#Multimodal

#1

OpenAI Advanced Voice

Reaaliaikaiset, luonnolliset puheenkeskustelut ChatGPT:n kanssa

#2

ScreenAgent

Avoin lähdekoodinen VLM-pääasema käyttöliittymän ohjaamiseksi hiiren ja näppäimistön suunnittelun ja näytön suorittamisen avulla.

#3

Grok 2

xAI:n päätöksenteon suunnatun chatbotin kuvaantamisjärjestelmällä ja monimodaalisten syötteiden tuki

Laitteessa toimiva AI-ajoympäristö mallien paikalliseen ajamiseen puhelimilla, PC:illä ja reunalaitteilla.

#5

Project Astra

Google DeepMindin universaali AI-agentti, joka näkee, kuuntelee ja päätteli maailmasta reaaliajassa.

#6

OmniVision

Kompakti näkö-kielimalli, joka on rakennettu laite- ja reunasovellusten AI‑käyttöönottoa varten.

#7

Humain AI

Saudi-pyrkimyksellä rakennettava AI-yhtiö, joka kehittää suuria skaaloja kattavaa ja monimodaalista arabialaista LLM:ää globaaliin AI-palveluiden tarjontaan.

#8

Uni-1 by Luma AI

Monimutkainen AI-malli korkealaatuiselle kuvien luonnolle vahvan tilastollisen tietoisuuden ja tarkka tekstin kuvakäsittelytiedon kanssa

#9

Black Forest Labs

Pionerittainen AI-yritys, joka erikoistuu kehittämään edistyksellisiä generatiivisia mallintamismalleja kuva- ja videon yhdistämiselle.

#10

Veo 4

Monivälityskokoonpanojen elokuvallinen AI-videogenerointi natiivilla synkronoidulla äänillä

#11

OpenArt

Luova AI-sarja taiteen, videon ja äänen tuottamiseen tekstistä tai kuvista

#12

SuperAnnotate

Laita-toiminnallinen tietojen merkintä ja hallintajärjestelmä korkean laatuarvoisen AI-koulutusasiakirjojen rakennukseksi.

#13

Gemma 3

Avoin lähdekoodi AI-malli, jonka on suunniteltu soveltuvaksi yhden GPU:n suorituskyvälle, tukevia multimodaalisia sisääntuloja ja yli 140 kieltä.

#14

GLM-4.6V

Avoin lähdekoodi monimodaalinen Z.ai GLM yhdistää näkemys, teksti ja työkaluvie muutaman sijaintia luoden pidempi ymmärrys kytköksiä, hakua, koodausta ja UI-to-code

#15

HappyHorse

Avoin-älykkyystiede malli, joka generoi videot yhdellä kyselykysymyksellä sen mukaisesti synkronoituun audiodataan

#16

OpenAI GPT-4

OpenAI:n multimodaalinen suuri kielimalli tekstin, koodin ja kuvien ymmärtämiseen.

#17

Codex CLI

Avoin-source terminaali AI-apulainen, joka lukaa, kirjoittaa ja suorittaa koodia paikallisesti monimodaalisten syötteiden kanssa.

#18

LTX 2.3 Video Generator

Teksti-ohjaama videoeditori, joka yhdistää tekstityökalut, kuvat ja äänitiedostot yhtenäisen kohderyhmänä lyhyiksi videoklippiksi.

#19

MyShell

Pystytekijätön AI-työkaluplattorama rakentaaminen, jakaminen ja omistaminen

#20

LiveKit Agents

Avointa ohjelmistoalusta reaaliaikaisille, monimuotoisille puhe- ja videokasvoisen AI-käyttäytymisen rakentamiseen

#21

Aivah

Luomme interaktiivisia AI-patsaitsijoja monimutkaisille digitaalisiin kokemuksiin

#22

Voice-gen.ai

Yhdenaisesti kehittynyt alusta ääni, kuvien ja videojen tuotantoon yhdessä työtilassa.

#23

WebVoyager

LMM-voimakkuudella varustettu verkkosivustoagentti, joka suorittaa käyttäjän ohjeet alusta loppuun reaalimaailman sivustoille vuorovaikutuksen kautta.

#24

Jina AI

Monitietokuvauksellinen hakemisen perusta: upotukset, uudelleenarviointi ja RAG-putkitukset

#25

Seedance 1.5 Pro

AI-ympäristö videoiden luomiseen, jossa synkronoitua audioa (ääni, huulien liike, SFX) teksti- tai kuvasisällöistä, sekä kuvanluonti- ja AI-kuvankäsittelytyökalut.