マルチモーダルプロンプト
このモデルはimage-text-to-textワークフローとして提示されており、画像と記述形式のプロンプトを入力すると、モデルがテキストを返します。
Muse Spark Openの概要
Muse Spark Openは、Hugging Faceでimage-text-to-text、つまり視覚言語モデルとして配布されているMetaのモデルです。画像とテキストプロンプトを組み合わせてテキスト応答を生成する中核的なワークフローにより、固定的な画像キャプション生成に限定されず、視覚入力について質問する用途に適しています。
提供された情報には、アーキテクチャ、パラメータ仕様、ベンチマーク、コンテキスト長、導入要件、プロバイダーの提供状況、モデル固有のセットアップ手順を網羅した完全なモデルカードは含まれていません。そのため、読者はタスクレベルの機能をワークフローの文脈として扱い、このリリースのあらゆる機能や性能特性が確認済みだとは考えないでください。Muse Model Licenseでは、帰属表示、利用ポリシー、Model as a Serviceに関する条件に従うことを条件に、ファインチューニングや派生物を含むソフトウェアの商用および非商用の取り扱いが許可されています。
主な特徴
会話指向のインタラクション
画像とテキストを扱うシステムは、複数ターンにわたって画像をコンテキストとして保持する会話型インタラクションに対応できます。ただし、提供された情報では、このリリース固有の会話動作すべては確認されていません。
視覚的質問応答
このワークフローは、視覚情報について質問したり、説明を生成したり、自然言語プロンプトを通じて画像の詳細を解釈したりするために使用できます。
文書およびレイアウト理解
より広いタスクカテゴリでは、別個のOCR処理を必要とせずに、文書、グラフ、表、画像のレイアウトを対象とした文書質問応答や情報抽出に対応します。ただし、提供された情報には、このモデル固有の文書処理性能は記載されていません。
許可されたモデル適応
ライセンスでは、ライセンスおよびUsage Policyに従うことを条件に、ファインチューニングを含む改変と派生モデルの作成が明示的に許可されています。
Hugging Faceでのライセンス付き配布
このモデルはMuse Model Licenseの下、Hugging Faceのモデルページを通じて配布されており、法的情報および組織情報の入力を求めるフォームによってアクセスが管理されています。
想定されるワークフロー
画像分析と説明
画像を入力し、その内容、物体、関係について自然言語で説明するよう求めます。これはimage-text-to-textタスクカテゴリで対応する一般的なワークフローですが、リリース固有の品質は記載されていません。
視覚的質問応答
画像に何が写っているか、テキストで表現できる詳細や相対的な位置関係などについて質問する際に、視覚入力をコンテキストとして使用します。
文書質問応答
ページ、グラフ、表、その他の書式化された資料を視覚言語モデルに入力し、情報をテキストとして取得するよう促します。提供された情報では、これはカテゴリレベルのワークフローとして説明されており、Muse Spark Openの文書処理精度を示すものではありません。
マルチモーダルアシスタント
実装とモデルの動作がこのパターンに対応している場合、画像とプロンプトのインタラクションを、複数ターンにわたって視覚的コンテキストを保持するアシスタントの一部として使用します。
研究とモデル適応
ライセンス、帰属表示の要件、Usage Policyを遵守しながら、ファインチューニングや派生モデルの開発を通じて、公開されたソフトウェアを特定用途向けに適応させます。
Pros and Cons
Pros
- 自然言語プロンプトと画像を一緒に受け取り、テキストを返します。
- 固定的なキャプション生成を超えて、視覚的な質問や説明に拡張できる幅広い視覚言語ワークフローに対応します。
- ライセンスの条件に従うことを条件に、コピー、ファインチューニングを含む改変、派生物の作成が許可されています。
- Hugging Faceでホストされており、公開モデル配布ページとアクセス手順が提供されています。
Cons
- 提供された製品情報には、アーキテクチャの詳細、ベンチマーク、リソース要件、コンテキスト長、量子化情報、導入手順が記載されていません。
- より広いタスクカテゴリについて説明されているimage-text-to-text機能の一部は、このモデル固有の機能として確認されていません。
- 利用にはUsage Policy、必要な帰属表示、および該当するModel as a Serviceの提供に関する追加条件が適用されます。
FAQ
Muse Spark Openはどのような入力と出力を使用しますか？
Muse Spark Openは、画像とテキストを入力するimage-text-to-textワークフローに対応しており、プロンプトに応じてテキストを生成します。提供された情報には、モデル固有のチャットテンプレートやセットアップコマンドは記載されていません。
モデルを改変またはファインチューニングできますか？
ライセンスでは、ライセンスおよびUsage Policyに従うことを条件に、使用、複製、改変（ファインチューニングを含む）、派生物の作成、蒸留、統合、公開、配布、サブライセンス、販売が許可されています。
どのような帰属表示が必要ですか？
ソフトウェアまたはその派生物を使用する各製品またはサービスのユーザーインターフェース、あるいは付属ドキュメント、ウェブサイト、設定メニューに、「Built with Muse Spark Open」と目立つように表示する必要があります。
APIを通じてモデルを提供する場合、特別な条件はありますか？
提供されたライセンスでは、ライセンシーまたはその関連会社がソフトウェアまたは派生物をModel as a Service事業を通じて提供し、総総収益が2,000万米ドルを超える場合、その事業で提供する前にMetaへ通知し、別途書面による契約を締結する必要があるとされています。この規定は、社内利用、研究、Model as a Serviceではない商用活動、またはライセンシー自身の製品もしくはサービスの構成要素としての利用には適用されません。
導入者はどのような利用制限を確認すべきですか？
Usage Policyでは、違法行為、嫌がらせ、不可欠なサービスにおける差別または有害な行為、無許可の専門業務、機微情報の違法な取り扱い、権利侵害、悪意のあるコード、安全対策の回避、死亡または身体的危害のリスクに関わる特定の活動が禁止されています。提供者は利用状況に応じた安全な使用に責任を負い、モデルは18歳未満の人を対象としていません。
Quick Facts
- 製品タイプ
- 視覚言語モデル
- 主なタスク
- Image-text-to-text
- 公開元
- Meta
- 配布形態
- Hugging Faceモデルページ
- ライセンス
- Muse Model License
- ソースに記載されたリリース日
- 2026年10月15日
Muse Spark Openの代替品
Grok 4.7
Grok 4.7は、ソフトウェア開発や知識業務向けのxAIモデルです。長時間のコーディングや専門的な分析に対応し、Grok Build、Cursor、Grok APIなどで利用できます。入力は100万トークンあたり2ドル、出力は6ドルから。
AakarDev AI
AakarDev AIは、AIプロバイダーのアクセス管理、プロジェクト別設定、ログ、分析を1つのダッシュボードで管理できるチーム向けツールです。BYOKに対応し、OpenAI、Google Gemini、Anthropic、Groq、Mistral AI、Perplexity AIをサポートします。
Snapmark
Snapmarkは、AIチャットへ貼り付ける前にクリップボード内のスクリーンショットへ注釈を追加できるVS Code拡張機能です。ぼかしによる秘匿、番号付き注釈、巨大画像の自動リサイズに対応しています。
BookAI.chat
BookAIは、書名と著者を提供するだけで、AIを使って本とチャットできるサービスです。
Skills Janitor
Skills Janitorは、Claude CodeとOpenAI Codexのskillsを監査・追跡・管理するGitHubホストのスラッシュコマンド集。重複、壊れたリンク、未使用skillsを見つけて、自己完結型コマンドで整理できます。
Arduino VENTUNO Q
Arduino VENTUNO Qは、AI・ロボティクス向けのエッジAIコンピューターです。AI推論と決定論的制御を1枚に集約し、Arduino App Labに対応します。