Meta Muse Spark新模型隨手生成遊戲穿搭靈感 美國率先推出

Meta公司昨日在美國正式推出全新大語言模型Muse Spark，此模型已整合至Meta AI應用程式及網頁平台，預計未來數週將擴展至臉書、Instagram、Messenger、WhatsApp與AI眼鏡等服務。Muse Spark具備強大多模態感知能力，不僅能解析文字輸入，更能辨識視覺資訊，例如掃描機場零食架照片即可分析蛋白質含量並排序。此舉旨在對抗OpenAI的ChatGPT、Google的Gemini等AI巨頭，深化Meta在消費端AI市場的競爭力。執行長扎克伯格去年六月斥資140億美元收購Scale AI並延攬其共同創辦人汪滔擔任首席AI長，歷經九個月打造的Meta超級智慧實驗室（MSL）首度交出成果，標誌Meta從開源模型LLaMA的技術佈局邁向商業化應用新階段。

新模型技術突破多模態整合能力

Muse Spark的核心創新在於突破傳統大模型的單一文字處理限制，實現視覺與語言的深度融合。與先前基於LLaMA的開源模型不同，Muse Spark能同時處理文字提示與圖像輸入，例如使用者拍攝餐廳菜單照片，系統可即時標註食材成分並推薦低卡路里選項；或掃描衣櫃內服裝照片，自動分析色系搭配建議。MSL實驗室透過整合Scale AI的圖像識別技術與Meta自研的多模態訓練架構，使模型在視覺化程式開發上表現突出——使用者輸入「生成復古街機遊戲」，系統能自動編寫程式碼並生成可互動的小遊戲，甚至整合社交分享功能，讓用戶直接在Instagram貼文內嵌入遊戲連結。這項技術突破解決了過去AI工具需依賴專業開發者才能實現的難題，將遊戲創作門檻降至消費級水準。業界分析，此能力關鍵在於模型訓練數據涵蓋數十億張跨平台圖像與對應文字描述，使系統能精準理解「街機風格」或「北歐風家居」等抽象概念的視覺化表達，避免過往AI生成內容常見的風格偏離問題。

消費場景應用深化社交與生活服務

Muse Spark的商業價值體現於深度融入用戶日常場景，特別是在購物與社交領域創造新體驗。在社交平台上，使用者可直接對Instagram貼文中的服裝照片點選「穿搭靈感」按鈕，系統即分析當前服裝的剪裁、顏色與風格，推薦相似款商品並連結至電商平台；更創新的是，結合Meta AI的AR濾鏡功能，用戶能即時預覽不同髮型或妝容對穿搭的影響，甚至生成虛擬試衣效果。購物場景中，Muse Spark的「成分分析」功能已於美國部分機場零食架試點，掃描商品包裝後，系統會以圖表形式顯示蛋白質、糖分等數據，並標示「健康首選」標籤，此技術未來將擴展至超市實體與線上商城。值得注意的是，Meta透過整合WhatsApp的客服對話系統，使商家能以自然語言指令快速生成商品介紹影片，例如輸入「為有機咖啡製作30秒宣傳短片」，系統自動調用素材庫生成含文字標註的簡短影片，大幅降低中小企業的內容創建成本。這些應用不僅提升用戶體驗，更為Meta創造新的廣告與電商分成收入來源，與過去單純依賴廣告的模式形成顯著差異。

市場競爭格局重構AI商業化路徑

Muse Spark的推出將重塑AI市場競爭版圖，尤其對Meta在消費端的戰略意義重大。過去Meta在AI領域聲量較弱，主要聚焦於開源模型LLaMA供第三方使用（如台灣TAIDE模型即基於此開發），但商業化進展緩慢。如今Muse Spark以「消費場景導向」策略切入，避開與巨頭在專業領域的直接對抗，轉而強化社交平台的獨特優勢——臉書全球月活用戶達30億，Instagram每月活躍用戶超過20億，這些用戶每天產生數十億條包含視覺內容的互動，為Muse Spark提供龐大的實戰數據池。相較於ChatGPT聚焦文字對話、Gemini強調多模態但商業化滯後，Meta的策略是將AI能力「嵌入」用戶日常行為，例如在Messenger中直接生成生日卡片設計，或於WhatsApp對話時自動推薦符合情境的貼圖。市場研究機構指出，Meta此舉反映AI產業已從技術競賽轉向「場景落地」的關鍵轉折，2024年全球AI消費端應用市場預計成長47%，而社交平台成為最大贏家。未來若Muse Spark成功整合至AI眼鏡，將進一步推動「空間計算」時代，使虛擬試衣、遊戲互動等體驗突破螢幕限制，這不僅是技術升級，更代表Meta正重新定義用戶與數位世界互動的基礎架構，對台灣AI產業而言，也將加速本地化應用開發的創新節奏。