据Linux.do社区用户发布的实测帖，Facebook推出的Muse模型是一款典型的多模态生成模型，具备图片、音频和视频生成能力。发帖者对该模型进行了实际测试并分享了第一手使用体验。在图片生成方面，Muse的表现与Grok、Gemini的质量相当，处于第一梯队，但未达到顶级水平。在视频生成方面，Muse略优于Gemini和Grok，但与字节跳动的Seedance 2.0仍有明显差距，大致处于1.5梯队的水平。该模型的主要短板在于中文支持欠佳，生成内容带有较重的台湾地区口音，这也是发帖者对其评分不高的主要原因。此外，帖子中展示的GIF图片清晰度受限，是因社区平台存在文件大小限制，模型原始生成内容的实际清晰度较高。整体来看，此次测试为社区用户了解Meta旗下最新多模态生成模型的能力边界提供了直观参考，尤其是其与Grok、Gemini、Seedance等主流生成模型的横向对比结论，具有一定的选型参考价值。
事件分析
Muse的推出意味着Meta正式加入多模态统一生成的竞争行列，将图像、音频与视频生成整合于单一模型，这一技术路线与Gemini、GPT-4o等主流方案趋同，印证了行业从单一模态专用模型向统一多模态架构演进的方向。从横向对比结果看，Muse的视频生成能力已超过Gemini和Grok，但落后于字节跳动Seedance 2.0，显示中国厂商在视频生成赛道的领先优势仍在延续。中文支持不佳及口音问题，则反映出Meta在中文语料训练与本地化优化上投入有限，这将直接制约其在中文市场的竞争力。后续值得关注的是Muse是否会开源或通过API开放使用，以及Meta能否通过快速迭代补齐中文能力短板，这些因素将决定该模型在中文AI生成生态中的实际影响力。
核心观点：Meta携Muse入局统一多模态战场，视频能力可圈可点，但中文短板暴露其全球化模型难以兼顾本地化市场的困境。
原文链接：Linux.do
