
Trợ lý đa phương thức hàng đầu của OpenAI, vận hành bằng GPT-6 và GPT-5.6 cho suy luận, lập trình và nghiên cứu chuyên sâu.
Trợ lý đa phương thức hàng đầu của OpenAI, vận hành bằng GPT-6 và GPT-5.6 cho suy luận, lập trình và nghiên cứu chuyên sâu.
So sánh sản phẩm AI trong 459 quy trình bằng lưu lượng ước tính, tính năng và các lựa chọn thay thế.
“Multimodal AI”·463 kết quả
Bắt đầu lại
Trợ lý đa phương thức hàng đầu của OpenAI, vận hành bằng GPT-6 và GPT-5.6 cho suy luận, lập trình và nghiên cứu chuyên sâu.
Trợ lý đa phương thức hàng đầu của OpenAI, vận hành bằng GPT-6 và GPT-5.6 cho suy luận, lập trình và nghiên cứu chuyên sâu.

Trợ lý AI đa phương thức và hệ sinh thái của Google trang bị Gemini 4 Carbon (Gemini Carbon 4), Gemini 4 Argon, Gemini 3.8 Flash và Gemini 3.1 Pro
Trợ lý AI đa phương thức và hệ sinh thái của Google trang bị Gemini 4 Carbon (Gemini Carbon 4), Gemini 4 Argon, Gemini 3.8 Flash và Gemini 3.1 Pro

Nền tảng dành cho nhà phát triển và API doanh nghiệp để triển khai GPT-6 Astra, Sol, Luna và các tác tử đa phương thức thời gian thực.
Nền tảng dành cho nhà phát triển và API doanh nghiệp để triển khai GPT-6 Astra, Sol, Luna và các tác tử đa phương thức thời gian thực.
Vidu is a multimodal generative video platform from ShengShu Technology. It turns text prompts, still images, and reference footage into short cinematic clips, with tools for subject-consistent characters, anime styles, and sound-effect generation.
Vidu is a multimodal generative video platform from ShengShu Technology. It turns text prompts, still images, and reference footage into short cinematic clips, with tools for subject-consistent characters, anime styles, and sound-effect generation.
Dòng mô hình đa phương thức của Xiaomi cho suy luận, thị giác và giọng nói
Dòng mô hình đa phương thức của Xiaomi cho suy luận, thị giác và giọng nói

IDE tạo mẫu nhanh và bàn làm việc API cho nhà phát triển của Google, dùng để xây dựng ứng dụng đa phương thức với các mô hình Gemini.
IDE tạo mẫu nhanh và bàn làm việc API cho nhà phát triển của Google, dùng để xây dựng ứng dụng đa phương thức với các mô hình Gemini.
Mô hình nền tảng đa phương thức và sản phẩm AI gốc cho văn bản, video, hình ảnh, giọng nói và nhạc
Mô hình nền tảng đa phương thức và sản phẩm AI gốc cho văn bản, video, hình ảnh, giọng nói và nhạc
Bộ mô hình nền tảng đa phương thức của Tencent cho văn bản, thị giác, hình ảnh và giọng nói
Bộ mô hình nền tảng đa phương thức của Tencent cho văn bản, thị giác, hình ảnh và giọng nói
Tầng dữ liệu đa phương thức cho nhóm thị giác máy tính và physical AI
Tầng dữ liệu đa phương thức cho nhóm thị giác máy tính và physical AI
Một API tương thích OpenAI cho hơn 500 mô hình ảnh, video, âm thanh và LLM
Một API tương thích OpenAI cho hơn 500 mô hình ảnh, video, âm thanh và LLM

Mô hình và hạ tầng AI đa phương thức gốc cho video, hình ảnh, âm thanh và văn bản theo thời gian thực.
Mô hình và hạ tầng AI đa phương thức gốc cho video, hình ảnh, âm thanh và văn bản theo thời gian thực.

Qwen 4 (Alibaba Qwen4): Hệ sinh thái mô hình đa phương thức thế hệ thứ 4 với Qwen4-Max, Qwen4-Plus, Qwen4-Flash, Qwen4-27B và kiến trúc Qwen 3.8-Flash-Next
Qwen 4 (Alibaba Qwen4): Hệ sinh thái mô hình đa phương thức thế hệ thứ 4 với Qwen4-Max, Qwen4-Plus, Qwen4-Flash, Qwen4-27B và kiến trúc Qwen 3.8-Flash-Next

Video AI đa phương thức với âm thanh gốc, nhân bản giọng nói và chỉnh sửa bằng chỉ dẫn
Video AI đa phương thức với âm thanh gốc, nhân bản giọng nói và chỉnh sửa bằng chỉ dẫn

Một canvas AI vô tận quy tụ hơn 50 mô hình ảnh và video trong cùng một không gian sáng tạo
Một canvas AI vô tận quy tụ hơn 50 mô hình ảnh và video trong cùng một không gian sáng tạo

MiniMax Design is MiniMax's multimodal creation studio: a desktop agent platform that chains text, image, video, and audio models into one continuous production pipeline, from brief to final cut. A main Agent breaks your intent into tasks, dispatches specialized copy, image, video, and audio agents in parallel on a shared canvas, and reuses your saved Skills so every project gets faster.
MiniMax Design is MiniMax's multimodal creation studio: a desktop agent platform that chains text, image, video, and audio models into one continuous production pipeline, from brief to final cut. A main Agent breaks your intent into tasks, dispatches specialized copy, image, video, and audio agents in parallel on a shared canvas, and reuses your saved Skills so every project gets faster.

Voxel51 is the data platform for physical AI, built on the open-source FiftyOne library. It helps computer vision and robotics teams search, visualize, curate, annotate, and evaluate multimodal datasets — images, video, 3D scenes, and sensor streams — so they can find where models fail and fix the data behind them.
Voxel51 is the data platform for physical AI, built on the open-source FiftyOne library. It helps computer vision and robotics teams search, visualize, curate, annotate, and evaluate multimodal datasets — images, video, 3D scenes, and sensor streams — so they can find where models fail and fix the data behind them.
Một API miễn phí cho mô hình văn bản, hình ảnh và video
Tạo video AI đa phương thức với thẻ tham chiếu và nối dài cảnh liền mạch
Tạo video AI đa phương thức với thẻ tham chiếu và nối dài cảnh liền mạch

Trợ lý AI thời gian thực và không gian làm việc lập trình của xAI, vận hành bằng Grok 4.7 với tích hợp X trực tiếp.
Tác nhân AI sáng tạo đa phương thức để tạo video, hình ảnh và 3D
Seele AI is a multimodal AI agent for game creation. You describe a game in one sentence or upload an image, and it generates playable code, 3D assets, audio and levels in the browser. Projects can be exported natively to Unity, Unreal, Godot or Three.js, and finished games can be published to web, mobile and storefronts.
Seele AI is a multimodal AI agent for game creation. You describe a game in one sentence or upload an image, and it generates playable code, 3D assets, audio and levels in the browser. Projects can be exported natively to Unity, Unreal, Godot or Three.js, and finished games can be published to web, mobile and storefronts.

Một API và không gian làm việc cho mô hình ảnh, video, âm thanh và văn bản

Phát hiện deepfake, watermark và giọng nói AI cho doanh nghiệp
Phát hiện deepfake, watermark và giọng nói AI cho doanh nghiệp
Một mô hình AI đa phương thức duy nhất cho video điện ảnh từ văn bản và hình ảnh
Một mô hình AI đa phương thức duy nhất cho video điện ảnh từ văn bản và hình ảnh