#Multimodal

#1

OpenAI Advanced Voice

Conversas de voz naturais em tempo real com ChatGPT

#2

ScreenAgent

Agente VLM de código aberto para controlar GUIs de computador via planejamento e execução de mouse/teclado.

#3

Grok 2

Chatbot focado no raciocínio do xAI com geração de imagens e suporte a entrada multimodal.

Motor de IA em dispositivo para execução de modelos localmente em telefones, PCs e hardware de borda

#5

Project Astra

Agente de IA universal do Google DeepMind que vê, ouve e raciocina sobre o mundo em tempo real.

#6

OmniVision

Modelo de visão-linguagem compacto construído para implantação de IA em dispositivos e bordos.

#7

Humain AI

Uma empresa de IA apoiada pela Arábia Saudita, construindo infraestrutura em larga escala e LLMs árabes multimodais para serviços de IA globais.

#8

Uni-1 by Luma AI

Modelo de IA multimodal para geração de imagens de alta fidelidade com forte raciocínio espacial e renderização de texto precisa.

#9

Black Forest Labs

Uma startup de IA pioneira especializada em modelos gerativos de última geração para síntese de imagens e vídeos.

#10

Veo 4

Geração de vídeo AI cinematográfico de múltiplas tomadas com áudio sincronizado nativo

#11

OpenArt

Suíte de IA criativa para gerar arte, vídeo e áudio a partir de texto ou imagens

#12

SuperAnnotate

Plataforma de anotação e gerenciamento de dados de ponta a ponta para construir conjuntos de dados de treinamento de IA de alta qualidade.

#13

Gemma 3

Um modelo de IA de código aberto otimizado para desempenho em GPU único, suportando entradas multimodais e mais de 140 idiomas.

#14

GLM-4.6V

Modelo multimodal GLM de código aberto da Z.ai unificando visão, texto e chamadas de ferramentas para raciocínio de longo contexto, busca, codificação e UI-para-código.

#15

HappyHorse

Modelo de código aberto que gera vídeo acompanhado de áudio sincronizado a partir de uma única instrução.

#16

OpenAI GPT-4

Modelo de linguagem multimodal de grande escala da OpenAI para texto, código e compreensão de imagens.

#17

Codex CLI

Assistente de IA de terminal de código aberto que lê, escreve e executa código localmente com entrada multimodal.

#18

LTX 2.3 Video Generator

Gerador de vídeo por IA que une prompts de texto, imagens e áudio em clipes curtos coesos.

#19

MyShell

Plataforma de consumo de IA sem código para criar, compartilhar e possuir aplicativos de IA.

#20

LiveKit Agents

Estrutura de código aberto para construir agentes de voz e vídeo multimodais em tempo real com IA.

#21

Aivah

Crie agentes de avatar IA interativos para experiências digitais imersivas

#22

Voice-gen.ai

Plataforma unificada para vozes, imagens e vídeos gerados por IA em um único espaço de trabalho.

#23

WebVoyager

Um agente web alimentado por LMM que completa instruções de usuário de ponta a ponta interagindo com sites do mundo real.

#24

Jina AI

Fundação de busca multimodal para embeddings, rerankings e pipelines de RAG.

#25

Seedance 1.5 Pro

Plataforma de criação de IA para gerar vídeos com áudio sincronizado (voz, sincronização de lábios, efeitos sonoros) a partir de texto ou imagens, além de ferramentas de geração de imagens e edição de imagens com IA.