#Multimodal
25 tools tagged “Multimodal”
OpenAI Advanced Voice
Πραγματικό χρόνο, φυσικές φωνητικές συνομιλίες με το ChatGPT
ScreenAgent
Ανοιχτού κώδικα VLM πράκτορας για τον έλεγχο των GUI υπολογιστών μέσω σχεδιασμού και εκτέλεσης κινήσεων ποντικιού/πληκτρολογίου.
Grok 2
Chatbot xAI που εστιάζει στη λογική, με δυνατότητα δημιουργίας εικόνων και υποστήριξη πολυμορφικής εισόδου.
Nexa AI
Περιβάλλον AI εντός συσκευής για εκτέλεση μοντέλων τοπικά σε κινητά, PCs και edge υλικοσυσκευές.
Project Astra
Καθολικός AI πράκτορας της Google DeepMind που βλέπει, ακούει και λογίζει για τον κόσμο σε πραγματικό χρόνο.
OmniVision
Συμπαγές μοντέλο οπτικο-γλώσσας σχεδιασμένο για ενσωμάτωση σε συσκευές και edge AI.
Humain AI
Μια εταιρεία AI με στήριξη από την Σαουδική Αραβία που αναπτύσσει υποδομές μεγάλης κλίμακας και πολυμορφικά Αραβικά LLMs για παγκόσμιες υπηρεσίες AI.
Uni-1 by Luma AI
Μοντέλο AI πολυμορφικό για δημιουργία εικόνων υψηλής πιστότητας με ισχυρή χωρική λογική και ακριβή απεικόνιση κειμένου.
Black Forest Labs
Μίας προνομιούσμιας εταιρείας AI που ειδικεύεται σε ελάχιστη-απαιτούμενη τεχνολογία γεννητικών модελών για την sintesi περιεχομένου εικόνας και βίντεο.
Veo 4
Πολλαπλές πλάνες κινηματογραφικής παραγωγής βίντεο AI με εγγενές συγχρονισμένο ήχο
OpenArt
Πολυπλαστική λύση AI για δημιουργία τέχνης, βίντεο και ήχου από κείμενο ή εικόνες
SuperAnnotate
Πλατφόρμα ολοκληρωμένης ετικετοποίησης δεδομένων και διαχείρισης για τη δημιουργία σετ εκπαίδευσης AI υψηλής ποιότητας.
Gemma 3
Ένα ανοιχτού κώδικα μοντέλο AI βελτιστοποιημένο για απόδοση σε single-GPU, υποστηρίζει πολυμορφικές εισόδους και πάνω από 140 γλώσσες.
GLM-4.6V
Ανοιχτού κώδικα πολυμορφικό GLM από τη Z.ai που ενοποιεί όραση, κείμενο και κλήση εργαλείων για λογική μακράς συμφραζομένης, αναζήτηση, προγραμματισμό και UI‑to‑code.
HappyHorse
Μοντέλο ανοιχτού κώδικα που δημιουργεί βίντεο ζευγαρωμένο με συγχρονισμένο ήχο από μία ενιαία προτροπή.
OpenAI GPT-4
Το πολυμορφικό μεγάλο γλωσσικό μοντέλο της OpenAI για κείμενο, κώδικα και εικόνα
Codex CLI
Ανοιχτή-πηγή τεραμινοτική βοηθός για τη διαβίβαση και εκτέλεση κώδικα από τοπικά με πολυμόδια εισαγωγή.
LTX 2.3 Video Generator
AI δημιουργός βίντεο που ενώνει κείμενα, εικόνες και ήχο σε συνεκτικά κλιπ σύντομης διάρκειας.
MyShell
Πλατφόρμα AI για καταναλωτές χωρίς κώδικα, για δημιουργία, κοινή χρήση και ιδιοκτησία εφαρμογών AI.
LiveKit Agents
Πλαίσιο ανοιχτού κώδικα για τη δημιουργία AI agents σε πραγματικό χρόνο με πολλαπλές μορφές φωνής και βίντεο.
Aivah
Δημιουργήστε διαδραστικούς avatar-δίγαμονες AI για immersive ψηφιακές εμπειρίες
Voice-gen.ai
Πλατφόρμα ενιαίας παραγωγής φωνής, εικόνας και βίντεο με AI, όλα σε ένα χώρο εργασίας.
WebVoyager
Ένας web agent με τεχνητό μοντέλο LMM που ολοκληρώνει τις οδηγίες του χρήστη από την αρχή έως το τέλος μέσω αλληλεπίδρασης με πραγματικούς ιστότοπους.
Jina AI
Πολυμορφική βάση αναζήτησης για embeddings, reranking και RAG pipelines.
Seedance 1.5 Pro
Πλατφόρμα δημιουργίας AI για παραγωγή βίντεο με συγχρονισμένο ήχο (φωνή, lip-sync, SFX) από κείμενο ή εικόνες, καθώς και δημιουργία εικόνων και εργαλεία AI επεξεργασίας εικόνας.