Meta pokazuje Muse Video, pierwszy własny model generowania wideo AI

Meta Superintelligence Labs zaprezentowała 7 lipca 2026 roku Muse Video, swój pierwszy autorski model generowania wideo z tekstu. To na razie wczesny podgląd, nie gotowy produkt, ale wyniki w niezależnym rankingu porównawczym stawiają go od razu w czołówce rynku zdominowanego przez Google, ByteDance i Runway.

Co pokazała Meta

Muse Video powstało na tym samym fundamencie treningowym co wcześniejsze Muse Image i dziedziczy po nim część architektury. Firma podkreśla natywną obsługę dźwięku, czyli generowanie ścieżki audio razem z obrazem w jednym przebiegu modelu, a nie jako osobny, doklejany później krok, co według Meta poprawia spójność między tym, co widać, a tym, co słychać.

W testach porównawczych na platformie Arena, gdzie użytkownicy oceniają wygenerowane materiały w ślepych porównaniach, Muse Video uplasowało się na trzecim miejscu pod względem ludzkich preferencji dla kategorii tekst-na-wideo, tuż za czołowymi modelami konkurencji. Meta chwali się dobrą wiernością wobec polecenia, jakością obrazu i spójnością między kolejnymi klatkami.

Ograniczenia, do których firma się przyznaje

Firma sama wskazuje, gdzie model jeszcze kuleje. Do słabych stron należą synchronizacja dźwięku z obrazem przy szybszych scenach oraz fizyczna wiarygodność gwałtownego ruchu, na przykład sportu czy akcji. Meta deklaruje, że to właśnie te dwa obszary są teraz priorytetem zespołu przed pełnym udostępnieniem modelu.

Na razie Muse Video nie trafiło do żadnej publicznej aplikacji. Meta zapowiada, że produkt pojawi się wkrótce dla twórców oraz w aplikacji Meta AI, bez podania konkretnej daty. To odróżnia go od Muse Image, które od razu weszło do użytku w kilku produktach firmy.

Cień kontrowersji wokół Muse Image

Premiera Muse Video następuje tydzień po głośnej i kontrowersyjnej premierze Muse Image, modelu obrazkowego, który pozwala generować zdjęcia bazujące na wizerunkach z cudzych, publicznych profili na Instagramie bez pytania właściciela konta o zgodę. Ta funkcja wywołała krytykę dotyczącą prywatności i wykorzystania cudzych podobizn bez wyraźnej autoryzacji.

Muse Video na razie nie oferuje analogicznej funkcji opartej na profilach innych osób, ale skoro dzieli architekturę z Muse Image i ma trafić do tych samych produktów konsumenckich, pytania o kontrolę nad wykorzystywanymi danymi i wizerunkami użytkowników prawdopodobnie powrócą, gdy model wyjdzie z fazy podglądu.

Rynek wideo generatywnego się zagęszcza

Wejście Meta na rynek generowania wideo zbiega się z falą premier konkurencji. W ostatnich tygodniach ByteDance pokazało Seedance 2.5 z natywnym trzydziestosekundowym generowaniem i lokalną edycją, a Google rozwija linię Veo, w tym najnowszy wariant zintegrowany z modelem Gemini Omni Flash. Wspólnym mianownikiem nowych modeli jest jednoczesne generowanie obrazu i zsynchronizowanego dźwięku w jednym przebiegu, co jeszcze rok temu wymagało osobnych narzędzi.

Dla twórców treści i marketerów oznacza to coraz krótszą drogę od pomysłu do gotowego materiału wideo z dźwiękiem, ale też rosnącą konkurencję między platformami o to, który model najlepiej radzi sobie z consistency postaci i realistycznym ruchem, czyli dokładnie tymi elementami, które Meta sama wskazuje jako słabość Muse Video.

Źródła: oficjalny blog Meta AI (ai.meta.com), ForkLog (forklog.com), Pexo (pexo.ai)