#Multimodal
25 tools tagged “Multimodal”
OpenAI Advanced Voice
Rozhovory v reálnom čase, prirodzené hlasové konverzácie s ChatGPT
ScreenAgent
Open‑source VLM agent na ovládanie počítačových GUI pomocou plánovania a vykonávania myši/klávesnice.
Grok 2
xAI chatbot zameraný na uvažovanie s podporou generovania obrázkov a multimodálneho vstupu
Nexa AI
AI runtime na zariadení pre spúšťanie modelov lokálne na telefónoch, PC a hranových hardvéroch.
Project Astra
Univerzálny AI agent od Google DeepMind, ktorý vidí, počuje a rozumie svetu v reálnom čase.
OmniVision
Kompaktný vision-language model navrhnutý pre nasadenie na zariadeniach a edge AI.
Humain AI
Spoločnosť AI podporovaná Saudsko, ktorá vytvára infraštruktúru veľkej škály a multimodálne arabské LLM pre globálne AI služby.
Uni-1 by Luma AI
Multimodálny model umelej inteligencie pre vysokofrekvenčnú generáciu obrázkov s dobrým priestorovým uvažovaním a presným vykresľovaním textu
Black Forest Labs
Priekopnícka spoločnosť v oblasti umelej inteligencie, ktorá sa špecializuje na najmodernnejšie generatívne modely pre syntézu obrazu a videa.
Veo 4
Videohledávacie AI výgeneráč dekódovať, synchronizácia obrázkov a videí, assemblajúca vídeoklipy z vnútornometračným pohybom kamery a priezvisie replíce, obrázky a vídeoklipy, pravidiel TV a naslovačné informácie.
OpenArt
Kreatívny AI balík pre generovanie umenia, videa a zvuku z textu alebo obrázkov
SuperAnnotate
Shrnutie platformy pre zhromažďanie vrátane syntézovania a správa údajov pre vytvorenie vysoké kvality AI školených sad zúčastnením vlastných labelers alebo spolupracovať so špeciálnej zamieradli výbďradliny pomocou postrádaní, roleom a pipomínaciami pre prístroje na ML bolky a cloudové platformy. S použitím API:ov a SKD:ov mňa osloboďú každou zachytí údaj a rýchlejšie vydanie modely.
Gemma 3
Open-source model umelej inteligencie optimalizovaný pre výkon na jednej GPU, podporujúci multimodálne vstupy a viac ako 140 jazykov.
GLM-4.6V
Open-source multimodálny GLM od Z.ai zjednocujúci víziu, text a volanie nástrojov pre dlhodobé uvažovanie, vyhľadávanie, kódovanie a UI-to-code.
HappyHorse
Otvorený model, ktorý generuje video spárované so synchronizovaným audio z jedného promptu.
OpenAI GPT-4
Multimodálny veľký jazykový model OpenAI pre pochopenie textu, kódu a obrázkov.
Codex CLI
Oprávná AI kontroly konzoly pre vlno-typové programátorapy
LTX 2.3 Video Generator
AI generátor videa, ktorý spája textové príkazy, obrázky a zvuk do súdržných krátkych klipov.
MyShell
Platforma pre koncových používateľov bez kódovania – vytváranie, zdieľanie a vlastníctvo AI aplikácií.
LiveKit Agents
Open-source framework pre tvorbu multimodálnych hlasových a video agentov v reálnom čase.
Aivah
Vytvorenie živé avatárov AI zdieľať si lidské človeštvo v digitálnych životiskoch pre vzrušovať zákazníkov, hľadačov webov, produktov zverejnenie s výzvy vo váš nápad
Voice-gen.ai
Jednotný platform pre generovanú hlasivosť, obrazy a videa v jedinom pracovisku.
WebVoyager
Čožký webagenty, vlastní sa a nahýra, ťažkojí auto na súkromných sieťach
Jina AI
Základ pre multimodálne vyhľadávanie s embedingmi, rerankovaním a RAG pipelines.
Seedance 1.5 Pro
Vytvárajúca AI vlno - vytvárava zvučné video akcie zo slov a obrázkov.