نقطة نهاية مملوكةجديد
ترميز سريع متعدد الوسائط ونموذج وكيل مع سياق 1M، عمق تفكير قابل للتعديل، إدخال الصور والفيديو، استدعاء الدوال، والبحث المدمج على الويب.
تصفح الكتالوج الكامل للنماذج عبر النصوص، والصور، والصوت، والفيديو، وثلاثي الأبعاد، والمزيد.
كتالوج النماذج
تصفح النصوص والصور والفيديو والصوت وثلاثي الأبعاد، والبحث، ونقاط نهاية الوكلاء بأسعار pay-as-you-go. يقوم الكتالوج التفاعلي بتحميل التوفر الحالي من EmpirioLabs، وهذه المستندات النموذجية قابلة للزحف بدون جافا سكريبت من العميل.
image-to-video xAI بحركة موجهة بالطلب، وصوت أصلي، ومخرج 480p أو 720p، ومقاطع تصل إلى 15 ثانية.
توليد الفيديو متعدد الوسائط للمقاطع السينمائية من مدخلات نصية أو صورة أو صوت أو فيديو.
توليد وتحرير موحد للصور لصور إبداعية عالية الدقة وعلامات تجارية ومنتجات.
نموذج لغة رؤية فعال من حيث التكلفة للنصوص، والصور، والفيديو، والبرمجة، والأدوات، وسير العمل في سياق 1M.
نموذج رائد طويل السياق للبرمجة، والإنتاجية، والوكلاء المستمرين على الطويل، والتفكير العميق، واستخدام الأدوات.
التفكير متعدد الوسائط للبرمجة، والوكلاء، وتحليل السياق الطويل، ومدخلات النصوص والصور والفيديو.
التفكير المتعدد الوسائط من Moonshot مع دعم قوي للبرمجة، وسياق 256K، وإدخال الصور والفيديو.
التفكير طويل السياق مع استدعاء الأدوات، الإخراج الهيكلي، دعم ذاكرة التخزين المؤقت، وإخراج 128K.
توليد الصورة إلى ثلاثي الأبعاد يحول صورة مرجعية إلى أصل GLB ملمس.
ترميز سريع متعدد الوسائط ونموذج وكيل مع سياق 1M، عمق تفكير قابل للتعديل، إدخال الصور والفيديو، استدعاء الدوال، والبحث المدمج على الويب.
Alibaba Cloudتوليد الصوت من وصف مكتوب، مع السرد، والحوار بثلاثة أصوات مستنسخة، ومؤثرات صوتية، وأجواء، وموسيقى في ملف واحد.
DeepSeekإصدار 1017 بعد التدريب مع ترميز أقوى ونتائج وكيل، وإكمال أسرع للمهام، ومخرجات أقصر، وإدخال صور، ونافذة سياق بطول 1 ميغاير.
Alibaba Cloudتوليد الصور وتحريرها باستخدام نسخ Pro وTurbo، وحتى عشر صور مرجعية، ومخرج PNG شفاف، وأحجام مخصصة تصل إلى 2560x2560.
Alibaba Cloudتوليف الكلام في الوقت الحقيقي مع 19 صوتا، توجيه التوصيل بلغة بسيطة، علامات المشاعر والصوت المتداخلة، وبث صوتي عبر SSE أو WebSocket.
EmpirioLabsتجيب على أسئلة yes/no، والاختيار، والدرجات، وأدوات حول النص، وJSON، والصور، والفيديو، والصوت في ما يصل إلى مليون رمز، ويمكنها معرفة متى يفتقر المدخل إلى الإجابة.
Z.aiالبرمجة والنموذج الوكيلي مع سياق رمز بقيمة 1 مليون، مخرج 128 كيلوبايت، تفكير دائم التفكير بجهد منخفض أو عالي أو قصوى، بحث ويب أصلي، واستدعاء أدوات.
Z.aiنموذج فلاش متعدد الوسائط أصليا مع سياق رمز 1M، وإدخال صور وفيديو، وتفكير دائم التشغيل، وبحث ويب أصلي، واستدعاء الأدوات.
نموذج التفكير والترميز مع سياق رمز بحجم 1 مليون، مخرج 128K، جهد التفكير القابل للتعديل، البحث الأصلي على الويب، واستدعاء الأدوات.
Moonshot AIKimi K3 هو نموذج التفكير الرائد في Moonshot مع سياق رمز بقيمة 1M، وتفكير دائم التشغيل، وبحث ويب أصلي، ومدخلات نصية وصورة وفيديو (Mods).
Meta AIنموذج الاستدلال الحدودي المحدث من ميتا مع 1,048,576 رمزا في السياق، والصور، والفيديو، والصوت، وفهم PDF، والبحث على الويب، واستدعاء الأدوات.
Kimi K2.7 Code هو نموذج الترميز الوكيل من Moonshot الذي يضم تريليون معاملات، مع سياق 256 كيلوبايت، وتفكير دائم التشغيل، ومدخلات نصية وصورة وفيديو.
نموذج 4B FLUX.2 Klein لتوليد وتحرير الصور مرخص من Apache مع دعم text-to-image وتحرير الصور المرجعية وسير العمل الإبداعي.
Tencentنموذج text-to-image مفتوح المصدر على بنية متعددة الوسائط مزيج من الخبراء مع تفاصيل فوتوغرافية واقعية وعرض نصوص قوي متعدد اللغات.
DeepSeekإطار عمل ذاتي الانحدار على نموذج Janus Pro 7B الذي يوحد الفهم متعدد الوسائط وتوليد الصور في بنية واحدة.
Alibaba Cloudنموذج موحد لتوليد وتحرير الصور مع عرض نص معقد Chinese/English رائد الفئة، وقوام واقعي، ودمج صور متعددة.
Alibaba Cloudتوليد وتحرير الصور من Qwen باستخدام نسخ Base وPro، والطباعة متعددة اللغات، ومراجع متعددة الصور، ومخرج قابل للتحكم ب 1K أو 2K.
ByteDanceنموذج صورة متعدد الوسائط موحد يستعرض التعليمات قبل العرض، مما ينتج تعديلات عالية الدقة ومتسقة ورسومات للعلامة التجارية.
Kling AIالتحويل إلى نص إلى فيديو image-to-video مع صوت أصلي متزامن، بدقة 720p أو 1080p لمدة 3 إلى 15 ثانية، مع نسبة العرض إلى الارتفاع والتحكم في التوجيه.
Alibaba Cloudنموذج الفيديو يقدم أوضاع تحويل النص إلى فيديو، الصورة إلى فيديو، المرجع إلى الفيديو، وتحرير الفيديو مع إخراج عالي الدقة وسلس الحركة.
نموذج فيديو بمعاملة 8.3 مليار مع إخراج أصلي 720p (قابل للترقية إلى 1080p)، وتماسك حركتي قوي، وفهم للأوامر ثنائية اللغة حتى 10 ثوان.
Kling AIنموذج الفيديو في أوضاع Standard أو Pro مع التحويل من النص إلى الفيديو، الصورة إلى الفيديو، المرجع إلى الفيديو، التحرير، الصوت الأصلي، والانتقالات متعددة المشاهد.
Kling AIنموذج Kling 3.0 الذي ينقل الحركة من فيديو مرجعي إلى شخصية من صورة مرجعية، مع مستويات قياسية 720p وPro 1080p.
OpenMOSSنموذج أساس MoE مفتوح المصدر 32B ينتج فيديو وصوتيا متزامنين في خطوة استدلالية واحدة مع مزامنة شفاه دقيقة مزدوجة البرج.
نموذج إنتاج الموسيقى مفتوح المصدر للصوت text-to-song والصوت الموجه بالكلمات، مع استنتاج سريع XL Turbo بثماني خطوات لتكرار الأغنية القابل للتحكم فيه.
نموذج صوتي في الوقت الحقيقي يأخذ اتجاه التوصيل باللغة الإنجليزية البسيطة، ويحمل هوية صوتية واحدة عبر 200+ لغة، ويبث مع طوابع زمنية للكلمات.
توليف صوتي TTFB بسرعة أقل من 130 مللي ثانية مع 271+ صوتا عبر 15 لغة، وعرض تعبيري، وبث SSE في الوقت الحقيقي لوكلاء الصوت منخفضي التأخير.
توليف صوتي بجودة البث مع غنية تعبيرية، 271+ صوتا عبر 15 لغة، وبث SSE في الوقت الحقيقي مع طوابع زمنية لكل كلمة.
تولد أغاني ستيريو كاملة من كلمات الأغاني وطلب الأسلوب، مع تحكم في المدة والبذور والصيغة حتى 5 دقائق.
توليف صوتي في الوقت الحقيقي يعتمد على تأخير الكمون، يحمل هوية صوتية واحدة عبر 200+ لغة، ومصمم لأعباء العمل عالية الحجم في البث.
Deepgramنسخ الكلام إلى نص باستخدام نموذج Nova-3 مع دعم متعدد اللغات وإعدادات متقدمة قابلة للتخصيص لأعباء العمل الإنتاجية.
OpenAIكان Whisper-1 speech-to-text النسخ، مدربا على صوت متعدد اللغات تحت إشراف، مع حد رفع 25 ميجابايت لكل ملف.
نسخ Whisper Large v3 Turbo متحكم به مع ASR متعدد اللغات، ترجمة، VAD، طوابع زمنية، ترجمة، كلمات ساخنة، وضوابط فك الترميز.
StepFunنموذج التعرف على الكلام من StepFun للبث الصوتي الصيني والإنجليزي.
StepFunنسخ واع للسياق للأسماء الخاصة، المصطلحات التقنية، اللهجات، والصوت الصعب بما في ذلك الهمسات، الكلام السريع، والغناء.
StepFunالنسخ المباشر عبر مقبس الصورة، يعيد نتائج جزئية أثناء حديث المتحدث، مع تمييز كشف نشاط الصوت لكل جملة.
Exaإجابة سريعة على طريقة نموذج اللغة الكبيرة على سؤال بلغة طبيعية، مستندة إلى نتائج بحث Exa الجديدة على الويب مع استشهادات وروابط مصادر.
Exaمحرك بحث ويب للعثور على الصفحات، واسترجاع الصفحات المشابهة، والزحف، والبحث المخصص في الكود عبر الويب المفتوح لعملاء الذكاء الاصطناعي.
Linkupبحث ذكاء اصطناعي تكراري يستمر في الاستعلام عندما تكون النتائج الأولية غير كافية، مما يعيد إجابات أكثر شمولا من الوضع القياسي.
Linkupبحث ويب مدعوم بالذكاء الاصطناعي مع نظرة عامة وإجابات مفصلة أسرع من البحث العميق.
Perplexityوكيل بحث مؤسسي يجري العديد من جولات البحث على الويب وقراءة الصفحات، مع أقصى عمق وتغطية مصادر واسعة.
Perplexityنموذج بحثي لاسترجاع متعدد الخطوات، والتركيب، والتفكير، مع البحث الذاتي، والقراءة والتقييم الذاتية للمصادر عبر مواضيع معقدة.
نموذج TRELLIS.2 من الصورة إلى ثلاثية الأبعاد يحول صورة مرجعية إلى أصل GLB مملموس مع دقة، وبذرة، وشبكة، وملمس، وتحكم في التصدير.
Deemosمحرك Rodin Gen-2 الذي يحول موجه نصي أو حتى خمس صور مرجعية إلى أصول ثلاثية الأبعاد إنتاجية باستخدام مواد PBR وشبكات رباعية أو خام.
Hitem3Dصورة تركز على الإنتاج مع خامات واعية للبنية، ومستويات دقة 1536 و1536 Pro، ودمج ما يصل إلى مليوني وجه، وخمس صيغ تصدير.
Alibaba Cloudتضمين نص متعدد اللغات مع أبعاد إخراج قابلة للاختيار (64–2048). حتى 8,192 رمزا لكل إدخال.
Alibaba Cloudتضمين متعدد الوسائط محسن للسرعة، نفس شكل Vision-Plus، 3× رموز image/video أرخص.
Alibaba Cloudالتضمين متعدد الوسائط ينتج متجهات مستقلة لمدخلات النص والصورة والفيديو.
ByteDanceتضمين متعدد الوسائط يدمج النص والصور والفيديو في متجه بعد واحد 1024 أو 2048 للبحث والاسترجاع عبر الوسائط.
Alibaba Cloudإعادة ترتيب المستندات الدلالية. يرتب حتى 500 مرشح لكل استعلام حسب الصلة، ويدعم 100+ لغة، ويقبل تعليمات فرز مخصصة.
GPTZeroكاشف التعلم العميق الذي يحدد أجزاء من النص التي من المحتمل أن يكون مولدا بواسطة الذكاء الاصطناعي مقابل الإنسان، ويصنف المحتوى إلى إنسان بالكامل، أو ذكاء اصطناعي، أو مختلط.
Manusوكيل ذكاء اصطناعي مستقل يحول تنبيها عالي المستوى إلى مهام فرعية، يستدعي الأدوات وواجهات برمجة التطبيقات، ويحقق نتائج end-to-end دون تنسيق يدوي.
LightOnوثق OCR يقرأ ملفات PDF والصور في Markdown منظم، صفحة بصفحة، مع جداول، ورياضيات، ومخططات، ومناطق الصور، والتخطيط.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.
