#Multimodal

#1

OpenAI Advanced Voice

Realaiciai, natūralusis kalba pokalbis su ChatGPT

#2

ScreenAgent

Atviroji-VLJ agentas, kontroliuojantis kompiuterio GUI per mygtukų ir klaviatūros planavimą ir vykdymą.

#3

Grok 2

xAI's reasoning-focused chatbot with image generation and multi-modal input support.

Įrenginio AI vykdymo įranga, leidžianti vykdyti modelius tiesiogiai įrenginiuose kartu su telefonojais, kompiuteriais ir krašto įrenginiais.

#5

Project Astra

Kokia Google DeepMind universalio AI agentas, matydamas, girdėdamas į šį pasaulį tiesiogiai.

#6

OmniVision

Kompleksusis vaizdo ir kalbos modelis, sudarytas įrenginiams, skirtiems veikti priklausojoje ir krašto AI sisteme

#7

Humain AI

Saudų paramėtas AI kompanija, kuri sukuria didelio masto infrastruktūrą ir dažynybę arabų AI modelius globaliems komunikacijų paslaugoms.

#8

Uni-1 by Luma AI

Multimodalio AI modelis dažnėto auktuodo formavimui su stipriu erdviniu protu ir tikru tekstu atvaizdavimu.

#9

Black Forest Labs

Įžymų AI pradininkų įmonė specializuojantis žingsnių kūrime įkūnijo ir vaizdo sintezė.

#10

Veo 4

Mūsųjų kino juostaų gamintojaus aiškinėjai su nativiu synchronized audio

#11

OpenArt

Sukurtoji AI sūrytė, kuria vaizdą, videoclipus ir garso įrašus tekstiniu ir vaizduotu signalu

#12

SuperAnnotate

Pabaigiamas duomenų įrašymas ir valdymas platforma, skirta sudaryti aukštos kokybės AI treniravimo duomenų masę.

#13

Gemma 3

Atviras skaičiavimo modelis, specialiai optimizuotas vieno-GPU atliekamumo, remiantis keičiamomis įvestimis ir virš 140 kalbų.

#14

GLM-4.6V

Atvirųjų kodus multimodalų GLM, kuris Z.ai integracija unifikuja regėjimą, sąmokslo tekstą ir įrankio įvykdyti ilgą tekstų perdavimo prieš, paieskos, kodavimo, ir UI iki kodai

#15

HappyHorse

Atvirojo modelio,generuojanės nuotrauką su sunkrėtiniu garso efektu iš vieno įsakymo.

#16

OpenAI GPT-4

Atviros programos multimodalus daugianaudžio kalbos modelis tekstui, kodo ir vaizdo supratimui.

#17

Codex CLI

Atviroji terminalo AI pagalbininkė, skaitysianti, rašyanti, ir vykdyti kodą lokaliai su polimodaliais įvestimais.

#18

LTX 2.3 Video Generator

AI video generatorijos, kurianti tekstiniai užklausos, vaizdų ir garso raidas sąjungtomis trumpaforminėmis filmukais.

#19

MyShell

Nemokamo kodo AI naudojimo platforma sukuriai, skelbiai ir priklauso savo AI programų programėles

#20

LiveKit Agents

Atvira šaltinių sistemoje esantis rėmuvas, skirtas konstravinti realiu greičiu, multimodalioju balsu ir vaizdo AI agentus.

#21

Aivah

Sukurkite interaktyvius AI avatara agentus užimtinims digitaliems patirtimams

#22

Voice-gen.ai

Suvienotas platforma už kompiuterio generuojamąsias kalbų režimu, vaizdus ir vaizdo įrašus vieno darbo lauke.

#23

WebVoyager

Ši galioja LMM-s mūszodi agentas, kuris baigtų vartotojo instrukcijas išgirstąjusi tiek realią pasaulio tinklą.

#24

Jina AI

Bazinis multimodalusius ieškimo fondacija už įterpimų, perkriūvimo ir RAG srautų

#25

Seedance 1.5 Pro

Plius technologijų plataformėje sukuriant vaizdą, kartu su sinkriniu garsu (balsas, lip-sync, efektai), iš tekstų ar vaizdų