#Multimodal

#1

OpenAI Advanced Voice

Sanntid, naturlige stemmebaserte samtaler med ChatGPT

#2

ScreenAgent

Open‑source VLM-agent for å kontrollere datamaskinens GUI‑er via muse- og tastaturplanlegging og utførelse.

#3

Grok 2

xAI sin resonneringsfokuserte chatbot med bildegenerering og støtte for multimodale inndata.

On-device AI-runtime for kjøring av modeller lokalt på telefoner, PCer og edge‑hardware.

#5

Project Astra

Google DeepMind's universelle AI-agent som ser, hører og forstår verden i sanntid.

#6

OmniVision

Kompakt visjons‑språklig modell bygget for on‑device og edge‑AI‑utplassering.

#7

Humain AI

Et saudisk-støttet AI-selskap som bygger infrastruktur i stor skala og multimodale arabiske LLM-er for globale AI-tjenester.

#8

Uni-1 by Luma AI

Multi-modal AI- modell for høykvalitets bildegenerering med sterk romlig forståelse og nøyaktig tekstoppfølging

#9

Black Forest Labs

Et banebrytende AI-startup som spesialiserer seg på toppmoderne generative modeller for bilde- og videosyntese.

#10

Veo 4

Generering av multi-skuddelige filmmessige AI-videoklipp med nativt synkronisert lyd

#11

OpenArt

Kreativ AI-suite for å generere kunst, video og lyd fra tekst eller bilder

#12

SuperAnnotate

Plattform for helt åpne datalabeling og -håndtering for å bygge høykvalitetsmaskinlærings-utdanningsdata.

#13

Gemma 3

En åpen kildekode AI-modell optimalisert for enkelt-GPU-ytelse, som støtter multimodale innganger og over 140 språk.

#14

GLM-4.6V

Åpen kildekode multimodal GLM fra Z.ai som samler visjon, tekst og verktøykalling for langkontekst‑resonnering, søk, koding og UI-til-kode.

#15

HappyHorse

Åpen kildekode-modell som genererer video sammen med synkronisert lyd fra en enkelt prompt.

#16

OpenAI GPT-4

OpenAIs multimodale LLM for tekst, kode og bildeforståelse.

#17

Codex CLI

Selvstendig terminal-AI-assistent som kan lese, skrive og kjøre kode lokalt med multimodal input

#18

LTX 2.3 Video Generator

AI‑videogenerator som forener tekst‑prompter, bilder og lyd i sammenhengende korte klipp.

#19

MyShell

No-code AI-forbrukerplattform for å lage, dele og eie AI‑apper.

#20

LiveKit Agents

Open-source rammeverk for å bygge sanntids, multimodale stemme- og video-AI-agenter.

#21

Aivah

Bygg interaktive AI-avataragenter for innlevende digitale opplevelser

#22

Voice-gen.ai

Samlet platform for generering av AI-drevne voiceovers, bilder og videoer i én arbeidsplass.

#23

WebVoyager

En LLM-drevet webagent som fullfører brukerinnledder sluttpunkt-t-til-sluttpunkt ved å interagere med virkelige verdens nettsteder.

#24

Jina AI

Multimodal søkebasert plattform for embeddings, omrangering og RAG-pipelines

#25

Seedance 1.5 Pro

AI‑opprettelsesplattform for å generere videoer med synkronisert lyd (stemme, lip‑sync, SFX) fra tekst eller bilder, samt bildegenerering og AI‑bildebehandlingsverktøy.