دایرکتوری حرفه‌ای مدل‌ها، ابزارها و راهنماهای راه‌اندازی

محصولات agentic، backofficeهای سندمحور، workflowهای کدنویسی و تیم‌هایی که می‌خواهند عملیات inference را برون‌سپاری کنند.

تحلیل سند، agentهای دانشی، بازنویسی حرفه‌ای و تیم‌هایی که روی Bedrock یا Vertex AI نیز deployment می‌خواهند.

محصولات multimodal، تحلیل PDF و ویدئو، RAGهای اسنادی و تیم‌هایی که روی Google Cloud یا Vertex AI کار می‌کنند.

تیم‌هایی که می‌خواهند مدل را داخل زیرساخت خودشان اجرا کنند، quantize کنند، LoRA بزنند و control بیشتری روی داده و serving داشته باشند.

محصولات چندزبانه، assistantهای self-host، coding workflowها و تیم‌هایی که stack open-weight اما مدرن می‌خواهند.

document AI، تحلیل تصویر و PDF، بازرسی کیفیت محتوای تصویری و workflowهای چندوجهی که باید روی زیرساخت خودتان هم قابل اجرا باشند.

RAG چندزبانه، semantic search، reranking روی corpus سازمانی و pipelineهایی که کیفیت retrieval برایشان حیاتی‌تر از chat model است.

IDE completion، fill-in-the-middle، code generation، code editing و ابزارهای توسعه که باید روی codebase واقعی کار کنند.

realtime voice agents، transcription، multilingual speech apps و محصولاتی که کیفیت، latency و turn handling در آن‌ها مهم است.

محصولات content automation، asset generation با guardrail، workflowهای marketing و تیم‌هایی که می‌خواهند تصویر را کنار text و agents از یک provider بگیرند.

سازمان‌هایی که بین API و self-host جابه‌جا می‌شوند و می‌خواهند از مدل‌های متنوع این خانواده برای code، vision و enterprise search استفاده کنند.

coding agents، tool use در توسعه، repository workflows و تیم‌هایی که code generation را در مسیر task-based می‌خواهند.

code generation، repo-aware workflows سبک، local coding assistants و self-host روی stackهای رایج.

text-to-video و image-to-video محصولی، creative automation و تیم‌هایی که time-to-market برایشان مهم‌تر از self-host است.

transcription، realtime captions، voice agents و سازمان‌هایی که cloud-only برایشان کافی نیست و on-prem یا container option می‌خواهند.

OCR-aware workflows، document AI، visual QA، agentهای چندوجهی و محیط‌هایی که latency و data boundary باید داخل infra خودتان کنترل شود.

ارزیابی‌های comparative، code-heavy workloads و سازمان‌هایی که می‌خواهند بین API و self-host انعطاف داشته باشند.

semantic search، RAGهای retrieval-heavy و use-caseهای تخصصی مثل code، legal یا finance retrieval.

speech workflows، transcript، voice agents و تیم‌هایی که می‌خواهند بین API راحت و مدل صوتی قابل‌کنترل تعادل داشته باشند.

RAG سازمانی، agent workflowهای کنترل‌شده، edge و deploymentهای حساس که نمی‌خواهند به frontier APIهای بسته وابسته باشند.

reasoning، long-context workflows، coding و serving روی GPUهای NVIDIA با NIM، vLLM یا stackهای محلی.

design workflows، vector generation، brand-consistent assets و ابزارهای تصویری محصولی که باید فراتر از صرفاً عکس باشند.

speech-to-text، transcript analytics، multilingual transcription و voice features محصولی که نمی‌خواهند self-host شوند.

RAG، semantic search، deduplication و هر جایی که می‌خواهید embedding به‌عنوان سرویس مدیریت شود.

RAG اسنادی، visually rich retrieval و pipelineهایی که text-only retrieval کافی نیست.

asset generation، marketing creative، creative tooling و image editing workflowهای حرفه‌ای.

multimodal chat، voice-enabled assistant، image + text workflows و تجربه‌های unified که نمی‌خواهند کاملاً وابسته به API بسته باشند.

video generation باز، تحقیق و توسعه روی ویدئو، pipelineهای image-to-video و تیم‌هایی که باید stack را self-host کنند.

marketing visuals، image generation محصولی، character consistency و تیم‌هایی که می‌خواهند سریع‌تر از open stack وارد تولید تصویر شوند.

realtime TTS، conversational AI، dubbing و محصولاتی که زمان تا first-byte و حس طبیعی صدا در آن‌ها مهم است.

IDE assistant داخلی، code review helper، generation روی repo خصوصی و pipelineهایی که self-host و cost control مهم است.

RAG دقیق‌تر، legal or policy retrieval، search pipelineهای چندمرحله‌ای و تیم‌هایی که top-k اولیه را با reranker پالایش می‌کنند.

baseline transcription، archive indexing، meeting search و هر جایی که self-host STT یا cost control مهم باشد.

edge و local AI، prototypeهای self-host و تیم‌هایی که مدل بازتر اما manageable می‌خواهند.

RAG self-host، enterprise search داخل VPC و تیم‌هایی که می‌خواهند retrieval را تا لایه مدل کنترل کنند.

asset generation روی Google stack، campaign automation و تیم‌هایی که می‌خواهند image generation را managed مصرف کنند.

voice interfaces، audiobook-like narration، realtime agents و pipelineهای صوتی محصولی.

code generation، explanation، bug fixing و ابزارهای توسعه‌ای که باید روی زیرساخت داخلی و license روشن کار کنند.

visual question answering، document reading، تحلیل تصویر و پژوهش/محصولاتی که می‌خواهند روی VLM باز کار کنند.

image-to-video، controlled video generation، creative tooling و تیم‌هایی که به دنبال open stack چابک‌تر از بعضی خانواده‌های سنگین‌تر هستند.

voice cloning، multilingual TTS، narration، dubbing و محصولاتی که کیفیت صدا برایشان مهم‌تر از سادگی API است.

enterprise search، RAG با data pipeline کنترل‌شده و تیم‌هایی که retrieval را با managed API می‌خواهند.

تیم‌هایی که به مدل جدید API-first با context بزرگ، function calling و workflowهای agentic علاقه دارند و می‌خواهند گزینه جایگزین جدی در سبد proprietary داشته باشند.

RAG، semantic retrieval و pipelineهایی که هم generation و هم embedding را در Google stack می‌خواهند.

تیم‌هایی که می‌خواهند image generation را خودشان host و tune کنند یا pipeline خلاقه داخلی بسازند.

creative prototyping، social video experimentation و pipelineهای ویدئویی که نمی‌خواهند زیرساخت inference خودشان را مدیریت کنند.

captioning، visual question answering، image understanding و سناریوهایی که VLM باز و نسبتاً سبک می‌خواهند.

semantic search، retrieval سبک‌تر، RAG محلی و سناریوهایی که embedding باز با footprint معقول می‌خواهند.

text-to-image، experimentation تصویری، تولید محتوای خلاق و تیم‌هایی که diffusion باز را در کنار Stable Diffusion و FLUX می‌سنجند.

code completion سبک، local experimentation، IDE prototype و تیم‌هایی که می‌خواهند code model باز را با footprint معقول‌تر امتحان کنند.

semantic search، RAG داخلی، workstation-friendly retrieval و تیم‌هایی که embedding باز را با TEI یا HF stack می‌خواهند.

enterprise retrieval، warehouse-adjacent search، corpusهای بزرگ و تیم‌هایی که embedding باز اما سازمانی‌تر می‌خواهند.

copilotهای داخلی سبک، edge deployment و تیم‌هایی که Azure و Windows/ONNX مسیر مهمشان است.

RAG، enterprise search و pipelineهایی که embedding-only جواب کافی نداده است.

رونویسی فایل‌های صوتی، meeting notes، archive search و pipelineهای پایه STT.

local TTS، edge devices، Home Assistant-style setups و محصولاتی که باید آفلاین یا در شبکه داخلی کار کنند.

voice productهای API-first، agentهای صوتی و تیم‌هایی که already روی ElevenLabs برای TTS سرمایه‌گذاری کرده‌اند.

RAG چندزبانه، search ranking، corpusهای متنوع و pipelineهایی که precision مرحله دوم برایشان مهم است.

دانش سازمانی، search-heavy assistantها و تیم‌هایی که روی retrieval و citation حساس‌اند.

image and video segmentation، annotation workflow، inspection pipeline و محصولاتی که mask و region-level output لازم دارند.

speech pipelineهای GPU-centric، batch or near-realtime transcription و تیم‌هایی که already روی stack انویدیا هستند.

long-context RAG، grounded QA و سازمان‌هایی که private deployment برایشان حیاتی است.

voice assistant آزمایشی، multimodal audio workflows و تیم‌هایی که می‌خواهند audio understanding را self-host یا hybrid جلو ببرند.

سازمان‌های AWS-first، RAG و assistantهای enterprise با integration نزدیک به Bedrock و خدمات ابری آمازون.