#Multimodal

#1

OpenAI Advanced Voice

Real-tidiga, naturliga röstsamtal med ChatGPT

#2

ScreenAgent

Öppen-källkodsbaserad VLM-agenter för att kontrollera datorns GUI via mus-/ tangentbordspianering och -utvinning.

#3

Grok 2

xAI:s förståelsefokuserade chattbot med stöd för bildgenerering och flermodulär inmatning.

Kör AI-modeller lokalt på enheter som telefoner, datorer och edge-hårdvara

#5

Project Astra

Googles DeepMind universella AI-agent som ser, hör och resonerar om världen i realtid.

#6

OmniVision

Kompakt bildspråksmodell byggd för lokal och kant-AI-distribution.

#7

Humain AI

En AI-företag med säte i Saudiarabien som bygger upp stora infrastrukturer och multimodal arabiska LLM:er för globala AI-tjänster.

#8

Uni-1 by Luma AI

Multimodal AI-modell för högkvalitativ bildskapande med stark rumslig förståelse och exakt textrendering.

#9

Black Forest Labs

En banbrytande AI-startup som specialiserar sig på toppmoderna generativa modeller för bild- och videosyntes.

#10

Veo 4

Multishots med AI-baserad video och nativt synkroniserad ljud

#11

OpenArt

Kreativ AI-paket för att skapa konst, video och ljud från text eller bilder

#12

SuperAnnotate

Plattform för slutförande av dataanpassning och hantering för att utveckla högkvalitativa AI-träningsuppsättningar.

#13

Gemma 3

Ett öppen källkodsförd AI-modell optimerad för enskild-GPU-prestanda, som stödjer multimodal ingångar och fler än 140 språk.

#14

GLM-4.6V

Öppen källkodsmultimodal GLM från Z.ai som samlar vision, text och verktygsanrop för långsam resonemang, sökning, kodning och UI-to-kod.

#15

HappyHorse

Öppen-sourcemodel som genererar video kopplat med synchroniserad ljud från en enda anspelning.

#16

OpenAI GPT-4

OpenAI:s multimodala stora språkmodell för text-, kod- och bildförståelse.

#17

Codex CLI

Open-source terminal AI-assistent som läser, skriver och kör kod lokalt med multimodal indata.

#18

LTX 2.3 Video Generator

AI-videogenerator som förenar textprompt, bild och ljud till sammanhängande korta klipp.

#19

MyShell

No-code-plattform för AI-konsumenter att bygga, dela och äga AI-applikationer.

#20

LiveKit Agents

Öppenkällkodsramverk för att skapa realtids-, multimodala röst- och video-AI-agenter.

#21

Aivah

Skapa interaktiva AI‑avatar‑agenter för uppslukande digitala upplevelser

#22

Voice-gen.ai

En enkel plattform för AI-genererade röstrecensioner, bilder och videor i ett arbetsytefönster.

#23

WebVoyager

Ett LMM-drivet webbservant som slutför användares instruktioner från början till slut genom att interagera med riktiga webbplatser.

#24

Jina AI

Multimodalt sökfoundation för inbäddningar, omrankning och RAG-pipelines

#25

Seedance 1.5 Pro

Plattform för AI-baserade skapande av videor med synkroniserat ljud (röst, munrörelser, effekter) från text eller bilder samt bildgenerering och redigering av bilder med AI.