Multimodal AI Souboj — 7. února 2025

1

Omniverse Audio2Face

NVIDIAovo AI poháněné řešení pro generování okamžité, hlasově synchronizované 3D animace obličeje

4.6 (5)

Freemium

Plná recenze

Omniverse Audio2Face je aplikace od společnosti NVIDIA, která automaticky generuje 3D animaci obličeje z audiozdroje. Pomocí předem natrénované hluboké neuronové sítě analyzuje hlasový vstup a v reálném čase ovládá výrazy obličeje, synchronizaci rtů a emoce 3D postavy, čímž eliminuje většinu ručního keyframu, který je obvykle vyžadován v animačních procesech. Tento nástroj běží uvnitř NVIDIA Omniverse a podporuje export do standardních DCC platforem jako Maya, Unreal Engine a Blender prostřednictvím formátů jako USD a blendshapes. Funguje s vlastními meshes postav pomocí workflowu překladu, což je užitečné pro vývojáře her, animátory, týmy virtuální produkce a tvůrce digitálních lidí nebo interaktivních avatarů. Audio2Face podporuje jak offline zpracování pro kinematografické práce, tak živé vysílání pro interaktivní aplikace, s nastavitelnými ovladači emocí a vícejazyčnou podporou zvuku.

• Hlasově poháněná animace obličeje pomocí hlubokého učení
• Momentální synchronizace jazyka a emoce
• Přizpůsobování figurám na uživatelem definované meshes
• Vývoz pomocí blendshapu a USD pro standardní platformy DCC
• Živě přenosný režim pro interaktivní avatarové figurky
• Podpora mnohajazyčného hlavního vstupu

2

Humane AI Pin

Použitelný AI asistent ve formě štítku, které je možno nosit na oděvu jako alternativní řešení ke klasickému mobilnímu telefonu

4.5 (6)

Freemium

Plná recenze

Humane AI Pin je malé, magneticky připevňované nositelné zařízení, které využívá hlas, gesta a laserem projektovaný displej k poskytování interakcí ve stylu asistenta bez tradičního obrazovky. Dvojice vestavěných kamer, mikrofonů a senzorů s velkými jazykovými modely (LLM) umožňuje odpovídat na otázky, překládat jazyky, zachytávat fotografie, shrnovat zprávy a identifikovat objekty v zorném poli. Inzerováno jako zařízení s okolní výpočetní technikou, Pin si klade za cíl snížit závislost na telefonech tím, že zobrazuje informace pouze v případě potřeby. Funguje na vlastním mobilním plánu, nikoli pomocí připojení k chytrému telefonu, a podporuje povely v přirozeném jazyce místo aplikací. Produkt obdržel při svém uvedení na trh smíšené recenze kvůli výdrži baterie, latenci a přesnosti, a společnost Humane od té doby upravila svou plánovanou cestu. I nadále je pozoruhodným časným experimentem se samostatným, umělou inteligencí poháněným nositelným hardwarem.

• Hlasově ovládaný asistent AI
• Lasery pro projektování textů na dlaní
• Real-time překládání jazyků
• Pořizování fotografií a krátkých videí
• Contextuálně rozpoznávání objektů a scén
• Standalone datové připojení pomocí celulární sítě

3

Project Astra

Tato všeobecná agentura AI DeepMind Google vidí, slyší a o světě uvažuje v reálném čase.

5.0 (4)

Freemium

Plná recenze

Project Astra je experimentální univerzální AI asistent od Google DeepMind navržený tak, aby pomáhal s každodenními úkoly tím, že rozumí světu stejně jako lidé. Zpracovává video, zvuk, obrázky a text současně, což umožňuje uživatelům namířit fotoaparát nebo mluvit přirozeně a obdržet odpovědi přizpůsobené kontextu. Vybudovaný na modelech Google Gemini, Astra je navržena pro nízkou latenci a konverzační interakci s přetrvávající pamětí nedávného kontextu. Je umístěna jako výzkumný prototyp zkoumající, jak by obecný agent mohl nakonec běžet na telefonech, chytrých brýlích a dalších okolních zařízeních. Ačkoli není ještě veřejně dostupný produkt, Project Astra naznačuje směrování společnosti Google pro agentní umělou inteligenci, která může pozorovat okolí, zapamatovat si, co viděla, a přijmout užitečná opatření za uživatele.

• LIVE video a obrázek, jeho pochopení
• Geslová konverzijní interface
• Trvalá kontextuální paměť
• Multimodální úvaha přes text, audio a vizuální prvky
• Integrace s rodinou modelů Gemini
• Prototypové podpora pro chytré brýle a telefony

Hume AI vyvíjí modely hlasu a jazyka určené k interpretaci a reakci na emoční podněty v lidské řeči. Jeho vlajková loď Empathic Voice Interface (EVI) kombinuje expresivní syntézu řeči s analýzou tónu, prozódie a sentimentu v reálném čase, což umožňuje konverzace, které se cítí přirozeněji než typičtí hlasoví asistenti. Vývojáři mohou přistupovat k schopnostem Hume prostřednictvím rozhraní API a SDK pro vytváření aplikací v oblastech, jako je podpora duševního zdraví, zákaznický servis, dostupnost a interaktivní zábava. Platforma také nabízí nástroje pro měření výrazů pro analýzu emočních signálů v hlasových, obličejových a jazykových datech. Hume se zaměřuje na odpovědné nasazení, publikuje výzkumy v oblasti afektivní výpočetní techniky a dodržuje etické směrnice pro použití emoce AI.

• Empatické hlasové rozhraní (EVI)
• Výběr vyjádření v hlasech, tvářích a textu
• Požadavkové hlasové osobnosti
• Nízká latence konverzační streamování
• REST a WebSocket API
• Etykové směrnice a dokumentace pro používání emocionálního AI

5

Alaya AI

Světový trh dat Web3 spojující vývojáře AI s globálními přispěvateli prostřednictvím gamifikovaných pobídek.

4.8 (5)

Freemium

Plná recenze

Alaya AI je decentralizovaná platforma, která propojuje vývojáře modelů umělé inteligence s distribuovanými poskytovateli dat prostřednictvím komunitní struktury Web3. Zaměřuje se na získávání různorodých, vysoce kvalitních trénovacích dat pro strojní učení využitím globální sítě přispěvatelů, kteří označují, ověřují a předkládají datové sady. Platforma využívá gamifikaci, tokeny a NFT k motivaci účasti, čímž sběr a anotaci dat mění v zajímavou činnost namísto povinnosti. Přispěvatelé získávají odměny na základě kvality a kvantity své práce, zatímco vývojáři získávají přístup k měnitelným, různorodým souborům dat vhodným pro trénování specifických nebo kulturně specifických modelů LLM. Kombinací transparentnosti blockchainu s inteligencí sociálního rojení se Alaya AI snaží zpřístupnit datové kanály AI více spravedlivými, sledovatelnými a dostupnými pro menší týmy, které nemají rozsáhlé interní zdroje pro označování.

• Decentrální síť pro sběr a označování dat
• Systém odměn založený na tokenech a NFTech
• Gamifikované úkoly a výzvy komunity
• Swarmová inteligence pro distribuované označování
• Podpora pro diverse a specifické potřeby datového souboru
• Tracking příspěvků on-chain