Kromoss のおすすめ代替ツール

テキスト、画像、動画、音声を1つの共有ベクトル空間にマッピングするオープンなマルチモーダル埋め込みモデル。

シングル画像、マルチ画像、動画理解に対応し、効率的なオンデバイス推論を実現するオープンソースのマルチモーダルLLM。

多キャラクターシーン、音声クローニング、長尺オーディオを自然言語制御で扱うオープンなテキスト読み上げモデル。

Lightricksによるオープンな画像から動画への生成モデルで、テキスト、動画、音声による生成をサポート。

8回のノイズ除去ステップで画像を生成する、高速化されたQwenのテキストから画像、および画像編集の拡散チェックポイント。

Black Forest Labsによる、画像生成と編集のためのオープンなimage-to-imageモデル。

Hugging Face上のmeta-modelsによるオープンな画像-テキスト間モデル。

24Bパラメータの推論モデルで、アクティブパラメータは2B、高速でプライベートなオンデバイスエージェント向けに構築されています。

Black Forest Labsによる、画像生成と編集のためのオープンなimage-to-image生成モデル。

単一画像、複数ページの文書、PDFをテキストに解析するBaiduの視覚言語OCRモデル。

画像と動画を理解し、エージェント、コーディング、研究タスクを処理するオープンな27Bビジョン言語モデル。

デバイス上での単一画像、複数画像、動画理解のための軽量1Bマルチモーダルモデル。