Melhores alternativas ao Sage-A1.5

Um modelo de embedding multimodal aberto que mapeia texto, imagens, vídeo e áudio em um único espaço vetorial compartilhado.

Um LLM multimodal de código aberto para compreensão de imagem única, múltiplas imagens e vídeo com inferência eficiente no dispositivo.

Modelo aberto de texto para fala para cenas com vários personagens, clonagem de voz e áudio de longa duração com controle em linguagem natural.

Modelo generativo de imagem para vídeo de código aberto da Lightricks com suporte a geração orientada por texto, vídeo e áudio.

Um checkpoint de difusão acelerado do Qwen para texto-para-imagem e edição de imagem que gera imagens em 8 etapas de remoção de ruído.

Um modelo aberto de imagem para imagem da Black Forest Labs para geração e edição de imagens.

Um modelo aberto de imagem-texto-para-texto da meta-models no Hugging Face.

Um modelo de raciocínio com 24B parâmetros e 2B parâmetros ativos, criado para agentes locais rápidos e privados.

Um modelo generativo aberto de imagem para imagem da Black Forest Labs para geração e edição de imagens.

Um modelo de OCR de visão-linguagem da Baidu que converte imagens únicas, documentos de várias páginas e PDFs em texto.

Um modelo aberto de linguagem visual de 27B que compreende imagens e vídeos e lida com tarefas agênticas, de programação e de pesquisa.

Um modelo multimodal leve de 1B para compreensão de imagem única, múltiplas imagens e vídeo em dispositivos.