#Multimodal

#1

OpenAI Advanced Voice

Reāllaika, dabiskas balss sarunas ar ChatGPT

#2

ScreenAgent

Atvērtā koda VLM aģents datoru GUI kontrolei ar peles/klaviatūras plānošanu un izpildi.

#3

Grok 2

xAI vērsts uz loģiku orientēts četbotss ar attēlu ģenerēšanu un daudzveidīgu ievades atbalstu

Nexa AI – vietējais AI izpildes vidē, kas ļauj veikt modeļus lokāli uz tālruņiem, datoriem un robežrīkiem.

#5

Project Astra

Google DeepMind universālais AI aģents, kas redz, dzīv, un domā par pasauli reālajā laikā.

#6

OmniVision

Kompakts vizions-valodas modelis, izstrādāts uz ierīces un kraukšķa AI izvietojumiem.

#7

Humain AI

Saudijas atbalstīts AI uzņēmums, kas izstrādā lielapjoma infrastruktūru un multimodālos arābu LLM, lai nodrošinātu globālos AI pakalpojumus.

#8

Uni-1 by Luma AI

Multimodāls AI modelis augstas izcilības attēlu ģenerēšanai ar spēcīgu telpisko apziņu un precīzu teksta renderēšanu.

#9

Black Forest Labs

Pionieru datubāzu apstrādes uzņēmums, kas specializējas šeit augstākās līmeņa ģeneratīvajāmodelēs attēlu un video sintēzei.

#10

Veo 4

Vieluzīmes cinēmatiskā AI video izveide ar auto sinhronizētu audio

#11

OpenArt

Kreatīva AI komplekts mākslas, video un audio radīšanai no teksta vai attēliem

#12

SuperAnnotate

Pilna datu anotācijas un pārvaldības platforma, lai izveidotu augstas kvalitātes AI apmācības datu kopas.

#13

Gemma 3

Atvērtas pirmkoda AI modelis, optimizēts vienas GPU veiktspējai, atbalsta multimodālus ievadus un vairāk nekā 140 valodas.

#14

GLM-4.6V

Atvērtā koda multimodālais GLM no Z.ai, apvienojot redzi, tekstu un rīku izsaukšanu ilgas konteksta izpētei, meklēšanai, kodēšanai un UI uz kodu.

#15

HappyHorse

Atvērta koda modelis, kas no vienas pieprasījuma ģenerē video un sinhronizētu audio

#16

OpenAI GPT-4

OpenAI daudzmodalais lielo valodas modelis teksta, koda un attēlu izpratnei.

#17

Codex CLI

Atvērtā koda termināļa AI asistents, kas nolasa, raksta un izpilda kodu lokāli ar daudzmodalitātes ievadi.

#18

LTX 2.3 Video Generator

AI video generator, kas savieno tekstu, attēlus un audio vienotus īsformu klipus.

#19

MyShell

Bez kodēšanas AI patērētāju platforma izveidei, dalīšanai un īpašumtiesībām AI lietotnēm.

#20

LiveKit Agents

Reāllaika, daudzmodalu balss un video AI dzinturju izveides atvērta pirmkoda ietvars

#21

Aivah

Izveidojiet interaktīvus AI avatāru aģentus imersīvām digitālām pieredzēm

#22

Voice-gen.ai

Vienota platforma AI ģenerētiem balssierakstiem, attēliem un videoklipiem vienā darba vietā.

#23

WebVoyager

LMM-dzinēts tīmekļa aģents, kas izpilda lietotāja norādījumus no sākuma līdz beigām, mijiedarbojoties ar reālām tīmekļa vietnēm.

#24

Jina AI

Multimodāla meklēšanas pamatne – iegudrojumi, pārtraukšana un RAG pipeline

#25

Seedance 1.5 Pro

AI radīšanas platforma videu izveidei ar sinhronizētu audio (balss, lūpu sinhronizācija, skaņas efekti) no teksta vai attēliem, kā arī attēlu ģenerēšana un AI attēlu rediģēšanas rīki.