تصور کنید بخواهید دوستتان را در یک فضای خیالی قرار دهید، اما بهجای توصیف دقیق چهره او، فقط نامش را تگ کنید. با عرضه مدل Muse Image، این اتفاق اکنون در سطح صنعتی رخ داده است.
طبق اعلام رسمی متا در ۷ جولای ۲۰۲۶، این قابلیت در اپلیکیشنهای اینستاگرام و واتساپ فعال شد و بهزودی به فیسبوک و مسنجر نیز میرسد. این تغییر، گذاری است از خانواده Llama به خانواده مدلهای Muse. همانطور که در تحلیلهای قبلی ما دربارهی سختافزارهای پوشیدنی متا دیدیم، این شرکت اکنون تمرکز خود را روی ادغام عمیقتر نرمافزاری گذاشته است. این سیستم شبیه به یک کارگردان casting دیجیتال است؛ بهجای اینکه ویژگیهای یک بازیگر را توصیف کنید، فقط او را برای حضور در صحنه انتخاب میکنید.
این پروژه توسط بخش Superintelligence Labs به رهبری الکساندرا وانگ مدیریت میشود. بر اساس مستندات متا، مدل Muse Image بهصورت عاملمحور (Agentic) — یعنی سیستمی که میتواند هدف را بفهمد و برای رسیدن به آن برنامهریزی کند — طراحی شده است. این رویکرد عاملمحور در راستای استراتژی گستردهتر متا برای تجاریسازی ابزارهای هوش مصنوعی است که پیشتر در طرح اشتراک ماهانه ۲۰۰ دلاری Hatch برای بازگشت هزینههای زیرساختی به آن اشاره شده بود. این مدل با کمک یک مدل زبانی بزرگ (LLM) به نام Muse Spark — که مثل کتابخانهداری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — ابتدا دربارهی پرامپتها استدلال میکند، وب را میگردد و سپس پیکسلها را میسازد.
قابلیتهای کلیدی این مدل عبارتند از:
- تگ کردن کاربران: استفاده از عکسهای عمومی حسابهای تگشده برای ساخت تصاویر.
- بازطراحی محیط: استخراج تصاویر از Facebook Marketplace برای بازسازی فضای داخلی.
- ویرایش مستقیم: تغییرات لحظهای روی عکسها برای استوریها یا فید.
- ساخت قالب: تولید طرحهای خاص برای کارتپستال و دعوتنامهها.
به باور تحلیلگران، متا با این کار گراف اجتماعی اینستاگرام را به یک مجموعهداده مرجع برای تولید لحظهای تبدیل کرده است. این رویکرد باعث میشود تجربه کاربر بهشدت شخصیسازی شود و وابستگی کاربر به پلتفرم افزایش یابد.
گام بعدی شما
- اگر در ایالات متحده هستید، تنظیمات Stories اینستاگرام را برای یافتن ۳۰ افکت جدید Muse بررسی کنید.
- برای تست قابلیت بازطراحی اتاق، تصاویر محیطی خود را در Marketplace آپلود و با مدل جدید ترکیب کنید.
- منتظر عرضه مدل Muse Video باشید که طبق ادعای وانگ، ثبات زمانی و کیفیت بصری خیرهکنندهای خواهد داشت.
این تنها آغاز ماجراست؛ اثر موجگونهی این تصمیم بر حریم خصوصی و اکوسیستم محتوای بصری را در گزارش بعدی بررسی خواهیم کرد.
گفتگو