Модели
Цены в рублях за 1 млн токенов или за единицу результата. Списание — по факту.
Оценивает вероятность того, что изображение относится к NSFW.
Определяет, относится ли изображение к NSFW или SFW.
Модель для анализа видео: по запросу пользователя разбирает содержание ролика и отвечает на вопросы о происходящем в кадре.
Нормализация громкости аудиофайлов по стандарту EBU R128 через FFmpeg API.
Превращает изображения или видео в детальную 3D-сцену с глубиной, позициями камеры и цветным облаком точек.
Получение данных волновой формы из аудиофайлов через FFmpeg API.
Выбор N-го изображения из списка URL изображений для использования в рабочих процессах.
Мультимодальная визуально-языковая модель Isaac-01 от Perceptron для разных задач на стыке зрения и языка.
Marlin — видео-VLM на 2B параметров, настроенная на два вопроса, которые разработчики чаще всего задают своим видео: что происходит и когда?
Зрение
GOT-OCR2 справляется с широким кругом задач: OCR обычных документов, текста на сцене и форматированных документов, а также таблиц, диаграмм, математических формул, геометрических фигур, молекулярных формул и нот.
Sa2VA — мультимодальная языковая модель (MLLM), которая умеет отвечать на вопросы, понимать визуальные промпты и выполнять плотную сегментацию объектов как на изображениях, так и на видео.
Пишет текст песни и название по текстовому промпту с темой или идеей песни.
Мультимодальная модель Bagel от Bytedance-Seed на 7B параметров, умеет генерировать и текст, и изображения.
Поиск по видео с помощью текстового запроса: Scene Finder находит подходящие моменты и возвращает их временные отрезки и извлеченные кадры.
Sa2VA — мультимодальная LLM (MLLM), которая отвечает на вопросы, понимает визуальные подсказки и выполняет плотную сегментацию объектов как на изображениях, так и в видео.
Утилита на основе ffmpeg для чередования видео.
Преобразование ваших материалов в Lottie с помощью Omnilottie.
Преобразует ваши ресурсы в Lottie с помощью Omnilottie.
Игры в реальном времени, отрисованные с помощью Eden Live 14B от VAST
Игры в реальном времени, отрисованные с помощью Eden Live 5B от VAST.
Nemotron-Labs-Diffusion-VLM-8B — расширение семейства Nemotron-Labs-Diffusion для работы с изображениями и текстом.
Sa2VA — мультимодальная языковая модель (MLLM), которая отвечает на вопросы, понимает визуальные промпты и выполняет плотную сегментацию объектов на изображениях и в видео.
Преобразуйте свои материалы в Lottie с помощью Omnilottie.
Видео-VLM Marlin на 2B, настроенная под два вопроса, которые разработчики действительно хотят задавать своим видео: что происходит и когда?
MLLM Sa2VA умеет отвечать на вопросы, понимать визуальные подсказки и выполнять плотную сегментацию объектов как на изображениях, так и на видео.
Исследуйте интерактивные миры в реальном времени с управлением движением и камерой.