#Multimodal

#1

OpenAI Advanced Voice

V realnem času, naravni glasovni pogovori s ChatGPT-jem

#2

ScreenAgent

Odprtokodna VLM agent za upravljanje računalniškega GUI-ja prek planiranja in izvajanja miške ter tipkovnice.

#3

Grok 2

xAI-jev pogovorni robot, osredotočen na razmišljanje, z generiranjem slik in podporo multimodalnemu vnosu

AI runtime na napravi za izvajanje modelov lokalno na telefonih, računalnikih in robni strojni opremi.

#5

Project Astra

Univerzalni AI agent Google DeepMind, ki v realnem času vidi, sliši in razmišlja o svetu.

#6

OmniVision

Kompakten vision-language model, zasnovan za izvajanje AI na napravi in robnih sistemih.

#7

Humain AI

AI podjetje, ki ga podpira Saudija, gradi infrastrukturo velike razsežnosti in multimodalne arabske LLM-je za globalne AI storitve.

#8

Uni-1 by Luma AI

Multimodalni AI model za generiranje visokokakovostnih slik z močno prostorsko razumevanje in natančnim prikazovanjem besedila

#9

Black Forest Labs

Pionirska AI startup, ki se ukvarja s sodobnimi generativnimi modeli za sintezo slik in videoposnetkov.

#10

Veo 4

Množično-posnetkovna kinematska AI video generacija z nativno sinhroniziranim zvokom

#11

OpenArt

Ustvarjalni AI paket za generiranje umetnosti, videov in zvoka iz besedila ali slik

#12

SuperAnnotate

Celovita platforma za označevanje in upravljanje podatkov, namenjena ustvarjanju visokokakovostnih AI setov za trening.

#13

Gemma 3

Odprtokodni AI model, optimiziran za delovanje na eni GPU, ki podpira multimodalne vhodne podatke in več kot 140 jezikov.

#14

GLM-4.6V

Odprtokodni multimodalni GLM podjetja Z.ai, ki združuje vizijo, besedilo in klicanje orodij za dolgokontekstno razmišljanje, iskanje, kodiranje in UI-to-code.

#15

HappyHorse

Model odprtega izvorja, ki iz enega povpraševanja generira video v kombinaciji z sinhroniziranim zvokom.

#16

OpenAI GPT-4

OpenAI-jev multimodalni veliki jezikovni model za razumevanje besedila, kode in slik.

#17

Codex CLI

Odprtokodna terminalna AI asistent, ki lokalno bere, piše in izvaja kodo z multimodalnim vnosom.

#18

LTX 2.3 Video Generator

AI generator videa, ki združuje tekstovne ukaze, slike in zvok v kohezivne kratke klipove.

#19

MyShell

Platforma za potrošnike AI brez kodiranja, ki omogoča ustvarjanje, deljenje in lastništvo AI aplikacij.

#20

LiveKit Agents

Open-source okvir za gradnjo realnočasovnih, multimodalnih glasovnih in video AI agentov.

#21

Aivah

Ustvarjajte interaktivne AI avatarje za potopljiva digitalna doživetja

#22

Voice-gen.ai

Enotna platforma za AI-generirane glasovne posnetke, slike in videoposnetke v enem delovnem prostoru.

#23

WebVoyager

LMM-zmogljiv spletni agent, ki dokončuje uporabniška navodila od začetka do konca z interakcijo z resničnimi spletnimi spleti.

#24

Jina AI

Multimodalna iskalna osnova za embedinge, rerankiranje in RAG pipeline.

#25

Seedance 1.5 Pro

AI platforma za ustvarjanje videov z sinhroniziranim zvokom (glas, lip-sync, SFX) iz besedila ali slik, vključno z generiranjem slik in orodji za AI urejanje slik.