Muse Image e Muse Video: os primeiros modelos de geração de media da Meta Superintelligence Labs
Muse Image e Muse Video: os primeiros modelos de geração de media da Meta Superintelligence Labs
A Meta apresentou a 7 de julho de 2026 o Muse Image e uma pré-visualização do Muse Video, os primeiros modelos de geração de imagem e vídeo desenvolvidos pelos Meta Superintelligence Labs. Trata-se do passo mais recente da empresa na construção de capacidades de media generativa próprias, depois de anos a recorrer a modelos de terceiros como a Midjourney e a Black Forest Labs para alimentar funcionalidades de imagem e vídeo no Meta AI.
O Muse Image é descrito como o modelo de geração de imagens mais avançado da Meta até hoje. Segue instruções com fidelidade, edita com precisão, compõe a partir de múltiplas imagens de referência e apoia-se no Instagram para contextualização social. O modelo está disponível desde já no aplicativo Meta AI e em meta.ai, nos Instagram Stories nos Estados Unidos e no WhatsApp num número limitado de países, devendo chegar em breve ao Facebook.
Ao contrário da abordagem tradicional que mapeia directamente um comando a uma imagem, o Muse Image opera como um agente. Invoca ferramentas de pesquisa e de programação para melhorar a precisão, refina as suas próprias gerações e beneficia do aumento de computação no momento da inferência. Esta natureza agente permite-lhe partilhar ferramentas e planear em conjunto com o Muse Spark, outro modelo dos Meta Superintelligence Labs, para uma geração de media mais poderosa e autónoma.
Durante o treino por reforço, o Muse Image aprende a escrever e a executar código para produzir gráficos e códigos QR exactos, condicionando a geração em figuras renderizadas para garantir a precisão dos detalhes. Quando combinado com o Muse Spark, o par utiliza código e geração de media para criar GIFs animados, páginas web com imagens incorporadas e jogos visuais interativos, alargando o alcance do que é possível produzir a partir de um comando simples.
A ferramenta de pesquisa permite ao modelo procurar na web para fundamentar as imagens em informação factual e em tempo real, bem como em referências visuais. Esta capacidade melhora sobretudo a exatidão em comandos exigentes do ponto de vista do conhecimento, particularmente quando envolvem eventos correntes e factos do mundo real, reduzindo alucinações visuais e detalhes incorrectos.
O comportamento de auto-refinamento do Muse Image surge de forma emergente: o modelo reflecte sobre o seu próprio trabalho dentro da cadeia de pensamento e corrige-o. Pode fazer uma edição local quando um pormenor está errado, gerar uma nova imagem do zero quando partes largas falham, ou recorrer a uma ferramenta para obter maior exatidão factual. A Meta sublinha que este comportamento não foi desenhado à mão, mas emergiu naturalmente durante o treino por reforço porque produz imagens melhores e, por conseguinte, recompensas superiores.
Tal como os modelos de linguagem, o Muse Image melhora quanto mais "pensa" no momento da inferência. Com mais computação no momento da inferência, o modelo raciocina mais, recorre a mais ferramentas e executa mais passos de auto-refinamento. A Meta observa uma relação aproximadamente log-linear entre o aumento da computação e a qualidade medida pelos scores Elo de preferência humana, e nota que gastar esse orçamento em raciocínio deliberado escala melhor do que gerar várias imagens e ficar com a melhor.
Na edição de imagens, o Muse Image altera exactamente o que o utilizador pede e mantém coerência ao longo de múltiplas rondas de edição, suportando refinamento iterativo e brainstorming aberto até ao resultado pretendido. A composição multi-referência permite-lhe combinar elementos de várias imagens de entrada, incluindo pessoas, objectos, roupa, estilos e ambientes, suportando ainda a intercalação de texto e imagens no próprio comando para composições complexas.
Em termos de desempenho, o Muse Image ocupa o segundo lugar no Arena para geração de texto-para-imagem, edição de imagem única e edição de múltiplas imagens, segundo os rankings de preferência humana Elo reportados a 5 de julho de 2026. O Muse Video, por seu lado, posiciona-se no terceiro lugar no Arena para texto-para-vídeo, numa fase ainda de pré-visualização, com a Meta a investir nas lacunas actuais de sincronização áudio-vídeo e de movimento rápido fisicamente correcto.
O Muse Video, construído sobre a mesma base de pré-treino do Muse Image, oferece fidelidade visual competitiva com suporte de áudio nativo e boa consistência temporal. A Meta partilhou uma pré-visualização inicial do modelo, que deverá chegar em breve aos criadores e ao Meta AI, reforçando a estratégia de oferecer uma família coerente de modelos de media generativa.
Para ajudar a distinguir o que é gerado por IA, o Muse Image integra o Content Seal, um sistema invisível de marca de água. As imagens criadas no aplicativo Meta AI e em meta.ai transportam um sinal de proveniência oculto que se mantém intacto mesmo quando a imagem é recortada, comprimida, redimensionada ou capturada por screenshot. A Meta planeia estender o Content Seal ao vídeo e já disponibiliza uma ferramenta de detecção para verificar se uma imagem contém esta marca.
A integração no ecossistema da Meta é profunda: combinado com as ferramentas sociais no Meta AI, os utilizadores podem criar imagens com amigos e reimaginar as suas fotografias do Instagram, mencionando contas públicas para gerar conteúdo personalizado. Poderosos utilizadores e criadores podem necessitar de um dos planos de subscrição mensais da Meta para gerar muitas imagens e aceder a certas funcionalidades, num modelo que visa atrair criadores e anunciantes.
Os investimentos contínuos da Meta em geração de imagem e vídeo visam capacitar criadores e empresas a produzir conteúdo dinâmico em toda a família de produtos da empresa, desde ativos de marketing para pequenas empresas até experiências criativas com amigos. Com o Muse Image e o Muse Video, a Meta aposta em modelos de media generativa próprios e profundamente ligados ao seu grafo social, numa mudança clara relativamente à dependência de soluções externas.
Se quiser saber mais, por favor visite: https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/
