#Multimodal

#1

OpenAI Advanced Voice

Conversații vocale în timp real, naturale, cu ChatGPT

#2

ScreenAgent

Agent VLM open-source pentru controlul interfețelor grafice de utilizator ale computerului prin planificarea și execuția operațiunilor cu mouse și tastatură.

#3

Grok 2

Chatbot-ul de la xAI axat pe raționament cu generare de imagini și suport pentru intrare multi-modală.

Jergă de răspunsuri lângă dialog (LLM) local pentru dispozitive mobile

#5

Project Astra

Agentul AI universal de la Google DeepMind care vede, aude și înțelege lumea în timp real.

#6

OmniVision

Model compact de viziune și limbaj construit pentru implementarea inteligenței artificiale la nivel de dispozitiv și margine.

#7

Humain AI

O companie de inteligență artificială susținută de Arabia Saudită care construiește infrastructuri la scară largă și modele lingvistice arabe multimodale mari pentru servicii globale de inteligență artificială.

#8

Uni-1 by Luma AI

Model AI multimodal pentru generarea de imagini cu fidelitate înaltă și redarea precisă a textului, cu o bună înțelegere spațială

#9

Black Forest Labs

O companie pionieră de inteligență artificială specializată în modele generative de ultimă generație pentru sinteza imaginii și video.

#10

Veo 4

Generare cinematică de video multi-focare cu audio nativ syncronizat

#11

OpenArt

Suită creativă de inteligență artificială pentru generarea de artă, video și audio din text sau imagini

#12

SuperAnnotate

Platformă de anotare și gestionare a datelor integratoare pentru construirea de date de învățare pentru antrenarea eficientă a AI.

#13

Gemma 3

Un model AI open-source optimizat pentru performanța unui singur GPU, care suportă intrări multimodale și peste 140 de limbi.

#14

GLM-4.6V

Model multimodal GLM open-source de la Z.ai care unește viziunea, textul și apelurile de instrumente pentru raționament pe contexte lungi, căutare, codare și interfață de utilizator către cod.

#15

HappyHorse

Modul de bază open-source care generă viziuni și sunet în cadru de la o solicitare single

#16

OpenAI GPT-4

Modelul de limbaj multimodal mare al OpenAI pentru înțelegerea textului, codului și imaginii.

#17

Codex CLI

Aياطي المساعد المفتوح-مصادر للكاتبة والتحرير مباشرة من سطر الأوامر، دون مغادرة سير العمل الذي يعتمد على لوحة المفاتيح.

#18

LTX 2.3 Video Generator

Generator de فيديو AI care unifică input-urile de text, imagine și știri acustice în o bază de lucru فردية

#19

MyShell

Platformă AI la fel deută fără cod pentru creatarea aplicațiilor AI personale.

#20

LiveKit Agents

Adaptată pentru utilizare în proiecte opensource și dezvoietate

#21

Aivah

Creează agenți avatar AI interactivi pentru experiențe digitale imersive

#22

Voice-gen.ai

Platformă unificată pentru voce, imagini și videoclipuri generate de inteligența artificială, într-un singur spațiu de lucru.

#23

WebVoyager

Un agent web alimentat de LMM care finalizează instrucțiunile utilizatorilor end-to-end prin interacțiune cu site-urile web reale.

#24

Jina AI

Bază de îngeri pentru căutare eficientă în sens multimodal si comportămător de recunoaștere a limbilor.

#25

Seedance 1.5 Pro

Platformă de creație AI pentru generarea de videoclipuri cu audio sincronizat ( voce, sincronizare de buze, efecte sonore) din text sau imagini, plus generarea de imagini și instrumente de editare AI pentru imagini.