¿Qué es Meta Muse Video?

Meta Muse Video es la mitad de vídeo de un lanzamiento de dos modelos que Meta Superintelligence Labs presentó en vista previa el 7 de julio de 2026, junto a Muse Image. En resumen: lee una descripción escrita y devuelve un clip corto y coherente con sonido. Está construido sobre la misma base de preentrenamiento que el modelo de imagen, razón por la que ambos llevan el mismo nombre Muse y la misma filosofía de diseño: un núcleo de imagen y un núcleo de vídeo que comparten un solo motor de razonamiento en lugar de dos productos inconexos unidos a la fuerza.

Tres propiedades definen a Meta Muse Video. La primera es el audio nativo: en lugar de pegar un clip mudo a una banda sonora aparte, la imagen y el sonido se generan de forma conjunta, así que las pisadas, el ambiente y el diálogo caen en los fotogramas que los provocan. La segunda es la consistencia temporal: un sujeto mantiene su identidad, su iluminación y su material a lo largo de un plano en lugar de deshacerse entre fotogramas, que era el modo de fallo que hacía inestables a los sistemas anteriores. La tercera es la fidelidad a la descripción: la composición y la acción que describes sobreviven en el render, que es lo que convierte a una herramienta de vídeo con Muse en un verdadero instrumento de producción en lugar de una curiosidad.

Dónde se sitúa Meta Muse Video

En la clasificación pública de la Arena, la votación humana a ciegas coloca a la familia cerca de lo más alto del campo. Muse Image ocupa el puesto n.º 2 en texto a imagen y Meta Muse Video el n.º 3 en texto a vídeo, competitivo con Veo de Google, Sora de OpenAI y Kling de Kuaishou. Esos no son números de marketing; provienen de la preferencia humana cara a cara en la Arena abierta, que es lo más parecido a un marcador imparcial que tiene el sector.

Un análisis honesto de Meta Muse Video

Un análisis que solo enseña el montaje de lo mejor no te enseña nada, así que aquí están las carencias que el propio Meta señala. La primera es la sincronización entre audio y vídeo: en planos con mucho diálogo, el movimiento de labios y el sonido pueden desfasarse. La segunda es el movimiento rápido físicamente preciso, donde la acción veloz puede emborronarse o perder el contacto con el suelo. Nombrarlas es lo importante: te dicen qué descripciones evitar y en cuáles apoyarte mientras el modelo es joven.

Por dentro, Meta Muse Video funciona como un agente. Planifica, llama a herramientas, revisa sus propios borradores y se autorrefina antes de confirmar: puede escribir y ejecutar código para colocar un QR escaneable en una escena, o buscar en la web para fundamentar una descripción en lugares, marcas y datos reales. Para mantener los resultados verificables, cada fotograma lleva Content Seal, una marca de agua invisible que resiste el recorte, la compresión y las capturas de pantalla. Esa columna vertebral agéntica y esa marca de procedencia se comparten en toda la familia Muse, que es lo que hace que una imagen que perfilas con Muse Image sea un fotograma inicial natural para un clip de vídeo con Muse.

La conclusión de este análisis: Meta Muse Video es una vista previa temprana con una creíble clasificación entre los tres primeros, dos debilidades claramente indicadas y una tubería agéntica genuinamente novedosa. Hoy el modelo de imagen está disponible en la app de Meta AI y en WhatsApp en un conjunto limitado de países, con el modelo de vídeo próximamente para creadores, que es justo la razón por la que esta página combina la explicación con una herramienta gratuita que puedes usar ahora mismo.