MetaがMuse ImageとMuse Videoを公開

米Metaは7月7日（現地時間）、同社のAI研究組織「Meta Superintelligence Labs（MSL）」が開発した、初のエージェント（自律的にタスクを実行するシステム）型画像生成AI「Muse Image（ミューズ・イメージ）」を公開しました。本モデルはプロンプト（指示文）をそのまま画像化するのではない、エージェントとして動作するものです。自らWeb検索やコーディングのツールを呼び出して画像を自己修正する機能を備えており、現在、「Meta AI」のWeb版やアプリのほか、InstagramやWhatsAppなどの同社製アプリを通じて提供が開始されています。

1. エージェント型の自己修正機能と実用性

Muse Imageの最大の特徴は、生成プロセスにおける自律的な自己修正機能です。モデルは必要に応じてコードを記述・実行し、正確なグラフや機能するQRコードを生成できるほか、Web検索を用いて時事的な事実に基づいた画像を生成できます。また、画像の特定部分のみを指示通りに変更する編集機能や、複数の参照画像から人物やスタイルを合成する機能も備えており、鮮明な文字描画能力によってインフォグラフィック（情報を視覚的にまとめた図）作成にも適しています。

2. 電子透かし技術とマルチメディア展開

生成された画像の安全性を担保するため、不可視の電子透かし技術「Content Seal（コンテンツ・シール）」が組み込まれています。これにより、画像のトリミングや圧縮、スクリーンショットを経た後でも来歴情報を保持できます。さらに、音声のネイティブ生成に対応し、映像と音声が一貫した品質で生成できる動画生成AI「Muse Video（ミューズ・ビデオ）」のプレビュー版もあわせて公開されました。

3. 研究組織「MSL」の背景

今回メディア生成モデルを発表したMSLは、Metaのマーク・ザッカーバーグCEOが「超知能」の実現を目指して昨年7月に立ち上げた研究組織です。米Scale AIのアレクサンドル・ワン氏を新部門トップに迎えるなど、巨額の投資と人材獲得を進めており、今年4月には視覚認識モデル「Muse Spark」を発表していました。

Metaが開発したエージェント型の画像生成AIは、従来の単方向の画像生成から、AI自身が検索や推論を行って品質を高める双方向のアプローチへのシフトを示しています。自己修正プロセスによって実用的な図表やQRコードが正確に作成できるようになることは、ビジネスやクリエイティブの現場における画像生成ツールの導入をさらに加速させると見られます。

引用元：ITmedia AI＋ | Metaについて | Impress Watch | 窓の杜