#Multimodal

#1

OpenAI Advanced Voice

Reálné, přirozené rozhovory ve sluchovém režimu s ChatGPT

#2

ScreenAgent

Otevřený zdroj agent VLM pro ovládání počítačové GUI skrze plánování a provádění myši/klávesnice.

#3

Grok 2

xCraftuvaše chata na rozumném myšlení s podporou pro vytváření obrazů a vícemodelovém vstupu

Vlastní běh AI runtime na zařízeních pro spuštění modelů lokálně po telefonech, PC, a periferiích.

#5

Project Astra

Tato všeobecná agentura AI DeepMind Google vidí, slyší a o světě uvažuje v reálném čase.

#6

OmniVision

Kompaktní vizionářský language model postavený pro nasazení na straně zařízení a hraničních zařízení AI.

#7

Humain AI

Společnost na podporu z Saúdské Arábie budující velké infrastrukturní projekty a multimodální LLMs pro arabský jazyk pro globální služby AI.

#8

Uni-1 by Luma AI

Multimodální model AI pro generování obrazů s vysokou věrností s silným prostorovým myšlením a přesným textovým vykreslováním.

#9

Black Forest Labs

Pionýrské AI startup, které se specializuje na pokročilé generativní modely pro syntetizaci obrazů a videa.

#10

Veo 4

Více snímková filmová generace videa pomocí umělé inteligence s nativními synchronizovanými zvuky

#11

OpenArt

Kreativní síť AI pro generování umění, videa a zvuku z textu nebo obrazů

#12

SuperAnnotate

Platforma pro celkovou annotaci dat a správu dat pro stavění vysokostupňových databází trainingových dat pro AI.

#13

Gemma 3

Open-source AI model optimalizovaný pro výkon na jednom GPU, podporující multimodální vstupní data a více než 140 jazyků.

#14

GLM-4.6V

Otevřený multimodální GLM od Z.ai sjednocuje vnímání obrazu, text a volání nástrojů pro dlouhotrvající úsudkové rozmyslení, vyhledávání, kódování a UI-ke-kódování.

#15

HappyHorse

Otevřená zdrojová model, která generuje video při synchronizované zvukové stopě ze stejného podnětu.

#16

OpenAI GPT-4

OpenAIovo multimodální velký jazykový model pro pochopení textu, kódu a obrázků.

#17

Codex CLI

Open-source terminálový AI asistent, který čte, vytahuje a spouští kód lokálně s multimodálními vstupními dataми.

#18

LTX 2.3 Video Generator

Generátor videa, který spojuje textové podněty, obrázky a audio do kohézních krátkých scén

#19

MyShell

Nekódový platforma pro مصرفníky AI pro stavbu, sdílení a vlastnictví aplikací AI.

#20

LiveKit Agents

Open-source framework pro vytváření reálných, multimodálních hlasových a video AI agentů.

#21

Aivah

Vytvořte interaktivní AI avatarové agenty pro imersivní digitální zkušenosti

#22

Voice-gen.ai

Jednotná platforma pro AI-generované hlasové nahrávky, obrázky a videa v jednom pracovním prostoru.

#23

WebVoyager

LMM-pojeným webovým agentem dokončenými uživatelskými instrukcemi od konce k konci za interakcí s webovými strankami.

#24

Jina AI

Základní multimodální vyhledávací platforma pro embeddings, re-ranking a RAG pipeline

#25

Seedance 1.5 Pro

Platforma AI pro tvorbu videí s synchronizovaným zvukem (hlas, synchronizace úst, EF SFX) na základě textu nebo obrázků, včetně generování obrázků a nástrojů AI pro editaci obrázků.