大家好，我是 AI 超元域。
这期我把 Muse 用在了几种不同的视频场景里：手绘水彩动画、雨夜便利店的生活抓拍、飞碟坠海的科幻片段，还有麦田雷雨和仙侠场景。除了看画面，我也关注对白、环境音和动作能不能一起成立。后半段再把人物、服装和场景分开准备，用三张参考图尝试控制雪地人像视频。
本文整理自 2026 年 10 月 5 日发布的视频，以及与本期案例和时间顺序匹配的校正讲稿。本次未重新取得 YouTube 字幕导出，也没有对所有成片做逐帧测量；下面的体验结论保留为当时的案例观察，不当作统一评测或长期稳定性承诺。
如果播放器无法加载，可以前往 YouTube 观看完整视频。
先分清 Muse 和 Muse Video
Muse 是个人智能体产品，Muse Video 是视频生成模型。本文讨论的是我在 Muse 中调用视频生成能力的体验，并不是把智能体与视频模型当成同一个概念。
Meta 在 2026 年 7 月的官方介绍中将 Muse Video 定位为预览中的视频模型，并明确提到原生音频支持。这能支持“视频和声音一起生成”的能力描述，但不能据此断言所有账号、所有地区在任何时间都具有相同入口。
9 月的Muse 产品介绍说明了个人智能体和免费使用、付费扩展的产品定位。本文在 10 月 24 日整理时核对了上述页面；文中免费额度、生成速度和界面步骤仍以拍摄当时的实际体验为准。
免费额度够不够用：先看消耗，再做估算
01:06 的额度说明中，我记录了当时生成一段视频大约消耗免费额度的 2%–3%，并给出每周约 30 段的保守估算。
这组数字值得分开理解：
- 2%–3% 是本期账号中观察到的消耗。
- 约 30 段是基于当时使用情况做的用量估算。
- 它不是每周必定可生成 30 段的官方套餐承诺，更不表示所有时长和所有任务都按相同额度计费。
视频随后展示了注册和邀请码入口。活动奖励、重置周期和可用区域都可能调整，本文不把当时的奖励条件写成长期有效的领取教程。准备正式做项目时，先看自己账号当下显示的额度，再用一两个短片确认消耗，会比直接按历史估算安排整部短剧更稳妥。
水彩动画：把动作顺序和声音一起写进提示词
01:51 的动画案例采用了吉卜力式手绘水彩氛围。提示词不只有风格词，还明确写出了短发女孩、白衬衫、蓝裙、赤脚提草鞋，以及水稻田埂的场景。
动作被拆成三个阶段：先沿田埂走，再停下看火车，最后让汽笛白烟在远山边散开。声音也有独立要求，包括风声、远处汽笛和稻叶摩擦，并且不要对白、不要字幕。
我在播放时注意到，女孩行走、火车靠近和蒸汽散开的主要动作都得到了呈现。这里可以借鉴的写法是：把人物、场景、动作先后和声音分层说明，让它们服务于同一个镜头。
讲稿中的 0–3 秒、3–7 秒、7–10 秒是提示词对节奏的要求，不应把这些时间段直接当作逐帧核验过的成片时间线。
真人生活抓拍：镜头视角决定动作怎么安排
02:46 的生活片段把镜头设定为第一人称，男友不入镜，只允许手或前臂偶尔出现。
故事发生在雨夜便利店门口：黑色长发、灰色卫衣的女性拿着汽水走出自动门，把瓶子贴在脸上，说“有点冰”；画面边缘的手接过她的包，她靠近半步，说“回家吧”。自动门、瓶盖和远处车声也写进了要求。
这组动作的重点是连贯性。递包、空出手、靠近镜头之间存在前后关系，镜头视角也限制了第二个人如何出现。我的当时观感是，动作、对白、微表情，以及湿地反光等细节表现不错。
这些是对片中选定样例的评价。便利店文字和人物口型没有在本文中重新做独立逐帧核验，因此不能推广成“任何中文都不会出错”或“所有对白都完全同步”。
科幻场景：大场面之外，还要有明确的动作链
04:03 的科幻段落展示了两个方向。
第一段是沙漠飞碟：狂风刚停，镜头从沙丘推进裂谷，探险者发现谷底飞行器，走下斜坡并拂开壳体积沙。提示词里提出了 15 秒和 16:9 的目标。讲稿记录了沙尘、发现飞碟、走近和拂沙等主要事件的呈现。
第二段要求几艘飞碟离开火星、进入大气层，再分别发生坠落。播放讲解中特别提到了进入地球大气层、飞碟落海和峡谷降落，坠海画面是我当时觉得比较震撼的部分。
第二段提示词提出了 20 秒需求，但这不等于已经证明模型原生支持单次 20 秒输出。本文没有取得原始文件元数据，也不据此推断底层是否经过延长、拼接或其他处理。读者可以把这部分当作复杂场景编排案例，不把提示词时长当成产品规格。
自然与仙侠：环境声也是叙事的一部分
05:54 的麦田雷雨关注乌云、风、雷声和暴雨如何组合起来。它没有复杂的人物互动，但声音对天气变化的感受很重要。
06:18 的仙侠案例则有两种气质：一段把御剑飞行和现代生活结合，古装女子失去法力后落入纸箱，形成反转；另一段更接近常规仙侠氛围，重点是发带、云雾、风声、脚步声与配乐。
我在片中评价过纸箱文字的清晰程度，也注意了发带飘动和云雾的效果。这些都属于具体样例的观看感受。相比只写“电影感”，描述风如何影响衣物、人物如何进入场景、声音从哪里来，更容易让评估有明确对象。
速度体验：不到一分钟只是这一次的观察
07:17 的现场生成又回到了水彩动画：戴草帽的少女提着旧皮箱站在屋檐下，雨滴落下，远处火车的烟先出现，再配合轨道声和环境声音。
我在当时讲解中说，这次生成不到一分钟。这个说法仅对应该次体验，本文没有独立运行计时实验，也没有统计平均耗时或排队波动。不能把它写成固定响应时间，更不能据此计算批量生产吞吐量。
三张参考图：分别约束脸、衣服和背景
08:25 开始的人物一致性流程是本期最值得复用的部分。做法是先准备图，再生成视频，让每张参考图只承担明确的职责。
第一步：先做人物定妆照
上传人物图片后，让 Muse 生成正面微侧、浅灰背景的定妆照。要求保留脸型、眼距、眉形、鼻梁、嘴唇、下颌线、肤色和发际线，不要瘦脸、不要放大眼睛，也不要改变年龄。
背景简单、光线平整的目的，是减少环境和造型对身份判断的干扰。这里提供的是本期采用的约束方式，并非保证人物永远不变脸的公式。
第二步：独立准备服装参考
下一张图关注长袖红裙：裙摆到小腿，布料与剪裁要看清，采用全身正面和浅灰背景，并继续要求不要换脸、不要增加场景。
如果人物和服装在一张图里已经发生明显偏移，直接进入视频环节会让问题更难定位。先检查静态参考图，是这套流程中很实际的一步。
第三步：制作无人场景图
场景是白天的初雪公园，雪还在落，一条步行道延伸向远处树木。要求空镜、不要人物、不要游客、不要文字和水印，按 16:9 作为背景参考。
将背景单独生成后，就能单独判断天气、空间和构图是否合适，而不用同时处理人物身份问题。
第四步：明确三张图各自控制什么
09:49 的三图合成将职责写得很具体：
- 图一约束脸型与发型。
- 图二约束红裙款式。
- 图三约束雪地公园场景。
- 动作依次为慢慢转圈、停下仰头看雪、靠近镜头说话。
- 保持五官比例，不要瘦脸，不要字幕和水印。
本期讲稿记录了最后生成一段 10 秒视频。我在观看时关注了红裙是否延续参考款式、落雪和脚印是否自然，以及脸部与鼻尖在寒冷场景中的细节。这里的“效果不错”仍然是单个样例的主观评价，没有跨镜头身份保持率或批量成功率数据。
从这期案例可以带走什么
我的主要收获是，Muse 的视频创作流程可以同时处理画面和声音，而人物视频更适合先拆分参考资料，再组合生成。对想做动画或短片的朋友，先做一个动作简单、角色明确、声音要求清晰的短镜头，比一开始塞入大量转场更容易判断效果。
三图流程展示了一条可尝试的方向，但本期没有制作并验证完整连续短剧，也没有证明多个镜头之间的人物身份始终稳定。正式项目仍要逐镜头验收，尤其检查脸、手、文字、对白和物体交接。
至于“超越某个模型”的结论，本期没有统一提示词、统一样本数量和盲评，因此本文不据此排出模型名次。大家可以直接回到视频，对自己最关心的场景做判断。
参考资料
- 本期完整视频与章节，2026 年 10 月 5 日发布。
- Meta：Introducing Muse Image and Muse Video，模型定位与原生音频说明。
- Meta：Introducing Muse，个人智能体产品定位。
官方资料核对日期：2026 年 10 月 24 日。案例体验以视频拍摄时的账号、界面和成片为准。