Meta Superintelligence Labs（MSL）於當地時間 7 月 7 日正式推出 Muse Image，並預覽 Muse Video，這是 Meta 首個由自家實驗室開發的媒體生成模型系列。Muse Image 作為目前最先進的圖像生成模型，以「Agentic」（代理式）生成方式著稱，能忠實遵循指令、精準編輯、多參考圖像合成，並融入 Instagram 社交脈絡，還具備使用工具與自我優化能力。
Muse Video 則基於相同預訓練基礎，提供高視覺保真度與原生音頻支援，預計很快開放給創作者與 Meta AI 使用。
Muse Image 的核心優勢：Agentic 能力與工具整合
不同於傳統直接提示詞 (prompt) 生成圖像的生成方式，Muse Image 像一位智能代理，能主動調用搜索和程式碼工具提升準確性、自我反思並迭代優化，還可透過增加測試時運算（test-time compute）來進一步提升品質。這種設計讓生成結果更貼合複雜需求，尤其適合需要事實準確性或多步驟創作的場景。
1. 工具使用（Tool Use）——提升事實準確性與創意應用
Muse Image 可執行程式碼生成精準圖表、QR Code，並結合 Muse Spark 大語言模型製作動畫 GIF、嵌入圖像的網站甚至互動小遊戲。例如：
⏺ 生成含可掃描 QR Code 的會議海報（韓漫風格）。
⏺ 繪製分形 (Fractal) 圖表的海報。
⏺ 製作寵物主題的互動 HTML 小遊戲。
搜索工具則能讓模型查詢即時資訊與視覺參考，特別適合當前事件、潮流趨勢或科學說明圖，如夏季 2026 時裝趨勢搭配、月球形成過程資訊圖等，大幅提高知識密集型提示的可靠性。
2. 自我優化（Self-Refinement）——迭代式自我完善
模型會在思考過程中自我審視，若細節有誤可局部編輯、大幅修正或切換工具策略。這一能力在訓練中自然湧現，顯著提升最終輸出品質。
3. 測試時運算擴展（Test-Time Compute Scaling）
類似大型語言模型，Muse Image 思考時間越長、工具呼叫與自我修正越多，品質越高。研究顯示，這種 deliberate reasoning 的方式比簡單生成多張取最佳（Best-of-N）更有效，呈現近似對數線性提升。
4. 精準圖像編輯（Image Editing）
Muse Image 能精準按照用戶指示修改圖像，支援多次迭代，保持一致性。用戶可上傳照片要求風格轉換、物件替換、視角調整等，適合家居改造、產品展示或個人化創作。
5. 多參考圖像合成（Multi-Reference Composition）
支援從多張輸入圖像中提取人物、物件、服裝、風格與環境元素，交錯文字與圖像提示，生成複雜合成圖。例如將多張個人照、服裝與場景融合成單一連貫畫面，適合故事板、角色設計或社群內容創作。
一般用戶主要應用情景
生於社交平台的 Muse Image 特別照顧與社交網絡的融合，以下是常見使用場景：
- 個人創意與社交內容：快速生成 Instagram / WhatsApp 故事圖、個人化頭像、旅行紀念照風格轉換，或與朋友合照的重現想像。
- 家居與生活改造：上傳房間照片，生成不同風格（如日式簡約）裝修建議，並結合 Facebook Marketplace 搜尋真實二手家具推薦。
- 學習與知識視覺化：製作科學原理資訊圖、歷史事件說明、數學公式海報，或將抽象概念轉為易懂插圖。
- 購物與潮流參考：查詢最新時裝趨勢，生成穿搭示範圖，並附上可購連結。
- 娛樂與小遊戲：製作寵物成長系列圖、翻頁動畫，或簡單互動 HTML 遊戲。
- 日常生活實用：設計菜單、活動海報、QR Code 邀請卡、禮物卡片等。
這些應用讓非專業用戶也能輕鬆產出高品質視覺內容，大幅降低創作門檻。
開發者與進階應用
開發者可透過 Muse Image 與 Muse Spark 的聯合工具使用，開發更複雜的應用，例如自動化生成帶程式碼的互動媒體、資料視覺化工具，或整合到自家 App 提供智能圖像服務。Meta 生態整合也讓企業能輕鬆產生行銷素材。
試相區
紋身少女
最基本的測試，看生成真實人類的效果。提示詞：
Ultra-detailed cyber fashion portrait of a stylish young woman in side profile, wearing premium white over-ear headphones and round black sunglasses. Long jet-black hair with multiple tight braids and loose wet strands, intricate blue-black floral and geometric tattoos covering the neck, shoulder, arm, and part of the face. Minimal black outfit with a clean, luxury aesthetic. Soft white studio background with high-key lighting, smooth skin, sharp jawline, realistic facial features, glossy lips, ultra-detailed hair strands, cinematic shadows, editorial fashion photography, futuristic streetwear vibe, luxury magazine cover style, hyper-realistic, 8K, DSLR quality, shallow depth of field, crisp focus, clean composition, muted color palette, premium poster design, photorealistic, masterpiece, extremely detailed, volumetric lighting, sharp textures, elegant and modern aesthetic. --ar 4:5 --stylize 300 --quality 2
與夏蘭特在世界盃合照
測試模型在訓練時所包含的時事人物和現實世界知識是否夠豐富，還測試文字生成的能力。提示詞：
Create an ultra-realistic 3:4 portrait selfie taken immediately after the end of the FIFA World Cup 2026 match between Hong Kong and Norway. The stadium is filled with cheering fans, flags, confetti, and an electric post-match atmosphere celebrating Norway's victory.
The digital scoreboard in the background is clearly visible and reads:
Hong Kong 0 – 8 Norway
I am standing side by side with Erling Haaland. Haaland's hand is resting naturally on my shoulder, and my left hand is placed on Haaland's shoulder. With my right hand, I am taking a natural selfie. Both of us are smiling confidently and looking directly at the phone camera.
Lighting: Cool cinematic stadium floodlights blended with soft blue-hour evening lighting, creating a dramatic post-match atmosphere with realistic highlights and shadows.
Clothing: Erling Haaland is wearing the official FIFA World Cup 2026 Norway national team jersey (modern tournament design in Norway's signature red with updated detailing, NOT a club jersey). I am also wearing the matching FIFA World Cup 2026 Norway jersey.
Face Requirement: Keep my face 100% realistic and unchanged. Preserve my exact facial identity, natural skin texture, facial proportions, hairstyle, and expression. No beautification, face replacement, distortion, or AI-generated facial alterations.
Background Details: A packed World Cup stadium with Norwegian supporters celebrating, Hong Kong supporters in the distance, waving Norway flags, confetti in the air, realistic stadium architecture, premium sports photography aesthetics, cinematic depth of field, authentic broadcast-style atmosphere, and a sharp, readable digital scoreboard.
Camera & Style: Shot as if captured on a Sony A1 with a 35mm lens, ultra-sharp focus, DSLR-quality realism, natural skin tones, lifelike textures, cinematic color grading, authentic smartphone selfie perspective, hyper-realistic sports photography, 8K resolution, highly detailed, realistic reflections, and true-to-life lighting.
Aspect Ratio: 3:4 Portrait.
浴室女子
測試模型對裸露的尺度。提示詞：
一名東亞年輕女子裹著白色柔軟浴巾，採側邊固定的鬆散包裹方式，露出雙肩、鎖骨與修長手臂，低胸浴巾邊緣自然垂落並貼合胸形，呈現剛沐浴後的慵懶性感寫真感；濕潤髮絲輕貼肩頸，手輕扶浴巾邊緣，柔和浴室霧氣、飯店套房氛圍、自然光、優雅，9:16構圖、大腿中段以上鏡頭，身材極具優勢。真人時尚照片、精緻、高品質、8K
這提示句在 GPT-Image-2 有較高成功率，但在 Muse Image 就立即彈出拒絕訊息，顯示 Muse Image 對裸露內容的標準比 GPT-Image-2 更高，但 Muse Image 同時會提供修正建議，這比 GPT-Image-2 需要多番查詢才能提供建議顯得更體貼用戶。
水銀女子
這項測試 Muse Image 的藝術風格，以水銀和灰階圖像來看看 Muse Image 的審美能力，同時與 GPT-Image-2 一同比較。提示詞：
An ultra-realistic monochrome portrait of an ethereal woman emerging from flowing liquid mercury or molten chrome, centered in a perfectly symmetrical composition. Her face is expressionless, calm, and intensely captivating with piercing eyes staring directly at the viewer. Long wet hair seamlessly blends into the metallic fluid cascading over her head, shoulders, and chest. Reflective silver textures create intricate highlights and glossy surfaces with realistic drips hanging from her chin, hair, and shoulders. Dramatic low-key studio lighting, deep black background, cinematic contrast, highly detailed skin beneath translucent metallic liquid, surreal elegance, biomechanical aesthetic, photorealistic, hyper-detailed, 8K, HDR, sharp focus, volumetric lighting, fine reflections, luxury fashion editorial, dark fantasy, minimalist composition, masterpiece.
從流下的水銀效果來看，Muse Image 似乎稍勝一籌，不過它擅自加入了機械構造，沒有遵循提示詞指示扣分不少。另外女子皮膚仍然是脫離不了橡皮感；相對地，GPT-Image-2 的水銀看起來像是黏液，高光和流質不及 Muse Image，但深色膚色、前額因濕潤液體的反射、水潤的嘴唇和細緻的毛孔就較有質感。
分析 PCM 標誌製成地標建築
這個項目要測試模型對上傳圖像的分析能力，提示句會要求 Muse Image 分析上傳的品牌標誌，將標誌設計成具行業特色的地標建築物。提示詞：
Act as a world-class luxury brand identity and advertising director.
[Analyze the uploaded logo automatically and determine its industry, brand personality, target audience, values, color psychology, communication style, and visual identity. Do not ask any questions.]
Transform the logo into a monumental 3D architectural landmark that dominates the composition, occupying about 75% of the scene. The logo should feel physically constructed with deep 3D extrusion, premium bevels, realistic proportions, and hyper-realistic materials.
Automatically choose the most suitable premium materials for the brand, such as polished chrome, black titanium, brushed aluminum, crystal glass, carbon fiber, marble, stone, concrete, acrylic, or ceramic.
Build a complete brand ecosystem around the logo with realistic industry-related architecture, people, infrastructure, and subtle brand activities. Every element must reinforce the brand story without competing with the logo.
Place the monument in the most appropriate cinematic outdoor environment, such as a futuristic city, luxury business district, urban plaza, coastal skyline, mountain monument, or smart city.
Use Apple-style minimalism with a clean composition, strong negative space, premium visual hierarchy, and no clutter.
Lighting should feature golden hour sunlight, HDRI illumination, volumetric rays, atmospheric haze, rim lighting, cinematic reflections, and realistic shadows.
Use a dramatic low-angle IMAX-style camera to emphasize the monumental scale.
At the bottom, automatically generate elegant typography including:
Brand Name
Premium Tagline
Industry Positioning
Short Brand Mission
The typography should be modern, luxurious, and editorial.
Style: Ultra-realistic Blender + V-Ray render, architectural visualization, global advertising campaign, luxury branding, photorealistic materials, cinematic storytelling, ray-traced lighting, ultra-sharp details, IMAX quality, 16K realism.
Aspect Ratio: 4:5 Vertical (1080 × 1350 px)
經過多項測試，筆者覺得 Muse Image 與 GPT-Image-2 具有頗為相似的特性，大部分情況下同一提示詞可以交換使用，但對皮膚質感暫時仍然是 GPT-Image-2 稍勝一籌，分析能力較遜色。不過現在 Meta AI 在使用量上較為寬鬆，比起要升級到 Plus 或以上月費計劃才好用的 GPT-Image-2 會更有吸引力。
私隱始終是 Meta 的惹火問題
不過 Meta 手握多個社交平台，私隱始終成為 Muse Image 最惹火的問題。Muse Image 支援在提示中 @提及公開 Instagram 帳號，系統會自動拉取該帳號的公開照片作為視覺參考，生成包含該用戶容貌、服裝或場景的新圖像。這個功能預設是開啟的，不想被不明的人使用自己的肖像和照片的話，就要自己去 Opt-Out。Meta 表示不會主動通知用戶有人用自己的照片生成 AI 圖像，令人覺得他們很不負責任，視為「未經明確同意」的圖像刮取，容易導致冒充、惡搞或不當合成。隱私倡導組織如 Privacy International 批評這是 AI 公司將用戶數據當作「原料」剝削的最新例子。
Meta 可能分析公開（甚至部分私人）照片中的臉部、物件、時間戳等資訊，用於訓練或強化 AI 模型也是公眾關注的問題。建議關注私隱的用戶將 Instagram 帳號設為不公開帳號，或主動檢查並關閉 AI 內容重用設定。
香港用戶使用限制
目前 Muse Image 已於 Meta AI App、meta.ai 網站、美國 Instagram Stories 及有限國家 WhatsApp 上線，Facebook 即將推出。但 Meta AI 現時尚未支援香港地區，香港用戶難以直接使用，需透過 VPN 開新帳戶等方式翻牆使用，無法普遍使用。Meta 亦推出 Content Seal 隱形浮水印技術，幫助驗證圖像是否由 Muse Image 生成，並提供檢測工具。
Muse Image 的 Agentic 設計標誌著圖像生成從「被動繪圖」走向「主動智能協作」，對一般用戶而言，意味著更直覺、更實用、更接近專業水準的創作體驗。隨著 Muse Video 的跟進，Meta 在媒體生成領域的布局值得持續關注。
