Muse Image 1.0

Visão geral do posicionamento

muse-image-1.0/image-to-image é um modelo de geração e edição de imagens orientado por imagem de referência lançado pela Meta, acessível por meio da interface unificada do HiAPI.ai. Ele recebe como entrada uma ou mais imagens de referência, combinadas com prompts de texto, para realizar geração de cenas, substituição de elementos e reescrita de estilo, e decompõe e planeja o layout de instruções complexas de múltiplas partes antes de renderizar. É indicado para desenvolvedores que precisam usar materiais existentes como imagem-base e buscam alta fidelidade ao prompt e eficiência na produção em lote, podendo ser aplicado em fluxos como variações de materiais, imagens de cena de produtos e composição personalizada.

Destaques principais

• Fluxo de geração que primeiro raciocina e depois renderiza — antes da renderização, decompõe o prompt de múltiplas partes e planeja o layout, reduzindo a probabilidade de que instruções complexas sejam descartadas em uma única geração direta.
• Geração e edição realizadas no mesmo modelo — a fusão de imagens de referência e a reescrita conforme instruções dispensam o encadeamento de ferramentas de edição adicionais, reduzindo etapas de chamada.
• Várias imagens de referência por requisição — aceita até 10 imagens de referência, e é possível especificar no prompt o papel de cada imagem como sujeito, estilo ou composição.
• Especificações de saída controladas diretamente por parâmetros — permite definir a proporção e o formato de saída jpeg, png ou webp, facilitando a integração com a cadeia de materiais downstream.

Descrição das capacidades

Edição de imagens orientada por imagem de referência: recebe como entrada uma imagem de referência mais um prompt de texto e modifica ou preserva o conteúdo da imagem conforme o prompt, sendo adequada para ajustes direcionados em materiais existentes em vez de geração do zero.

Fusão de múltiplas imagens: uma única requisição pode conter de 1 a 10 imagens de referência, indicando no prompt o papel de cada imagem como sujeito, estilo ou composição, para tarefas de composição.

Execução decomposta de prompts complexos: planeja descrições de múltiplas partes antes de renderizar, tornando mais fácil implementar integralmente prompts que contenham vários sujeitos e requisitos de layout.

Controle das especificações de saída: suporta nove proporções, de 1:1 a 21:9, e permite escolher os formatos jpeg, png ou webp, produzindo diretamente conforme a necessidade de veiculação ou armazenamento.

Cenários de aplicação

• Equipes de publicidade e mídia: geração de variações em lote a partir de materiais existentes — enviar a imagem-base da marca e reescrever cena e proporção conforme o prompt de cada canal, produzindo vários conjuntos de materiais para testes A/B e distribuição multicanal.
• Operação de e-commerce: transformação de cenas de imagens de produto — usar fotos reais do produto como referência, indicar no prompt a substituição de fundo e cena e gerar imagens de catálogo ou de cena para a página de detalhes do produto.
• Composição personalizada: integração de fotos do usuário em novas cenas — usar a foto enviada pelo usuário como imagem de referência para compor uma cena temática e produzir imagens personalizadas para páginas de campanha ou compartilhamento social.

Limitações e recomendações de seleção

Informações públicas não divulgam detalhes técnicos como a arquitetura do modelo e a resolução de saída; os resultados gerados precisam ser avaliados conforme o efeito real. O raciocínio em várias etapas adiciona latência, não sendo adequado a cenários extremamente sensíveis ao tempo de resposta; a saída é limitada a imagens, sem envolver vídeo ou áudio. Se a tarefa exigir apenas geração de imagem a partir de texto sem imagem de referência, pode-se optar pela linha de geração texto-imagem da mesma família; se for necessário gerar vídeo ou obter latência menor, deve-se considerar outros modelos.