#Multimodal

#1

OpenAI Advanced Voice

Echtzeit, natürliche Sprachgespräche mit ChatGPT

#2

ScreenAgent

Offene Quellensprach-Modell-Agent zur Steuerung von Computer-GUIs über Maus/Tastenplanung und -ausführung.

#3

Grok 2

xAI-chatbot mit Fokus auf logische Argumentation, unterstützt Bildgenerierung und multimodale Eingaben

On-Device AI Runtime für die lokale Ausführung von Modellen auf Smartphones, PCs und Edge-Hardware.

#5

Project Astra

Ein universales AI-Agent, das mit Google DeepMind die Welt sieht, hört und sich in Echtzeit über die Welt unterhält.

#6

OmniVision

Kompaktes Vision‑Language-Modell für On‑Device- und Edge‑AI-Bereitstellung.

#7

Humain AI

Eine Saudi geförderte AI-Gesellschaft, die großskalige Infrastruktur und multimodale arabische LLMs für globale AI-Dienste entwickelt.

#8

Uni-1 by Luma AI

Multimodale KI-Modell für hochwertige Bildgenerierung mit starker räumlicher Argumentation und genauem Textdarstellung.

#9

Black Forest Labs

Ein Pionier in der KI-Industrie, spezialisiert auf fortschrittliche erzeugende Modelle für Bild- und Videounterstellungen.

#10

Veo 4

Vielfachschuss-Kinematografie für AI-generierte Videos mit native synchronisierter Audio

#11

OpenArt

Kreative KI‑Suite zum Erstellen von Kunst, Video und Audio aus Text oder Bildern

#12

SuperAnnotate

Von Ende bis Ende-Plattform für die Datenannotation und -verwaltung für die Erstellung hochwertiger Trainingsdatensätze für AI

#13

Gemma 3

Ein offenes AI-Modell für Single-GPU-Leistung optimiert, um multimodale Eingaben und über 140 Sprachen unterstützend.

#14

GLM-4.6V

Open-Source-Multimodal-GLM von Z.ai, die visuelle, textuelle und funktionsaufrufbasierte Einheit zur Verarbeitung großer Kontexte, zum Suchen, zum Programmieren und zur Code-Generierung umfasst.

#15

HappyHorse

Open-Source-Modell, das Video und synchronisierte Audio aus einer einzelnen Anregung generiert.

#16

OpenAI GPT-4

OpenAI's multimodales großes Sprachmodell für Text, Code und Bildverständnis.

#17

Codex CLI

Open-source, terminaleigene AI-Assistent, der lokal Code liest, schreibt und ausführt, unterstützt multimodale Eingaben.

#18

LTX 2.3 Video Generator

KI-Videogenerator, der Textaufforderungen, Bilder und Audio zu zusammenhängenden Kurzvideos vereint.

#19

MyShell

No-code AI Consumer-Plattform zum Erstellen, Teilen und Inhabens von AI-Apps.

#20

LiveKit Agents

Open-Source-Framework zur Entwicklung von Echtzeit-, multimodalen Sprach- und Video-AI-Agenten.

#21

Aivah

Entwickeln von interaktiven AI- Avatar-Agenten für immersive digitale Erfahrungen

#22

Voice-gen.ai

Einzige Plattform für AI-generierte Sprechertexte, Bilder und Videos in einem Workspace.

#23

WebVoyager

Ein LMM-gestützter Webagent, der Benutzeranweisungen end-to-end durch Interaktion mit Websites im Internet abschließt.

#24

Jina AI

Multimodale Suchgrundlage für Embeddings, Reranking und RAG-Pipelines.

#25

Seedance 1.5 Pro

Plattform für AI-gestützte Bildung von Videos mit synchronisierten Audio (Stimme, Lippen-Synchronisation, SFX) von Text oder Bilddaten, plus Bildgenerierung und AI-gestützter Bildbearbeitung.