Muse ImageとMuse Video ― Metaが「自社製メディア生成AI」を初投入
まず全体像を、専門用語を避けて整理しておきたい。今回Metaが出したのは二つの「生成AI」である。一つは文章（プロンプト）から絵を作る画像生成AI「Muse Image」、もう一つは文章から動画を作る動画生成AI「Muse Video」だ。いずれも、Metaが2025年に立ち上げた社内組織Meta Superintelligence Labs（MSL、超知能ラボ）が自前で開発した、同ラボにとって初めての「メディア（画像・映像）を生み出すモデル」にあたる。
重要なのは、この二つが同じ発表でも提供状態が異なる点だ。Muse Imageは発表と同時に一般ユーザーが使える正式提供として立ち上がった。一方のMuse Videoは、現時点では実際に触れる製品ではなく、Metaが「自社の動画品質が今どこまで来ているか」を示すための先行プレビュー（デモ公開）であり、クリエイターやMeta AIへの一般提供は「近日中」とされる。つまり本記事のタイトルにある「プレビュー版の動画生成AI Muse Video」はMuse Videoの状態を正確に表し、「画像生成AI Muse Image」はすでに手元で動く正式版を指す。
Metaの生成AIといえば、これまでは研究段階の動画モデル「Movie Gen」（2024年10月公開）や、他社モデルに依存したAI動画フィード「Vibes」（2025年9月公開）が知られていた。VibesはMidjourneyやBlack Forest Labs（FLUXの開発元）のモデルを借りて動かしており、「AIスロップ（粗製乱造のAIコンテンツ）」との批判も浴びていた。今回のMuse Image／Muse Videoは、その心臓部を外部モデルから自社モデルへ置き換えるという、Metaにとって戦略的な意味を持つ一手である。ここに、後述するシリコンバレーVCが注目する「垂直統合」の論点が潜んでいる。
画像生成AI「Muse Image」とは何か
Muse Imageは、MSLが開発した初の画像生成モデルで、Metaは「これまでで最も高度な画像生成モデル」と位置づける。単に見栄えの良い絵を出すだけでなく、指示に忠実に従い、精密に編集し、複数の参照画像を合成する点を強みに掲げる。具体例で考えると分かりやすい。たとえば「白い犬が虹の橋を渡るポスターに、大きく読める文字で『Happy Birthday』と入れて」と頼めば、崩れない文字入りのポスターを描き出す。従来の画像生成AIが苦手としてきた「絵の中に読める文字を入れる」能力に重点が置かれており、インフォグラフィックや案内図、ポスターといった実用的な用途を想定している。
Muse Imageの最大の特徴は、画像を「一発で描いて終わり」にせず、エージェント（自律的に道具を使うAI）として振る舞うことだ。Metaの説明によれば、Muse Imageは必要に応じて自らコードを書いて実行し、正確な棒グラフやQRコードを描く。あるいはWeb検索を呼び出して、実在の建物や最新のロゴといった「事実に基づく画像」を正しく生成する。さらに、いったん生成した画像を自分で「見て」、部分的に描き直したり、ゼロから作り直したり、別の道具を使ったりして自己修正（self-refinement）する。Metaはこの自己修正が、強化学習（RL）の訓練過程で「自分で直した方が良い画像になる」という理由から自然に獲得された挙動だと述べている。
もう一つ、大規模言語モデル（LLM）の世界で定着した考え方を画像に持ち込んだ点も新しい。Muse Imageは推論時に「考える時間」を増やすほど品質が上がるという、ほぼ対数線形のスケーリング（テスト時計算のスケーリング）を示すという。難しい指示ほど内部でより多くのステップを費やして精度を高める設計で、これは同ラボが4月に投入した推論モデル「Muse Spark」と道具や計画を共有することで、GIFアニメやWebサイト、遊べるビジュアルゲームといった複合的な生成にもつながっていく。
性能面では、Metaは画像評価の定番であるLMArena（人間による相対評価アリーナ）で、テキスト→画像・単一画像編集・複数画像編集の3部門でいずれも2位（2026年7月5日時点、Metaの発表）にランクインしたとする。首位はOpenAIの「GPT Image 2」とされる（ForkLogなどの報道）。トップではないものの、実質最上位グループに一気に食い込んだ格好だ。用途としては、テキストからの生成や既存写真のマークアップ編集（画像上に直接書き込んで指示する編集）、複数写真の合成、インテリアの模様替えシミュレーション、広告クリエイティブのカスタマイズなどが挙げられ、Instagram Storiesには30種類以上のAIエフェクトが同時に追加された。
動画生成AI「Muse Video」とは何か
Muse Videoは、MSLが開発した初の動画生成モデルである。ただし繰り返しになるが、これは実際に使える製品としてではなく先行プレビューとして示された。Metaはその狙いを「動画の品質が現時点でどこまで到達しているかを示す進捗の節目」と説明しており、完成品ではないことを自ら明言している。
技術的に見逃せないのは二点だ。第一に、Muse VideoはMuse Imageと同じ事前学習の土台（基盤モデル）を共有している。静止画と映像で一つのベースモデルを再利用する設計で、画像で培った表現力をそのまま映像へ拡張する狙いがある。第二に、Muse Videoはネイティブ音声（native audio）に対応する。これは、映像を作った後に音を後付けするのではなく、テキストから映像と同期した音声を1回の生成で同時に作り出す方式を指す。効果音や環境音を映像と一体で生成できることは、2026年の動画生成競争で「標準装備」になりつつある機能であり、Metaもその土俵に乗ってきた。
性能について、Metaはテキスト→動画の人間選好評価で3位に位置すると発表した。同時にMetaは、現時点での弱点として音声と映像の同期、および速い動きの物理的な正確さの二つを明示している。ここを課題として名指しすること自体が、この公開が「完成宣言」ではなく「進捗報告」であることを裏づけている。一般提供の時期は「近日中にクリエイターとMeta AIへ」とされるにとどまり、具体的な日付、生成できるクリップの長さや解像度といった仕様は現時点で公表されていない。
提供形態と狙い ― 「無料の入口」から広告へ
提供形態を押さえると、Metaの狙いが見えてくる。Muse Imageは発表と同日から、Meta AIアプリおよびmeta.ai、米国のInstagram Stories、一部の国のWhatsAppで使える。Facebook、Messenger、その他の面には「近日提供」とされる。料金は「日常的な創作は無料」で、一定の生成回数を超えるヘビーユーザー向けにサブスクリプション（有料プラン）で生成枠を増やす、というフリーミアム型を採る。
この「無料の入口」の先に、Metaの本丸がある。Metaは今後数週間のうちに、広告主や代理店が広告運用ツール「Advantage+ クリエイティブ」からMuse Imageを使えるようにすると明言した。つまりMuse Imageは、単なる消費者向けの遊び道具ではなく、世界最大級の広告プラットフォームに生成AIを直結させるための入口として設計されている。Zuckerberg氏が掲げる「パーソナル・スーパーインテリジェンス（一人ひとりのための超知能）」という長期ビジョンの、実利的な最初の収穫地点がここに置かれている。
真贋を巡る備えも用意された。Metaは生成物にContent Sealと呼ぶ不可視の電子透かし（見えない来歴シグナル）を埋め込む。これは切り抜き・圧縮・リサイズ・スクリーンショットを経ても残るとされ、meta.ai/identification の判定ツールで検出できる。生成物が氾濫する時代に、コンテンツの出所（プロブナンス）をたどる仕組みを標準搭載した形だが、後述するプライバシー論争が示す通り、「AI生成であることを検証できること」と「自分の写真が勝手に使われないこと」は別問題である。
なぜ今なのか ― Meta Superintelligence Labsと143億ドルの賭け
Muse Image／Muse Videoを理解するには、それを生んだ組織の文脈が欠かせない。2025年、MetaはデータラベリングのスタートアップScale AIに143億ドル（約2兆3,000億円）を投じて株式の49%（議決権は取得せず）を握り、同社創業者のAlexandr Wang（アレクサンドル・ワン）氏を最高AI責任者（Chief AI Officer）として迎え入れた。ワン氏が率いるのがMSLである。同ラボには、元GitHub CEOのNat Friedman氏、Safe Superintelligenceの共同創業者だったDaniel Gross氏らが集い、OpenAI・Anthropic・Google・Appleから研究者を引き抜いた。一部の報酬パッケージは1億ドル（約162億円）超、Appleの基盤モデル責任者だったRuoming Pang氏には4年で2億ドル（約324億円）とも報じられる、桁外れの人材獲得競争だった。
この賭けの背景には、Metaが2025年にGoogle・OpenAI・Anthropicの後塵を拝したという焦りがある。MSLが最初に世に問うたのが、2026年4月8日公開の推論モデル「Muse Spark」だ。これはMetaにとって初の本格的な自社製（プロプライエタリ）基盤モデルであり、無償公開してきたオープンソースの「Llama」路線から、有料提供で収益化する路線への転換点となった。Muse Sparkは、道具の使用や視覚的な思考連鎖、複数エージェントの並列推論（Contemplating mode）を備えるマルチモーダル推論モデルで、Metaは難関ベンチマークで「Humanity's Last Exam」58%、「FrontierScience」38%といった数値を示している。今回のMuse Image／Muse Videoは、この頭脳（Muse Spark）に目と手（画像・映像の生成能力）を与える位置づけだ。
そして、これら全体を支えるのが凄まじい設備投資である。Metaは2026年の設備投資（capex）を、1月の決算時点で1,150億〜1,350億ドルとした後、第1四半期に1,250億〜1,450億ドル（約20兆〜23兆円）へ引き上げた。これは2025年の約720億ドル（約11.7兆円）のおよそ2倍にあたる。年間20兆円超という国家予算級の資本を、データセンターとGPUへ注ぎ込む——その投資が消費者向け製品と広告収益に結実する最初の証拠として、Muse Imageは投資家の前に差し出された。
プライバシーという火種 ― Instagram写真の「オプトアウト」問題
華々しい発表の裏で、公開初日から強い反発を招いた機能がある。Muse Imageでは、プロンプトの中で公開設定のInstagramアカウントを@メンションして「創作の参照」に指定できる。するとシステムはそのプロフィールから写真を引き込み、本人の許諾も通知もなしに、その人物の見た目を取り込んだ新しい画像を生成しうる。TechCrunchやDigital Trendsは、この仕様を「明示的な同意なしに実在ユーザーを生成画像に引き込むのは、いつ爆発してもおかしくないプライバシーの地雷だ」とする批判を伝えている。
問題を先鋭化させているのは、これがオプトイン（利用者が許可して初めて有効）ではなくオプトアウト（初期状態で有効、嫌なら自分で切る）である点だ。公開アカウントは既定で対象に含まれ、Meta自身の説明も「MetaのAI機能で作成されたコンテンツについて通知は受け取らない」と明記する。無効化するにはInstagramの設定から「共有と再利用」に入り、「自分のコンテンツをInstagramおよびMetaのAI機能で利用することを許可する」の投稿・リールをオフにする必要がある。しかもこの操作は将来の生成を止めるだけで、すでに作られた画像は消えない。前述のContent Sealはあくまで「AI生成である」ことを検証する仕組みで、「作らせない」制御は与えない。
この論点は、Metaが背負う履歴と結びつくことで重みを増す。Metaは2019年、Cambridge Analytica問題を受けて米連邦取引委員会（FTC）に50億ドル（約8,100億円）の制裁金を支払い、2021年には規制圧力の中で顔認識システムを停止した経緯を持つ。数十億人分のソーシャルグラフと写真という「データの堀」は、生成AIにとって最強の資産であると同時に、規制と世論の最も敏感な部分に触れる。Muse Imageのデータ活用は、その表裏一体性を改めて浮き彫りにした。
群雄割拠の生成メディア市場 ― Sora 2・Veo・Kling・Runway
Muse Image／Muse Videoが投入された2026年の生成メディア市場は、もはや一強ではない。2025年初頭には有力プレイヤーが数社だったのが、いまや十数のフロンティアモデルがひしめき、同期音声（ネイティブ音声）はもはや標準装備となった。
顔ぶれを概観すると、OpenAIの「Sora 2」は物理挙動の再現とカメラワーク、シネマティックな品質に強く、同期した台詞と効果音を備える。Googleの「Veo 3.1」はプロンプト忠実度と多用途性が評価され、高速モードで1秒あたり0.15ドル（約24円）からという価格も打ち出す。中国勢の台頭も著しく、Kuaishou（快手）の「Kling 3.0」は広く使えるモデルの中で高いEloスコアと低価格を両立し、10秒・1080p・音声付きのクリップを約0.84ドル（約136円）で生成できるとされる。ByteDanceは2026年2月に音声と映像を統合生成する「Seedance 2.0」を投入し、Runwayは「Gen-4.5」でプロの映像編集者から支持を集める。Artificial Analysisの動画アリーナでは、音声付きテキスト→動画の上位をByteDance・Alibaba・Kuaishouといった中国勢が占めるという地政学的な地殻変動も起きている。
この市場を資金面から見ると、熱狂の規模がわかる。各種集計によれば、AI動画関連スタートアップへの2025年の資金流入は約30.8億ドル（約5,000億円）と、前年の約15.8億ドル（約2,560億円）からほぼ倍増した。個社では、Runwayが2026年前半の報道で評価額約53億ドル（約8,600億円）に達し、累計調達は約8.6億ドル（約1,400億円）、直近ではNvidiaやAMD Venturesも参画する約3.15億ドル（約510億円）規模のラウンドを実施したと伝えられる（Crunchbase／TechCrunch）。Luma AIは2025年8月時点で評価額約32億ドル（約5,200億円）で少なくとも約11億ドル（約1,780億円）の調達を模索し（過去のシリーズCにはAmazonやAMDが参加）、Pika Labsも2026年初頭には評価額9億ドル（約1,460億円）規模と報じられる（Sacra等のまとめ）。数百億〜数千億円規模の独立系スタートアップがしのぎを削るなかへ、年間20兆円を投じる巨人が「無料」を武器に降りてきた——これが競争の構図である。
シリコンバレーVCの視点 ― 「勝負はモデルではなく流通」
では、この一手をシリコンバレーのVCはどう読むのか。示唆に富むのが、Andreessen Horowitz（a16z）が公表した「The State of Generative Media 2026」の分析だ。a16zは、LLM市場ではOpenAI・Gemini・Anthropicの3社が企業支出の89%を握る寡占が進む一方、生成メディアは著しく断片化していると指摘する。写実・アニメ調・物理シミュレーションなど得意分野がモデルごとに異なるため、企業は導入時に中央値で14種類ものモデルを併用しているという。しかも組織の58%が選定の最重視項目に「コスト最適化」を挙げ、大量・実用的な素材には安価なFlux、ここぞという主役素材にはプレミアムなモデル、と使い分けが進む。結果として価値は個々のモデルよりも、複数モデルをつなぐオーケストレーションと流通の層へ移りつつある、というのがVCの見立てだ。
この文脈に置くと、Muse Image／Muse Videoの戦略的合理性が際立つ。ベンチマークで首位（GPT Image 2）に一歩譲る2位、動画で3位という位置は、モデル単体の絶対性能では最上位グループの「準トップ」にすぎない。だが生成メディアがそもそも一強になりにくい市場であるなら、Metaの勝ち筋はモデルの純粋な性能競争ではなく、比類なき流通（数十億人のFacebook・Instagram・WhatsApp利用者）と広告システム、そしてソーシャルグラフのデータに置かれる。無料の入口でユーザーを取り込み、Advantage+で広告主の予算に接続する設計は、a16zが「技術的な深さと信頼できる流通経路の両立」を評価するというVCの投資基準そのものを、Meta自身が体現している。逆に言えば、Instagram写真を巡るプライバシー問題は、この「データの堀」戦略の避けがたい裏面でもある。
市場の初期反応もこの読みを裏づける。Muse Image発表翌日の2026年7月8日、Meta株は市場全体が軟調ななかで約2.17%上昇し1株613ドル前後（約9.9万円）で推移した。Erste GroupのHans Engel氏は積極的なAI投資が中長期の増収増益につながるとして投資判断を「Buy」へ引き上げ、Barchart集計のコンセンサスは「Strong Buy」、平均目標株価は約824ドル（約13.3万円）で約33%の上値余地を示すという（Benzinga／Yahoo Finance）。投資家がMuse Imageを歓迎したのは、それが「巨額のAI設備投資が消費者向け製品と新たな広告フォーマットに変わる、最初の目に見える証拠」だったからにほかならない。
今後の焦点 ― いつ、何が動くか
今後の動きは、いくつかの時間軸で観測できる。最も近い数週間では、広告主向けのAdvantage+ クリエイティブへのMuse Image統合が実装される見込みで、ここが「AI投資→広告収益」の変換効率を測る最初の物差しになる。近日中とされるのは、Muse Videoのクリエイターおよびメディア AIへの一般提供、そしてMuse ImageのFacebook・Messengerその他の面への展開だ。Muse Videoが実際に触れる製品になったとき、クリップ長・解像度・価格・音声同期の完成度が、Sora 2やVeo 3.1、Kling 3.0といった競合と横並びで比較される。
四半期の節目としては、2026年10月下旬に予想されるMetaの第3四半期決算が重要だ。設備投資ガイダンスの再更新、Muse Sparkに続く有料開発者向けアクセスやサブスクリプションの収益寄与、そしてAI関連の減価償却負担が、株価の評価軸を左右する。Zuckerberg氏が「ROIは技術的な問いだ」とかわしてきた巨額投資に対し、市場は具体的な収益化の証跡を求め続ける。
規制と競争の面では、EU AI Actが求める生成物の透明性（電子透かし）への対応や、オプトアウト方式のデータ活用に対する各国のプライバシー当局の視線が焦点となる。過去にFTC制裁を受けたMetaにとって、Instagram写真の扱いは再び当局の関心を引きかねない。競争側では、GoogleやOpenAI、そして上位を占める中国勢（ByteDance・Kuaishou・Alibaba）の応手が続き、a16zが「次のフロンティア」と位置づける永続的な3D空間を生むワールドモデル（Marble、Genie 3など）へと戦線が広がっていく。Muse Image／Muse Videoは、この長い競争のなかでMetaが「モデルではなく流通で勝つ」という賭けに出た、その号砲として記憶されることになりそうだ。