Metaが新AI画像・動画生成モデル「Muse Image」「Muse Video」を発表

最終更新日：2026年07月08日

※本記事で紹介した内容は、発表元のプレスリリースをもとに翻訳・要約したものです。

米国時間2026年7月7日、Metaは画像生成モデル「Muse Image」を発表しました。また、動画生成モデル「Muse Video」のプレビュー版も公開。
いずれもMetaの研究組織「Meta Superintelligence Labs」が開発した初のメディア生成モデルです。

「Muse Image」は同日より米国内の『Meta AI』アプリおよびmeta.ai、『Instagram』のストーリーズに展開されるほか、一部の国の『WhatsApp』アプリで使用可能。『Facebook』への拡大も予定されています。
「Muse Video」は、クリエイター向けおよび「Meta AI」に近日中に提供予定です。

Muse Image：ツールを使いながら自律的に画像を生成

画像生成モデル「Muse Image」は、入力されたプロンプトを直接画像に変換するのではなく、エージェントとして動作します。

コーディングやウェブ検索で正確な表現が可能

「Muse Image」はコードを書いて画像を生成するため、正確なグラフやQRコードを含む画像を作れます。Metaが提供するAI「Muse Spark」と組み合わせると、アニメーションGIFや画像を埋め込んだウェブサイト、インタラクティブなビジュアルゲームの作成も可能です。

ウェブを検索して、現実世界のものごとや最新情報を画像に反映することもでき、特に時事情報や実在するものを扱う場合、正確な表現ができる点も特徴です。

生成結果を自分で見直し修正

「Muse Image」は、生成した画像を自身で評価し、問題があれば修正することもできます。修正は、細部にとどまる場合もあれば、画像をゼロから作り直したり、より正確な生成のためにツールを使い直したりと、状況によってさまざまです。

複雑な編集作業にも対応

「Muse Image」は、背景の景色を変える、パーツの色を変える、画像内のテキストを書き換えるなど、多様な編集指示に対応しているうえ、複数回にわたって修正をしても前の文脈を維持しながら編集が可能。

複数の参照画像から人物やオブジェクト、服装、スタイルなどの要素をそれぞれ抽出して1枚の画像に合成することもできます。

Muse Video：音声付き動画を生成

動画生成モデル「Muse Video」は「Muse Image」と同じ事前学習基盤をもとに構築された動画生成モデルです。映像と音声を同時に生成できる点が特徴で、指示内容を忠実に映像化するとともに、映像品質や描写の一貫性も高いといえます。

一方、音と映像のタイミングのずれや、素早い動きのリアルな再現に関して、現在改善が進められています。

参照元・出典：Meta AI Blog

【随時更新】Instagramアップデート最新動向：新機能、変更点、リリース情報を解説