AI Multimodal Tools

Versão visual do GPT-4 com capacidades de visão computacional avançadas.

Modelo multimodal do Google com capacidades avançadas de visão e texto.

Versão multimodal do Claude com análise de imagens e documentos.

Geração de imagens a partir de texto com tecnologia chinesa avançada.

Modelo multimodal chinês com aplicações em vídeo, imagem e texto.

Modelo multimodal russo integrado aos produtos Yandex.

Modelo multimodal coreano com forte suporte para coreano e inglês.

Modelo multimodal coreano com API pública para desenvolvedores.

Large Language and Vision Assistant open-source para análise visual.

Modelo multimodal compacto com capacidades de visão e linguagem.

Modelo de visão e linguagem treinado com instruções para tarefas visuais.

Modelo de visão e linguagem com arquitetura Q-Former inovadora.

Modelo few-shot learning para tarefas de visão e linguagem.

Modelo multimodal da Microsoft para compreensão de linguagem e visão.

Modelo embodied multimodal para robótica e tarefas do mundo real.