Meta 开源 Muse Spark 1.2:视频一键生成可运行网页,主打视觉编码
qinzytech · x · 2026-10-16
Meta 发布 Muse Spark 1.2,这是对 1.1 的编码导向升级,权重已在 Hugging Face 开放下载,并同步放出多模态评测报告与演示。
- 视觉编码:给定图片或视频,模型能将布局、层级与风格翻译成可运行的网页、游戏等数字产物,并通过重新检查自己生成的产物形成持续自我改进循环;演示包括单页实现的交互式翻页书,排版、翻页动画、光标跟踪放大镜均为模型生成。
- 音频-视频理解:强化了面向企业视频工作流的音视频理解能力。
- 工具使用增益:官方称多模态能力在模型可调用工具时提升最明显,能更细致检视视觉输入并纳入推理。
- 演示中还展示了从终端上传视频直接生成一个可用的家庭预订页面的案例,官方将其定位为「多模态推理落地到行动」的代表。
所属事件:Meta 开源 Muse Spark 1.2 并预览 WildArtifactBench 评测基准(2 条相关)→
「模型」频道最新
- OpenAI 额度机制遭吐槽：剩 13% 用量时拒绝手动重置 — AccomplishedSugar490 · 2026-10-23
- 816B Meta 新模型 39 分反输 180B Qwen：开源模型得分/规模图 — BTA_Labs · 2026-10-23
- 文档太大就不干活？Gemini 在 Google Docs 里拒生图 — viksit · 2026-10-23
- 程序员吐槽：人生真正使命是安利大家试试最新 DeepSeek — intellectronica · 2026-10-23
- SubQ Snap 1.1 登顶决策模型指数，384K 上下文与低幻觉率取胜 — ArtificialAnlys · 2026-10-23
- PolyAI 推 Dialog-RSN-1 语音模型：单 pass 直听音频，响应快于 300ms — matthen2 · 2026-10-23