#Multimodal

#1

OpenAI Advanced Voice

Conversaciones en voz natural y en tiempo real con ChatGPT

#2

ScreenAgent

Agente de VLM de código abierto para controlar interfaz de usuario de computadora mediante planificación y ejecución de teclado / ratón.

#3

Grok 2

El chatbot centrado en el razonamiento de xAI con generación de imágenes y soporte para entradas multimodales.

Runtime de Inteligencia Artificial para dispositivos que permite ejecutar modelos localmente en teléfonos, PCs y hardware de borde.

#5

Project Astra

Agente AI universal de Google DeepMind que ve, escucha y razona sobre el mundo en tiempo real.

#6

OmniVision

Modelo de visión-lenguaje compacto diseñado para la implementación de inteligencia en el borde y dispositivos móviles.

#7

Humain AI

Una empresa de IA respaldada por Arabia Saudita que construye infraestructuras a gran escala y modelos de lenguaje multimedios en árabe para servicios de IA globales.

#8

Uni-1 by Luma AI

Modelo de inteligencia artificial multimodal para la generación de imágenes de alta fidelidad con una sólida comprensión espacial y renderizado de texto preciso.

#9

Black Forest Labs

Una startup pionera en IA especializada en modelos generativos de última generación para la síntesis de imágenes y vídeo.

#10

Veo 4

Generación de video cinemático con múltiples disparos AI con audio sincronizado nativo

#11

OpenArt

Conjunto de Inteligencia Artificial para la generación de arte, video y audio a partir de texto o imágenes

#12

SuperAnnotate

Plataforma de anotación de datos integral y gestión para crear conjuntos de entrenamiento de alta calidad de IA.

#13

Gemma 3

Un modelo de IA de código abierto optimizado para rendimiento en una sola GPU, que admite entradas multimodales y más de 140 idiomas.

#14

GLM-4.6V

GLM‑4.6V, modelo multimodal de código abierto de Z.ai que unifica visión, texto y llamadas a herramientas para razonamiento de contexto largo, búsqueda, codificación y conversión UI‑a‑código.

#15

HappyHorse

Modelo de código abierto que genera vídeo sincronizado con audio a partir de un único prompt.

#16

OpenAI GPT-4

Modelo de lenguaje grande multimodal de OpenAI para la comprensión de texto, código y imágenes.

#17

Codex CLI

Asistente de terminal AI de código abierto que lee, escribe y ejecuta código localmente con entrada multimodal

#18

LTX 2.3 Video Generator

Generador de video con AI que une promps de texto, imágenes, y audio en clips cortos coherentes.

#19

MyShell

Plataforma de consumo de AI sin código para crear, compartir y poseer aplicaciones de AI.

#20

LiveKit Agents

Marco de código abierto para crear agentes de voz y video inteligentes en tiempo real, multimodales.

#21

Aivah

Crea agentes de avatares de IA interactivos para experiencias digitales inmersivas

#22

Voice-gen.ai

Plataforma unificada para la generación de voz, imágenes y videos con inteligencia artificial en un espacio de trabajo.

#23

WebVoyager

Un agente web impulsado por LMM que completa instrucciones del usuario de principio a fin interactuando con sitios web reales.

#24

Jina AI

Fundación de búsqueda multimodal para embeddings, reranking y pipelines RAG.

#25

Seedance 1.5 Pro

Plataforma de creación de contenido IA para generar videos con audio y síncronización de labios (voz, sincronización de labios, EFX) desde texto o imágenes, más generación de imágenes y herramientas de edición de imágenes con IA.