3D-inimese poosi hindamine, liikumise jäädvustamine, spordianalüüs, videotootmine, juurdepääsetavusrakendused ja skeletipõhised arvutinägemise töötlusvood
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Videosisend
Voogedastus
Olek
Praegu saadaval; allalaaditav NIM ja majutatud tasuta lõpp-punkt
Sisend
Tasuta hostitud lõpp-punkt; ise hostitava taristu ja NVIDIA teenuste kulud varieeruvad
Väljund
Eraldi mudeli väljundhinda ei ole dokumenteeritud
Vaata mudelit
→
Video ümbervalgustamine reaalajas, virtuaalproduktsioon, meediaefektid, HDR-põhised valgustusmuudatused ning esi- ja taustaelementide komposiitimine.
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegu kättesaadav NVIDIA AI for Media ja NVIDIA NIM-i dokumentatsiooni kaudu; dokumenteeritud on versioon 1.1.0.
Vaata mudelit
→
Aktiivse kõneleja tuvastamine
Kõnelejate reaalajas või pakett-tuvastus ning aktiivse kõneleja märgendamine ringhäälingu-, videokommunikatsiooni-, dubleerimis-, lokaliseerimis-, konverentsi- ja meediaanalüüsi töövoogudes.
Tüüp
Multimodaalne
Arutlusvõime
1/10
Kiirus
8/10
Multimodaalne
Helisisend
Videosisend
Olek
Praegune; allalaaditav NVIDIA NIM-i lõpp-punkt
Vaata mudelit
→
Autonoomse sõidu uurimine, trajektoori ennustamine, tõlgendatav liikumise planeerimine, navigeerimisest lähtuv sõitmine, visuaalne küsimustele vastamine ja ohutusele suunatud mudelite hindamine
Tüüp
Arutlus
Arutlusvõime
8/10
Kiirus
5/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegu; avatud mudelikaalud on saadaval; saadaval ka NVIDIA Alpamayo 1.5 NIM-i kaudu
Vaata mudelit
→
Mitmekeelne võrguühenduseta kõne transkribeerimine ja tõlkimine ning NeMo-põhine ASR-i uurimine või juurutamine
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
6/10
Helisisend
Olek
Aktiivne; saadaval on avatud kaaludega mudeli kontrollpunkt ja NVIDIA juurutusvõimalused
Vaata mudelit
→
Ingliskeelse kõne kiire tekstiks transkribeerimine, NeMo-ga eksperimenteerimine, domeenipõhine peenhäälestus ja Riva-põhine ASR-i juurutamine
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Allalaaditav kontrollpunkt; vanem NeMo kõnetuvastusmudel
Vaata mudelit
→
Hispaaniakeelse kõne tekstiks transkribeerimine, NeMo katsetamine ja peenhäälestamine ning Riva/NIM-i võrguühenduseta või voogedastusega ASR-lahenduste juurutamine.
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
0/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Praegu on see kättesaadav NVIDIA NIM-i/Riva kaudu; Hugging Face'i kontrollpunkt on märgitud pärandversiooniks.
Vaata mudelit
→
Juhitav videomaailmade genereerimine, robootika sim-to-real-ülekande andmetäiendus, autonoomsete sõidukite simulatsioon ning füüsilise tehisintellekti sünteetiliste andmete genereerimine
Tüüp
Multimodaalne
Arutlusvõime
1/10
Kiirus
3/10
Multimodaalne
Pildisisend
Videosisend
Olek
Saadaval; Cosmos 3-ga võrreldes vananenud versioon; algset hoidlat hooldatakse piiratud mahus
Sisend
Ametlikku tokenipõhist hostitud teenuse hinda ei ole; NVIDIA loetleb tasuta NIM-i lõpp-punkti. Allalaaditav mudel on mõeldud enda infrastruktuuris juurutamiseks.
Väljund
Ametlikku märgipõhist majutatud teenuse hinda ei ole; videote genereerimise kulud sõltuvad juurutustaristust ja riistvarast.
Vaata mudelit
→
Servapõhine füüsiline tehisintellekt, robootika, visuaalne arutlus, maailmasimulatsioon, videote genereerimine ja tegevuspoliitikate prototüüpimine
Tüüp
Multimodaalne
Kontekst
131K
Arutlusvõime
7/10
Kiirus
9/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegune; avatud mudel; piiratud juurdepääs Hugging Face'is
Vaata mudelit
→
Füüsiline tehisintellekt, robootika, autonoomsete sõidukite simulatsioon, multimodaalne maailmade genereerimine, tulevase seisundi ennustamine, tegevuste üle arutlemine ja sünteetilised treeningandmed
Tüüp
Multimodaalne
Arutlusvõime
7/10
Kiirus
6/10
Multimodaalne
Pildisisend
Helisisend
Olek
Praegu; allalaaditav avatud kaaludega mudel, mis on saadaval NVIDIA NIM-i lõpp-punkti kaudu
Vaata mudelit
→
Kvaliteetne füüsilise tehisintellekti simulatsioon, sünteetiliste andmete genereerimine, robootika- ja autonoomsete sõidukite uurimistöö, multimodaalne maailmamodelleerimine ning õpetajamudeli destilleerimine
Tüüp
Multimodaalne
Kontekst
262K
Arutlusvõime
8/10
Kiirus
2/10
Multimodaalne
Pildisisend
Helisisend
Olek
Praegune; avatud kaaludega mudel; kasutatav nii ärilistel kui ka mitteärilistel eesmärkidel
Vaata mudelit
→
Füüsilise maailma videote ja piltide mõistmine, robotitaju, kehastunud agentide planeerimine, ruumilis-ajaline arutlemine ning füüsilise tehisintellekti uurimine
Tüüp
Arutlus
Kontekst
256K
Arutlusvõime
8/10
Kiirus
6/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegu; allalaaditav ja majutatud NIM-i lõpp-punkt
Sisend
Tasuta allalaaditav lõpp-punkt; majutatud teenuse hinda ei ole läbi vaadatud NVIDIA allikates täpsustatud
Väljund
Tasuta allalaaditav lõpp-punkt; majutatud kasutuse hinda läbivaadatud NVIDIA allikates ei täpsustatud
Vaata mudelit
→
Kiire üleilmne ilmaennustamine, ansamblisimulatsioonid, kliimariskide analüüs, taastuvenergia tootmise prognoosimine ja teadusuuringud ilmaennustusmudelite valdkonnas
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
9/10
Olek
Praegu saadaval ja allalaaditav NVIDIA Earth-2 FourCastNet NIM-i ning seotud juurutustööriistade kaudu
Sisend
Seda ei pakuta avalikult tokenipõhise hinnastusega mudelina; allalaaditavale mudelile ja NIM-ile juurdepääsu suhtes kehtivad NVIDIA juurdepääsu- ja litsentsitingimused.
Väljund
Seda ei ole avalikult loetletud tokenipõhise hinnaga mudelina; juurutamise ja hostitud inferentsi hind võib sõltuda valitud NVIDIA teenusest või taristust.
Vaata mudelit
→
De novo molekulaarne disain, fragmentidega piiratud genereerimine, linkeri disain, karkassi funktsionaliseerimine, hittide genereerimine ja juhtühendite optimeerimine
Tüüp
Muu
Kontekst
512
Arutlusvõime
2/10
Kiirus
7/10
Olek
Praegu; allalaaditav mudel, saadaval ka NVIDIA NIM-ina
Sisend
Avalikku mudeli tokenipõhist hinda ei leitud; allalaaditavad mudelikaalud on saadaval NVIDIA Open Model License’i alusel. NIM-i kasutamisele kehtivad NVIDIA API või juurutamise tingimused.
Väljund
Avalikku mudeli tokenipõhist hinda ei leitud; NIM-i väljundihinnastust läbivaadatud ametlikus dokumentatsioonis ei täpsustata.
Vaata mudelit
→
Humanoidrobotite manipuleerimine, eri robotkehade vaheline poliitikaõpe, roboti demonstratsioonide abil peenhäälestamine, füüsilise tehisintellekti uurimine ja tegevusjärjestuste juurutamine
Tüüp
Multimodaalne
Arutlusvõime
4/10
Kiirus
6/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegune; üldine kättesaadavus
Vaata mudelit
→
Kvantandmetöötluse kalibreerimisgraafikute tõlgendamine, QPU kasutuselevõtu ja ümberhäälestamise töövood, eksperimentide diagnostika, parameetrite tuletamine, sobituse kvaliteedi hindamine ning valdkonnapõhised kalibreerimisagendid.
Tüüp
Multimodaalne
Kontekst
262K
Arutlusvõime
7/10
Kiirus
6/10
Multimodaalne
Pildisisend
Peenhäälestamine
Olek
Praegu saadaval NVIDIA Buildi ja NVIDIA NIM-i kaudu ning allalaaditavate kontrollpunktidena
Vaata mudelit
→
Klassifitseerimine, regressioon, prognoosimine, klientide lahkumise ja riskiskooride hindamine, soovitused ning ajaliste seoste ennustamine seotud andmebaasitabelite vahel
Tüüp
Muu
Arutlusvõime
4/10
Kiirus
7/10
Olek
Praegune; NVIDIA NIM 1.0.0; tasuta lõpp-punkt on saadaval; allalaaditav juurutus on saadaval
Vaata mudelit
→
Ühe tabeli klassifitseerimine ja regressioon märgendatud kontekstiridadega, eriti kiireks eksperimenteerimiseks, väikeste andmemahtudega prognoosimiseks ja struktureeritud andmete uurimiseks ilma ülesandespetsiifilise mudeli treenimiseta.
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
0/10
Olek
Praegu; saadaval NVIDIA NIM-i kaudu ja allalaaditavate kaaludena
Sisend
Tasuta API-lõpp-punkt on saadaval; tokenipõhist mudelihinda ei ole avaldatud
Väljund
Tasuta lõpp-punkt on saadaval; ise hostitud järeldusekulud sõltuvad taristust
Vaata mudelit
→
Generatiivne huulte sünkroonimine, mitmekeelne videolokaliseerimine, ringhääling, videokonverentsid ja digitaalsete inimeste näoanimatsioon
Tüüp
Multimodaalne
Arutlusvõime
1/10
Kiirus
8/10
Multimodaalne
Pildisisend
Helisisend
Olek
Hetkel saadaval; allalaaditav mudel ja NVIDIA LipSync NIM; mõne töövoo jaoks võib olla vajalik privaatne juurdepääs
Vaata mudelit
→
Mitmekeelne semantiline otsing, keelteülene teabeotsing, pikkade dokumentide põhine küsimustele vastamine, ettevõtteotsing ja otsinguga täiendatud genereerimine
Tüüp
Manustus
Kontekst
8K
Arutlusvõime
0/10
Kiirus
8/10
Olek
NIM-i aegunud lõpp-punkt; mudeli allalaaditavad kaalud on endiselt saadaval
Vaata mudelit
→
Multimodaalne semantiline otsing, visuaalne dokumendiotsing, küsimustele vastuste otsimine, vektorandmebaasid ja otsinguga täiendatud genereerimine
Tüüp
Manustamine
Kontekst
10K
Arutlusvõime
2/10
Kiirus
8/10
Multimodaalne
Pildisisend
Olek
Ajakohane ja allalaaditav
Vaata mudelit
→
Llama Nemotroni teemakaitse
Teemade ja dialoogide modereerimine, sisendi turvapiirded, klienditoe assistendid, poliitikapõhine vestluste suunamine ning NeMo Guardrailsiga integratsioonid
Tüüp
Muu
Kontekst
128K
Arutlusvõime
1/10
Kiirus
3/10
Olek
Praegune; allalaaditav mudel ja NVIDIA NIM-i mikroteenus
Vaata mudelit
→
Teksti, dokumendipiltide ning pildi ja teksti kandidaatide ümberjärjestamine visuaalse otsingu, multimodaalse RAG-i ja küsimustele vastamise otsingutorustikes
Tüüp
Multimodaalne
Kontekst
8K
Arutlusvõime
2/10
Kiirus
7/10
Multimodaalne
Pildisisend
Olek
Praegu allalaaditav ning saadaval NVIDIA NIM-i ja otsingu-API-de kaudu
Vaata mudelit
→
Llama Nemotron Safety Guard
Kasutajapäringute ja LLM-i vastuste tekstipõhine modereerimine, rakenduste kaitsepiirded, ohutuspoliitikate klassifitseerimine ning NeMo Guardrailsi integratsioonid.
Tüüp
Muu
Arutlusvõime
2/10
Kiirus
7/10
Voogedastus
Olek
Praegu on see saadaval allalaaditava NVIDIA NIM-i mudeli ja Hugging Face'i LoRA-adapterina; varem kandis see nime Llama-3.1-NemoGuard-8B-ContentSafety.
Vaata mudelit
→
Mitmekeelsed hääleagendid, ligipääsetavus, ettelugemine, audioraamatud, dubleerimine, lokaliseerimine ja interaktiivsed kõnerakendused
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Meediaväljund
Peenhäälestamine
Voogedastus
Vaata mudelit
→
Mitmekeelne teksti kõneks muutmine, null-shot-hääle kloonimine, interaktiivsed häälagendid, telefoniside, mängutegelased ja muud rakendused, mis vajavad kohandatud hääli ilma kõnelejaspetsiifilise treeninguta.
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
0/10
Multimodaalne
Helisisend
Meediaväljund
Olek
Praegu; juurdepääs on piiratud ja nõuab heakskiitu
Vaata mudelit
→
Väikese latentsusega mitmekeelne tekstitõlge, kõnetõlke töövood ja enda hallatavad NVIDIA GPU-de juurutused
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Olek
Praegu saadaval ja allalaaditav; kättesaadav NVIDIA NIM-i ja NVIDIA Riva kaudu
Vaata mudelit
→
Väikemolekulide genereerimine, molekulide vektorrepresentatsioonid, keemilise ruumi uurimine, juhtühendite optimeerimine ning oraakliga juhitud ravimite väljatöötamise töövood
Olek
Saadaval NVIDIA BioNeMo Frameworki ja NVIDIA NIM-i kaudu; teadus- ja arendustööks mõeldud mudel
Vaata mudelit
→
Keelemudelirakenduste sisendi turvamehhanism jailbreak-katsete ja prompt injection’i rünnete tuvastamiseks.
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
0/10
Olek
Ajakohane ja allalaaditav; saadaval NVIDIA NIM-i kaudu
Vaata mudelit
→
Dokumendipiltidelt tabelilahtrite, ridade, veergude ja ühendatud lahtrite struktuuri tuvastamine OCR-i joondamiseks, tabelite rekonstrueerimiseks, dokumentide töötlemiseks ja otsingusüsteemide jaoks
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
7/10
Pildisisend
Olek
Praegu saadaval; allalaaditav ja NVIDIA NIM-i/Buildi kaudu kättesaadav
Vaata mudelit
→
Võrguühenduseta ja reaalajas kõnelejate diariseerimine, koosolekute ja kõnede transkribeerimise töövood, voogedastatava automaatse kõnetuvastuse (ASR) integratsioon, taskuhäälingud, vestluspõhine tehisintellekt ning kõnelejate kaupa seostatud audioanalüüs
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
8/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Praegu üldiseks kasutuseks kättesaadav avatud kaaludega mudel
Sisend
NVIDIA hostitud kasutuse tokenipõhine hind puudub; avatud kaaludega mudel kohalikuks või enda hallatavaks juurutuseks
Väljund
NVIDIA hostitud tokenihind puudub; avatud kaaludega mudel lokaalseks või enda hallatavaks juurutuseks
Vaata mudelit
→
Agendipõhine arutlus, pika konteksti analüüs, programmeerimine, tööriistade väljakutsumise töövood, otsinguga täiendatud genereerimine, koostööd tegevad agendid ja suure mahuga ettevõtete inferents.
Tüüp
Arutlus
Kontekst
1M
Arutlusvõime
9/10
Kiirus
8/10
Tööriistade kasutamine
Peenhäälestamine
Voogedastus
Olek
Ajakohane; avatud kaaludega; saadaval NVIDIA NIM-i, NVIDIA hostitud API prooviversiooni lõpp-punkti, allalaaditavate mudeli kontrollpunktide ja ise majutatavate juurutuste kaudu.
Vaata mudelit
→
Tipptasemel arutlus, keerukas programmeerimine, pika konteksti analüüs, ettevõtetele mõeldud RAG, tööriistu kasutavad agendid ja mitme agendi töövood
Tüüp
Arutlus
Kontekst
1M
Arutlusvõime
10/10
Kiirus
7/10
Tööriistade kasutamine
Peenhäälestamine
Voogedastus
Olek
Praegune; avatud kaaludega mudel, mille jaoks on saadaval BF16- ja NVFP4-kontrollpunktid
Vaata mudelit
→
Mitmekeelne semantiline otsing, tihe vektorotsing, RAG, agentpõhine otsing, koodiotsing ja vektoripõhine dokumentide sobitamine
Tüüp
Vektor Esitus
Kontekst
33K
Peenhäälestamine
Olek
Praegu saadaval NVIDIA NIM-i kaudu; Hugging Face'i kaalud on allalaaditavad.
Vaata mudelit
→
Tennisivideote punktipõhine küsimustele vastamine, löökide ja pallivahetuste analüüs, mängijate liikumise ja väljakul paiknemise analüüs, mänguolukorra analüüs, tenniseülekannete metaandmed, treeningu toetamine ning otsitavad spordivideoarhiivid
Tüüp
Multimodaalne
Kontekst
256K
Arutlusvõime
8/10
Kiirus
5/10
Multimodaalne
Pildisisend
Helisisend
Olek
Praegu saadaval olev avatud kaaludega mudel; kasutatav ärilisel ja mitteärilisel eesmärgil OpenMDW litsentsilepingu v1.1 alusel
Vaata mudelit
→
Multimodaalne dokumendianalüüs, OCR, pikkade videote ja helisalvestiste mõistmine, eri modaalsusi ühendav arutlus, häälagendid ning ettevõtte enda taristus töötav mudeliinferents
Tüüp
Multimodaalne
Kontekst
262K
Arutlusvõime
8/10
Kiirus
8/10
Multimodaalne
Pildisisend
Helisisend
Olek
Praegu saadaval; üldiselt kättesaadav avatud kaaludega mudeli kontrollpunkt, millele pääseb ligi hostitud NVIDIA NIM-i kaudu
Vaata mudelit
→
Reaalajas täisdupleksiga hääleagendid, katkestamist võimaldavad vestlusliidesed, kõnest kõneks suunatud teadustöö ning NVIDIA GPU-del põhinevad ettevõtete häälerakendused
Tüüp
Multimodaalne
Arutlusvõime
5/10
Kiirus
9/10
Multimodaalne
Helisisend
Meediaväljund
Olek
Varajases juurdepääsus; hindamiseks saadaval NVIDIA NIM-i ja kvalifitseeritud juurdepääsuprogrammide kaudu
Sisend
Tasuta lõpp-punkt NVIDIA NIM-i proovijuurdepääsuks; üldist tootmiskasutuse hinda ei ole avaldatud
Väljund
Tasuta lõpp-punkt NVIDIA NIM-i proovikasutuseks; üldist tootmiskasutuse hinda ei ole avaldatud
Vaata mudelit
→
Suure mahuga agentide käitamine, pika tööajaga tehisintellektiagendid, arutlus, programmeerimisabi, RAG, vestlus, väikese latentsusega teksti genereerimine ja valdkonnapõhine kohandamine
Tüüp
Arutlus
Kontekst
1M
Arutlusvõime
8/10
Kiirus
9/10
Tööriistade kasutamine
Peenhäälestamine
Voogedastus
Olek
Praegu avatud kaaludega mudel; NIM-i konteiner on varajase juurdepääsu hindamiseks saadaval
Vaata mudelit
→
Väikese viivitusega mitmekeelne kõne tekstiks teisendamine, reaalajas subtiitrid, häälliidesed, dikteerimine, kontaktikeskuste kõnede transkribeerimine ja voogedastavad kõnevõimekusega agendid
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Ajakohane; allalaaditav avatud kaaludega mitmekeelne ASR-mudel
Vaata mudelit
→
Kvaliteetne mitmekeelne otsing tekstidest ja visuaalselt rikkalikest dokumentidest, sealhulgas PDF-idest, tabelitest, diagrammidest, infograafikutest, andmelehtedest ja skeemidest
Tüüp
Multimodaalne
Kontekst
33K
Arutlusvõime
1/10
Kiirus
6/10
Multimodaalne
Pildisisend
Peenhäälestamine
Olek
Praegu on saadaval avatud kaaludega kontrollpunkt ja NVIDIA NIM-i lõpp-punkt
Sisend
Tasuta NVIDIA prooviteenuse lõpp-punkt; ametlikku tokenipõhist hinda ise hostitava lahenduse jaoks ei ole
Väljund
Embeddingu väljund; ametlikku isehostitava lahenduse tokenipõhist hinda ei ole
Vaata mudelit
→
Mitmekeelse teksti ja visuaalsete dokumentide otsingutulemuste teise etapi ümberjärjestamine; multimodaalne RAG; ettevõtete dokumendiotsing; agendipõhised otsingutöövood, mis hõlmavad diagramme, tabeleid, infograafikuid, andmelehti ja skeeme.
Tüüp
Muu
Kontekst
33K
Arutlusvõime
0/10
Kiirus
0/10
Multimodaalne
Pildisisend
Peenhäälestamine
Olek
Praegu on see saadaval avatud kaaludega Hugging Face'i kontrollpunktina ja NVIDIA NIM-i kaudu. NVIDIA Build pakub tasuta arendusotspunkti, millele kehtivad kasutuspiirangud.
Sisend
Tootmisinferentsi hinda pole avalikult täpsustatud; saadaval on tasuta NVIDIA arenduse lõpp-punkt.
Väljund
Avalikult täpsustamata; väljund koosneb genereeritud tokenite asemel asjakohasuse logititest
Vaata mudelit
→
Pika konteksti multimodaalne arutlus, dokumentide ja videote mõistmine, programmeerimine, visuaalne uurimine ning tööriistade abil töötavad tehisintellektiagendid.
Tüüp
Multimodaalne
Kontekst
1.05M
Arutlusvõime
9/10
Kiirus
7/10
Multimodaalne
Pildisisend
Videosisend
Olek
GA (üldiselt saadaval); praegu saadaval avatud kaaludega mudelina ja NVIDIA NIM-i kaudu
Vaata mudelit
→
Väikese viivitusega reaalajas kõne tekstiks teisendamine, häälliidesed, reaalajas subtiitrid ja pidevad helivood
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Multimodaalne
Helisisend
Voogedastus
Olek
Praegu saadaval NVIDIA Speech NIM-i kaudu; toetatud on ainult voogedastuspõhine juurutus
Vaata mudelit
→
Nemotroni graafilised elemendid
Dokumendipiltidel diagrammide pealkirjade, teljetähiste, legendide, märgendite ja väärtusesiltide tuvastamine ning asukoha määramine
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
7/10
Pildisisend
Olek
Praegune ja allalaaditav
Vaata mudelit
→
Dokumendi lehekülje paigutuse tuvastamine enne OCR-i, tabelite eraldamine, indekseerimine, ettevõtte dokumentide töötlemine ja multimodaalsed RAG-töövood
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
7/10
Pildisisend
Olek
Praegu saadaval; allalaaditav ja NVIDIA NIM-i kaudu kasutatav
Vaata mudelit
→
Mitmekeelne teksti- ja pildimoderatsioon, LLM-i ja VLM-i turvapiirded, vastuste ohutuse hindamine ning kohandatud ettevõtete ohutuspoliitikad
Tüüp
Muu
Kontekst
128K
Arutlusvõime
5/10
Kiirus
8/10
Multimodaalne
Pildisisend
Voogedastus
Olek
Praegune; avatud kaaludega mudel ja allalaaditav NVIDIA NIM; NGC-konteineri uusim versioon on 17. septembri 2026 seisuga bf16-v1.1
Vaata mudelit
→
Reaalajas töötavad häälassistendid, täisdupleksne kõnesuhtlus, katkestusi käsitlevad vestlusagendid ning integreeritud kõnest kõnesse süsteemide uurimine.
Tüüp
Multimodaalne
Arutlusvõime
6/10
Kiirus
8/10
Multimodaalne
Helisisend
Meediaväljund
Olek
Praegune; teadusuuringuteks mõeldud avatud kaaludega mudel
Vaata mudelit
→
Multimodaalne dokumentide analüüs, OCR-põhised töövood, visuaalsetel andmetel põhinev küsimustele vastamine, mitme pildi analüüs ja järeldamine, kokkuvõtete koostamine, diagrammide ja tabelite mõistmine ning videote mõistmine
Tüüp
Multimodaalne
Kontekst
131K
Arutlusvõime
8/10
Kiirus
8/10
Multimodaalne
Pildisisend
Videosisend
Olek
Allalaadimine on saadaval; NVIDIA tasuta hostitud lõpp-punkt on kasutusest kõrvaldatud
Vaata mudelit
→
Ingliskeelsete dokumentide OCR, dokumentide süsteemi sisestamine, paigutust arvestav tekstituvastus, multimodaalne otsing, RAG-i eeltöötlus ja ettevõtete dokumendiintellekt
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Pildisisend
Olek
Saadaval; ainult ingliskeelne OCR-mudel. Uuem Nemotron OCR v2 on saadaval ajakohastatud inglise- ja mitmekeelsete OCR-i juurutuste jaoks.
Vaata mudelit
→
Mitmekeelne OCR, skannitud dokumentide töötlemine, küljendust arvestav teksti eraldamine, multimodaalne infootsing, RAG-i eeltöötlus, kviitungid, vormid ja äridokumendid.
Tüüp
Muu
Arutlusvõime
2/10
Kiirus
8/10
Pildisisend
Vaata mudelit
→
Mitmekeelne optiline märgituvastus (OCR), skannitud dokumendid, vormid, aruanded, diagrammid, tabelid, pildipõhine otsing, dokumentide töötlusse võtmine ning otsinguga täiendatud genereerimise (RAG) eeltöötlus
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Pildisisend
Olek
Praegu saadaval; allalaaditav mudel ning kättesaadav NVIDIA NIM-i ja NVIDIA hostitud teenuste kaudu
Vaata mudelit
→
Dokumentide OCR, küljenduse analüüs, tabelite ja diagrammide eraldamine, andmete hankimise töövood, dokumentide indekseerimine ja multimodaalsete andmete kureerimine
Tüüp
Multimodaalne
Arutlusvõime
2/10
Kiirus
7/10
Multimodaalne
Pildisisend
Vaata mudelit
→
NVIDIA Isingi kalibreerimine
Kvantarvutite kalibreerimisgraafikute analüüs, eksperimentide tõlgendamine, mudeli sobivuse kvaliteedi hindamine, parameetrite eraldamine ja tehnilise uurimistöö töövood
Tüüp
Multimodaalne
Kontekst
262K
Arutlusvõime
7/10
Kiirus
6/10
Multimodaalne
Pildisisend
Voogedastus
Olek
Praegune; allalaaditav avatud kaaludega mudel
Vaata mudelit
→
NVIDIA Maxine Eye Contact
Pilgu korrigeerimine videokonverentsides, telekohalolus, digitaalsete inimeste rakendustes ja videotöötluse töövoogudes
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Multimodaalne
Pildisisend
Videosisend
Olek
Praegune; allalaaditav NVIDIA NIM-i mudel
Vaata mudelit
→
Mitmekeelne voogedastuse transkriptsioon, hääleagendid, subtiitrid, klienditoe helisisu, koosolekud ja tootmiskasutuseks mõeldud kõnest tekstiks teisendamine 25 toetatud keeles ja nende piirkondlikes variantides.
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
8/10
Helisisend
Voogedastus
Olek
Praegune ja allalaaditav
Sisend
Kindlat avalikku mudelihinda ei ole kinnitatud; mudel on NVIDIA NIM-i kaudu allalaaditav ning saadaval NVIDIA API/NIM-i teenuste kaudu vastavalt kehtivatele NVIDIA tingimustele ja kasutuspõhisele hinnastamisele.
Vaata mudelit
→
Vietnami keele kõne transkribeerimine, vietnami ja inglise keele koodivahetus, häälassistendid, subtiitrid, kõneanalüütika ning lokaalne või isemajutatud ASR
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Ajakohane ja kättesaadav; allalaaditav kontrollpunkt NVIDIA Speech NIM-i toega voogedastuseks ja võrguühenduseta transkriptsiooniks
Sisend
Avalikku mudelipõhist tokenihinda ei ole; saadaval on allalaaditav mudel ja NVIDIA API proovijuurdepääs.
Väljund
Mudeli kohta puudub avalik tokenipõhine hind; saadaval on allalaaditav mudel ja NVIDIA API proovijuurdepääs.
Vaata mudelit
→
Ingliskeelse kõne tekstiks transkribeerimine, kohalik ASR, võrguühenduseta töötlus, heliandmete eraldamine RAG-i jaoks ja kohandatud NeMo juurutused
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Saadaval on avatud kaaludega mudeli kontrollpunkt
Vaata mudelit
→
Hispaania ja inglise keele kõne transkriptsioon, koodivahetusega heli, kirjavahemärkidega ASR, sõnade ajamärkidega transkriptsioon, voogedastusrakendused ja iseseisvalt hallatavad NVIDIA GPU juurutused
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Helisisend
Voogedastus
Olek
Praegu saadaval; allalaaditav; toetab voogedastust ja võrguühenduseta transkriptsiooni
Sisend
Avalikku tokenipõhist hinda ei ole; allalaaditavale mudelile ning NVIDIA API-le ja NIM-ile juurdepääsule kehtivad NVIDIA kohaldatavad tingimused ja teenusetingimused.
Vaata mudelit
→
Ingliskeelse kõne kohalik transkribeerimine, võrguühenduseta ASR, pika kestusega heli töötlemine ja kohandatud ASR-i peenhäälestus
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Helisisend
Peenhäälestamine
Olek
Kaasaegne ja kättesaadav avatud kaaludega mudel
Vaata mudelit
→
Taiwani mandariini kõnest tekstiks teisendamine, mandariini ja inglise keele koodivahetus, reaalajas subtiitrid, häälliidesed ning NVIDIA GPU-del töötav voogedastus- või võrguühenduseta transkriptsioon.
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Helisisend
Voogedastus
Olek
Loetletud NVIDIA Speech NIM-i praeguses dokumentatsioonis ja mudelikataloogis; seotud NGC-konteiner on märgitud enam mittetoetatuks.
Vaata mudelit
→
Mandariini- ja ingliskeelne automaatne kõnetuvastus, koodivahetusega transkriptsioon, voogedastuse transkriptsioon ning ettevõtetele mõeldud enda taristus majutatav kõnest tekstiks lahendus
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Helisisend
Voogedastus
Olek
Praegu saadaval ja allalaaditav; kättesaadav NVIDIA NIM-i ja Riva liideste kaudu
Sisend
Avalikku tokenipõhist hinda ei ole; rakenduvad allalaaditava mudeli ja NVIDIA teenuse tingimused
Väljund
Avalikku tokenipõhist hinda ei ole; kehtivad allalaaditava mudeli ja NVIDIA teenuse tingimused
Vaata mudelit
→
Kiire ingliskeelse kõne transkriptsioon, subtiitrid, koosolekute transkribeerimine, heliotsing ja ajatemplitega meediatöövood
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
10/10
Helisisend
Peenhäälestamine
Voogedastus
Olek
Praegune avatud kaaludega mudel; avalikult kättesaadav Hugging Face'i ja NVIDIA NeMo kaudu
Vaata mudelit
→
Mitmekeelsete lausete ja dokumentide tõlkimine, lokaliseerimine, turundussisu ning arendajatele mõeldud tõlketöövood
Tüüp
Muu
Kontekst
8K
Arutlusvõime
2/10
Kiirus
7/10
Olek
Praegu saadaval NVIDIA NIM-i kaudu ning allalaaditavate mudelikaaludena
Sisend
Build.NVIDIA.com-is loetletud tasuta majutatud lõpp-punkt; ise hostitava lahenduse tokenipõhist hinda ei ole täpsustatud
Väljund
Build.NVIDIA.com-is loetletud tasuta hostitud lõpp-punkt; isehostitud kasutuse tokenipõhist hinda ei ole täpsustatud
Vaata mudelit
→
Kohapealne või enda serveris majutatav mitmekeelne lause- ja dokumenditõlge inglise keele ning 36 muu keele vahel
Tüüp
Muu
Kontekst
8K
Arutlusvõime
3/10
Kiirus
8/10
Olek
Praegu saadaval ja avalikult allalaaditav; NVIDIA NIM-i toetusega
Vaata mudelit
→
Ainult kaameratel põhinev mitme vaatega 3D-tajumine, autonoomse sõidu analüüs, linnulennuvaate visualiseerimine ja objektide jälgimine
Multimodaalne
Pildisisend
Videosisend
Olek
Praegune NVIDIA NIM-i lõpp-punkt; tasuta juurdepääs lõpp-punktile eeldab NVIDIA API-võtit
Vaata mudelit
→
Mürarikastes või kajarikastes keskkondades madala kvaliteediga mikrofonidega salvestatud kõne reaalajas täiustamine, sealhulgas ringhäälingus, konverentsidel, telekommunikatsioonis ja meediatootmises.
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
9/10
Helisisend
Voogedastus
Olek
Praegu on see saadaval NVIDIA NIM-i, hostitud eelvaateteenuste ja NVIDIA audiotarkvara kaudu; allalaaditav juurutamine võib nõuda kehtivat NVIDIA litsentsi või tellimust.
Vaata mudelit
→
Sünteetilise video tuvastaja
Tehisintellekti loodud videote tuvastamine, meedia autentsuse kontroll, digitaalkohtuekspertiis, sisu modereerimine ja meediaintegriteedi seire
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Videosisend
Voogedastus
Olek
Praegu saadaval: allalaaditav NIM ja hallatud prooviversiooni lõpp-punkt; isehostitav juurutus nõuab AI for Media Private Accessi.
Sisend
Tasuta hallatav prooviversiooni lõpp-punkt; isehõivatud kasutuse ja ettevõtetele mõeldud litsentsimise suhtes võivad kehtida eraldi tingimused
Vaata mudelit
→
Reaalajas kõne müravähendus, videokonverentsid, otseülekanded, automaatse kõnetuvastuse (ASR) eeltöötlus ja võrguühenduseta heli täiustamine
Tüüp
Muu
Arutlusvõime
0/10
Kiirus
9/10
Helisisend
Meediaväljund
Voogedastus
Sisend
Hostitud inferentsi hinda ei ole avalikult täpsustatud; allalaaditav lõpp-punkt on saadaval ilma mudelitasuta.
Väljund
Hostitud inferentsi hinda ei ole avalikult täpsustatud; allalaaditav lõpp-punkt on saadaval ilma mudelitasuta.
Vaata mudelit
→
Professionaalne video suurendamine, ringhäälingukvaliteedi täiustamine, voogedastuse töötlusvood, kodeerimiseelne optimeerimine, müraeemaldus ja hägususe vähendamine
Tüüp
Muu
Arutlusvõime
1/10
Kiirus
8/10
Multimodaalne
Videosisend
Meediaväljund
Olek
Praegune; allalaaditav NVIDIA NIM
Vaata mudelit
→
