Multimodal AI Obračun — 7. veljače 2025.

1

Omniverse Audio2Face

Omni-jevo AI-vođena alatka za generiranje real-time glasnih 3D likova s sinkronizacijom glasa

4.6 (5)

Freemium

Puna recenzija

Omniverse Audio2Face je aplikacija NVIDIA koja automatizirano generira 3D animaciju lica iz izvora zvuka. Upotrebom pretrebrenog dubokog neuronalnog mreže, analizira ugovorizirani glas i upravlja izražavanjem lica, synchronizacijom bubnjića i emocijama 3D lika u realnom vremenu, što u velikoj mjeri eliminira potrebu za ručnim prikazivanjem ključnih kadra u animacijskim tokovima obavljanja posla. Alat rabi u NVIDIA Omniverseu i podržava izvoz u standardne platforme za uređivanje 3D kao što su Maya, Unreal Engine i Blender na formatima kao što su USD i blendshapes. Radnik radi sa osobnim sklopovima likova pomoću protukorisnog tokova, kako bi bio koristan za razvijačima igara, animatorima, timovima za virtualni produkcijski proces i tvorima kojigrade digitalne ljude ili interaktivne avatare. Audio2Face podržava obe oblike obrađivanja zvuka: offline procesiranje za kinezičku djelatnost i živog streamanja za interaktivne aplikacije, uz prilagodljive kontrolne elemente za emocije i podršku više jezika.

• Audijski vođena glavnjenje lica pomoću učenja dubokog učenja
• Real-time sinkronizacija usta i kontrola emocija
• Retargetiranje likova za kursorne mreže
• Izvoz mreža i USD
• Naživi režim za interaktivne avatarice
• Podrška višekomunikacijskim jezicima u uvođenju glasa

2

Humane AI Pin

Wearable asistent za AI dizajniran kao ekran-slobodna alternativa za pametni telephone

4.5 (6)

Freemium

Puna recenzija

Humane AI Pin je maleni, magnetski pričvršćivi uređaj koji upotrebljava glas, pokretne znamenke i laserski projektirani ekran kako bi pružio asistent-lične interakcije bez tradicionalnog ekrana. On koristi pričvršćene kamere, mikrofone i senzore koje kombinira s large language modelima kako bi odgovarao na pitanja, prevodio jezike, snimao fotografije, savlađivao poruke i označavao predmete u vidokrugu. Pin predstavlja se kao uređaj za okolno racionalno korištenje (ambient computing device), koji ima cilj smanjiti ovisnost o telefonima pomoću prikazivanja informacija samo kada je to potrebno. Radi na vlastitom planu mobilne telefone umjesto na vezanju za pametni telefoni, te podržava prirodnim jezikom zapovijedi umjesto aplikacija. Proizvod je nakon lansiranja dobio različite recenzije za trajanje baterije, zaostajanje i točanost, pa je Humane kasnije prilagodio svoj plan rada. Ipak, još uvijek se ubraja u značajna rani pokuse u stojan, samonoseće AI-primjene hardver hardware.

• Glasovno kontrolirani asistent za AI
• Projekcija laserne štamparske ploče na dlanu
• Realno vremenska prevodjenja jezika
• Fota i kratka videa snimanja
• Kontekstualno prepoznavanje objekata i scena
• Podražajna komercijalna mrežna plana

3

Project Astra

Google DeepMindovo univerzalni agent za AI koji vidi, čuje i o rezonira o svijetu u stvarnom vremenu.

5.0 (4)

Freemium

Puna recenzija

Projekt Astra je eksperimentalni univerzalan asistent AI iz Googla DeepMind dizajniran kako bi pomagao u dnevnim zadaćama razumeći svijet na način na koji ga ljudi razumiju. On obrađuje video, audio, slike i tekst istovremeno, omogućavajući korisnicima pokazivanje kamere ili govoriti prirodnim jezikom i primati kontekstno svevidljive odgovore. Nastala je na temelju modela Google Gemina, te je Astra uređena za nisku razinu propusta, interakciju u obliku razgovora s trajnim spomenutom recentnog konteksta. Ta agent će biti postavljena kao istraživački prototip koji će istražiti kako bi se u budućnosti općenito uporabljiva agent može pokrenuti na telefonom, pametnim naočalicima i drugim uređajima u okolini. Iako nije još dostupna javno, Astra označava smjer Googlove za agentne AI sisteme koje mogu obuziti svoju okolinu, spomenu dati što su već vidjeli i uzeti korisne akcije na korisnikovo ime.

• Obrada živa videa i slika
• Poglavljeni konverzační sučelje s glasovnim kontrolom
• Dugotrajna kontekstualna memorija
• Pomošću razumijevanja preko teksta, zvuka i slika
• Sinteziranje s obitelji Gemini modela
• Prototipsko podršku za pametne naočale i telefone

Hume AI razvija glasovne i jezične modele dizajnirane da tumače i odgovaraju emocijskim signalima u čovječkom govoru. Njegov glavni projekt, Empatičan Glasovni Sučelje (EVI), kombinira izražene sinteziranje govora sa real-time analizom tonusa, prozodije i osjećaja, omogućavajući razgovore koji zvuče prirodnije nego tipični glasovni asistenti. Programeri mogu pristupiti mogućnostima Humea preko API-ja i SDK-a kako bi izgradili aplikacije u područjima kao što je potpora mentalnom zdravlju, usluge za klijente, pristupnost i interaktivno zabavno sadržaj. Platforma također nudi alate za mjeru izražavanja za analizu emocionalnih Signala u glasu, licu i jezičkim podacima. Hume razvio je strategiju odgovornog korištenja, objavljuje istraživačke radove o afektivnom računarstvu i pridržava se etičkih smjernica za korištenje AIA inteligencije emocionalne.

• Empatičan Glasovni Sučelje (EVI)
• Biranje izražaja prema glasu, osjetilima i tekstom
• Možnost prilagođavanja glasovnim likovima
• Visoka brzina pretvaranja za razgovorne struje
• REST i WebSocket API-e
• Priručnici i voditelji pravnih standarda za etično korištenje

5

Alaya AI

Tržište podataka Web3 koji povezuje razvoje AI s globalnim kontributorima preko učinjenih natjecanja s nagradama.

4.8 (5)

Freemium

Puna recenzija

Alaya AI je decentralizirani platform koji spaja razvojače AI modela s distribuiranim pružateljima podataka kroz Web3 zajedničku strukturu. Fokusira se na izradu raznolike, visokokvalitne trening podatke za strojno učenje pristupajući globalnoj mreži saradnika koji označavaju, valideraju i predaju skupove podataka. Plataforma koristi gamifikaciju, tokena i NFT-ove kako bi motivirala sudjelovanje, pretvarajući prikupljanje i označavanje podataka u zanimljivo aktivnost umjesto u obvezu. Sudionici dobivaju nagrade zaslugom kvalitete i količine njihovog rada, dok programeri dobivaju pristup skalabilnim, raznoliko podatkovima koji su ugodni za obuku nikšićkih ili kulturno specifičnih modela. Zbogomogućiti kombinaciju transparentnosti blokova s socijalnim sjedinjenjem znanja, Alaya AI namjerava učiniti pipeline-e AI podataka jednakim, zapisekim i pristupačnima manjim timovima bez velikih resursa za etiketiranje u svojoj kući.

• Decentralizirano kolektiranje i označavanje podataka
• Sustav nagrade temeljen na tokenima i NFT-ovima
• Natjecanja i izazovi zajednice
• Kolapsna inteligencija za distribuirano označavanje
• Podržavanje raznovrsnosti i specifičnosti potrebnih skupova podataka
• Slanje radnje s blockchainom za pridonose kontribucija