلیدی عمل می کند:

قابلیتتوضیحکاربرد عملی
استفاده از ابزار کدنویسیمدل می تواند کد بنویسد و اجرا کند تا نمودار یا کد QR دقیق تولید کند و بر اساس نتیجه، تصویر را بهبود دهد.ساخت اینفوگرافیک، نمودار و تصاویر داده محور دقیق
جستجوی وبمدل برای مستندسازی خروجی به اطلاعات واقعی و بلادرنگ، وب را جستجو می کند.افزایش دقت در موضوعات دانش محور و رویدادهای روز
خوداصلاحی (Self-Refinement)مدل خطاهای خود را در زنجیره استدلال شناسایی و رفع می کند؛ رفتاری که در جریان آموزش تقویتی به صورت خودجوش پدیدار شد.خروجی نهایی تمیزتر و دقیق تر بدون تلاش کاربر

‼نکته مهم دیگر، مقیاس پذیری محاسبات در زمان استنتاج (Test-Time Compute) است؛ یعنی هرچه مدل بیشتر «فکر» کند، از ابزارهای بیشتری استفاده می کند و کیفیت خروجی به شکل تقریباً لگاریتمی-خطی بهبود می یابد.

ویژگی های کلیدی Muse Image

متا از مدل هوش مصنوعی Muse Image رونمایی کرد
  • ویرایش دقیق تصویر: دقیقاً همان چیزی را که می خواهید تغییر می دهد و در ویرایش های پیاپی، انسجام تصویر را حفظ می کند.
  • ترکیب چند مرجع (Multi-Reference Composition): می توانید چند تصویر مرجع (افراد، اشیا، لباس، سبک، محیط) را ترکیب کنید و متن و تصویر را به صورت درهم تنیده در پرامپت وارد کنید.
  • ادغام با اینستاگرام: با تگ کردن یک اکانت عمومی اینستاگرام (با @) در پرامپت، مدل از عکس های آن پروفایل به عنوان مرجع بصری استفاده می کند؛ ابزاری نوآورانه برای الهام گرفتن از استایل ها و ترندها.
  • ادغام با Muse Spark: این دو مدل ابزارها را به اشتراک می گذارند و می توانند مشترکاً برنامه ریزی کنند تا خروجی هایی مانند گیف متحرک، وب سایت با تصاویر جاسازی شده و بازی های بصری تعاملی بسازند.

عملکرد در بنچمارک‌ها؛ Muse Image کجای بازار ایستاده است؟

بر اساس رتبه بندی مبتنی بر ترجیح انسانی (Human-Preference Elo) در پلتفرم Arena (به تاریخ ۵ ژوئیه ۲۰۲۶):

مدلجایگاهجزئیات
Muse Imageرتبه ۲در تبدیل متن به تصویر، ویرایش تک تصویری و چندتصویری؛ تنها پس از GPT Image 2 از OpenAI و بالاتر از Nano Banana و Grok Imagine.
Muse Videoرتبه ۳در تبدیل متن به ویدیو؛ در مرحله پیش نمایش. متا اذعان دارد همگام سازی صدا-تصویر و فیزیک حرکات سریع هنوز نیاز به بهبود دارد.

واترمارک نامرئی برای شفافیت

یکی از مهم ترین افزوده های این عرضه، سیستم واترمارک نامرئی به نام Content Seal است. تصاویری که با Muse Image در اپلیکیشن Meta AI و سایت meta.ai ساخته می شوند، یک نشانه پنهان منشأ (Provenance) را حمل می کنند که حتی پس از برش، فشرده سازی، تغییر اندازه یا اسکرین شات دست نخورده باقی می ماند. متا همچنین ابزاری برای تشخیص این واترمارک معرفی کرده تا کاربران بتوانند بررسی کنند آیا تصویری با هوش مصنوعی متا ساخته شده است یا نه. این قابلیت به زودی به ویدیو نیز گسترش می یابد.

نحوه دسترسی به Muse Image و Muse Video

دسترسی به این ابزارها بسته به پلتفرم و منطقه جغرافیایی متفاوت است. وضعیت فعلی به این شرح است:

پلتفرم / سطح دسترسیوضعیتتوضیحات
اپلیکیشن Meta AI و سایت meta.aiدر دسترسرایگان برای استفاده روزمره
Instagram Storiesدر دسترس (فعلاً آمریکا)ادغام مستقیم در استوری‌ها
واتساپ (WhatsApp)در دسترس (کشورهای محدود)در پیام‌های مستقیم
فیسبوک و مسنجربه زودیدر حال گسترش
Muse Videoپیش‌نمایش / به زودیبرای خالقان محتوا و در Meta AI
تبلیغ‌دهندگان و آژانس‌هادر هفته‌های آیندهاز طریق ابزار Advantage+ Creative

مدل قیمت‌گذاری

  • استفاده روزمره از Muse Image درون Meta AI رایگان است.
  • برای تولید با حجم بالاتر، این قابلیت در قالب اشتراک های پولی متا ارائه می شود.
نکته برای کاربران ایران و خاورمیانه: در زمان نگارش این مقاله، دسترسی رسمی به این ابزارها به آمریکا و تعداد محدودی از کشورها محدود است و متا اعلام کرده به تدریج آن را در کشورهای بیشتری عرضه خواهد کرد. البته در حال حاضر با استفاده از قندشکن با آی پی آمریکا امکان دسترسی به این سرویس وجود دارد.

سوالات متداول

در ۷ ژوئیه ۲۰۲۶ توسط آزمایشگاه ابرهوش متا.
بله، برای استفاده روزمره درون Meta AI رایگان است؛ برای استفاده با حجم بالاتر نیاز به اشتراک دارید.
رویکرد «عاملی» آن؛ یعنی توانایی جستجوی وب، اجرای کد و خوداصلاحی خروجی پیش از تحویل.

بله، از طریق واترمارک نامرئی Content Seal و ابزار تشخیص آن.

اشتراک گذاری:

آکادمی سالچین - سالیدیتی

مطالب زیر را حتما بخوانید

دیدگاهتان را بنویسید