#Multimodal

#1

OpenAI Advanced Voice

В реално време - естествените гласови разговори с ChatGPT

#2

ScreenAgent

Отворен код VLM агент за управление на компютърния GUI чрез планиране и изпълнение на мишка/клавиатура.

#3

Grok 2

Chatbot na xAI със фокус върху извадно мислене, поддръжка на изображения и полимодален вход.

Речник AI на устройствата, поддържащ работа на модели местно извън телефони, компютри и хардуер за брягова обработка.

#5

Project Astra

Универсалната AI-агентност, която вижда, чува и прави умни изводи за световните реални-time

#6

OmniVision

Малко и мощен вид-мовен модел за изпълнение на изклюзивните умения на външно АИ.

#7

Humain AI

Компания за човешна Интелигенция, подкрепяна от Саудитска Арабия, която изгражда масови Инфраструктура и модални арабски модели за Голяма Обемност на Лингвистични Модели за глобални услуги_AI_.

#8

Uni-1 by Luma AI

Мултимодално AI модело за възпроизвеждане на високоякостни изображения с силно пространствено помислене и точна представа на текста.

#9

Black Forest Labs

Лидер в изследванията и развитието на новаторски AI модели за създаване на снимки и видео.

#10

Veo 4

Мулти-шотов филмова АИ възпроизводител за видеото с нативно синхронизиран изходен аудио

#11

OpenArt

Креативна АИ система за генериране на изкуство, видео и звукове от текст или изображения

#12

SuperAnnotate

Платформа за анотиране и управление на данни от начало до края за създаване на висококачествени тренирънки за машинно обучение.

#13

Gemma 3

Отворена AI модел, оптимизиран за ефективно използвания единна GPU, поддържаща многосезонни въведения и над 140 езика.

#14

GLM-4.6V

Отворен кодов multimodal GLM от Z.ai, обединяващ виждане, текст и връзване на уреди за дългосрочен контекстен мислене, търсене, кодиране и UI-to-code.

#15

HappyHorse

Творческа платформа за генерация на видео, съпоставяно с синхронизирана аудио от един извадък на извадките.

#16

OpenAI GPT-4

Мултимодален голям модел за езикова обработка, код и образова разбиране от OpenAI.

#17

Codex CLI

Отворен-код терминален асистент за AI, който чете, записва и изпълнява локално код с много-модов вход.

#18

LTX 2.3 Video Generator

Умно видео генератор, който обединява текстови предимци, картинки и аудио в кохезивни кратки клипове.

#19

MyShell

Платформа потребителски AI за безкодирано създаване, поддържаѝ и съобщение AI приложения.

#20

LiveKit Agents

Отворен сърворфейс за създаване на реално-временни, многомодални гласови и видео AI агенции.

#21

Aivah

Създавайте интерактивни аватарни агенти на AI за имерсивни цифрови изживявания

#22

Voice-gen.ai

Обща платформа за генериране на гласови отчети, изображения и видеа в един работен термин.

#23

WebVoyager

Умножавайки се с ЛММ, този веб агент изпълнява потребителските инструкции на повече ниво, съмняйки се с реалните уеб сайтове.

#24

Jina AI

Основаване на поширата на многомодален търсене за вмърдяване, реранкиране и архитектури за извличане от контекст

#25

Seedance 1.5 Pro

Платформа за AI създаване за генериране на видеа с синхронизирана аудио (глас, синхронизирана уста, SFX) от текст или снимки, плюс генерация на снимки и инструменти за редактиране с AI.