Meta发布Muse Image：集搜索、编程能力于一体的图像生成模型

Meta Platforms今日推出了一款能够编写代码并搜索网络的图像生成模型。

Muse Image是Meta超级智能实验室迄今发布的第二款算法模型，该实验室是Meta旗下的人工智能研究机构。第一款是于今年4月亮相的大语言模型Muse Spark。两款模型均可通过Meta AI聊天机器人使用。

Muse Image能够根据详尽的多句话提示词生成图像，同时具备编辑现有照片的能力。用户可以让模型去除雾气等元素、调整拍摄角度，以及进行其他修改。Meta AI聊天机器人还提供了一项优化功能——用户可以上传草图来说明具体的编辑需求，从而进一步调整Muse Image的输出结果。

从底层架构来看，Muse Image与推理优化型大语言模型有若干相似之处，其中最值得关注的是其工具调用能力。

当用户的提示词缺少Muse Image生成图像所需的细节时，模型可以调用搜索工具从网络中获取所需信息。另一个内置工具则赋予了模型代码生成能力——例如，它可以编写Python脚本，将电子表格中的数据转化为图表，从而提升复杂可视化内容的生成精度。

当Muse Image自身的编程能力不足以处理某些用户请求时，它还可以联动Meta的推理模型Muse Spark协同完成任务。Muse Spark大语言模型能够将Muse Image生成的图像进一步转化为网页或游戏。

许多图像生成器采用一种名为"最优N选一"（BoN）的方法来优化输出——即同时生成多个媒体文件，再从中挑选最符合用户提示词的一个。

Muse Image则采取了不同的策略。据Meta介绍，该模型在开始生成图像之前会进行"深思熟虑的推理"。Meta表示，这种方式相比BoN能更高效地利用底层基础设施。Muse Image支持测试时计算扩展功能，这意味着投入更多算力可以直接提升输出质量。

模型在将生成图像呈现给用户之前会先进行自我审查，并在必要时进行调整。Meta表示，这种被称为"自我精炼"的行为是在强化学习训练阶段自然涌现的。强化学习通过反复试错来增强AI模型的推理能力。

Muse Image目前已在有限市场中通过Meta AI聊天机器人上线，同时还为Instagram故事新增了一批图像特效功能。Meta计划未来将该模型引入Facebook、Messenger以及Instagram的更多场景。

此外，Meta还计划推出一款名为Muse Video的视频生成工具，其早期版本在主流AI视频生成器排行榜Arena AI上位列第三。

Meta还计划在未来数周内，通过其Advantage+营销工具套件向广告主开放Muse Image。Muse Video或将采取同样的路径。鉴于Meta据报道有意推出AI基础设施服务，两款模型未来也有可能通过应用程序接口（API）向开发者开放。

Q&A

Q1：Muse Image是什么？它有哪些核心功能？

A：Muse Image是Meta超级智能实验室推出的图像生成模型，可通过Meta AI聊天机器人使用。它不仅能根据详细的文字提示生成图像，还能编辑现有照片，例如去除雾气、调整拍摄角度等。此外，它还具备工具调用能力，可搜索网络获取补充信息，也能生成Python等代码脚本，提升复杂可视化内容的生成质量。

Q2：Muse Image和其他图像生成器有什么不同？

A：大多数图像生成器采用"最优N选一"（BoN）方法，即同时生成多个图像再挑选最佳结果。Muse Image则在生成图像前先进行"深思熟虑的推理"，能更高效地利用底层算力资源。它还支持测试时计算扩展，算力越强，输出质量越高。同时，模型具备自我审查和精炼能力，会在输出前自动检查并优化结果。

Q3：Muse Image目前在哪里可以使用？未来有什么计划？

A：Muse Image目前已在部分市场通过Meta AI聊天机器人上线，并为Instagram故事提供新图像特效。Meta计划未来将其扩展至Facebook、Messenger和Instagram更多功能模块，同时将通过Advantage+套件向广告主开放。此外，Meta还计划推出视频生成工具Muse Video，并可能通过API向开发者提供这两款模型。