#freiesoftwarefoss_ — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #freiesoftwarefoss_, aggregated by home.social.
-
Thunderbird für Android im Test
Welches ist die beste E-Mail-Anwendung? Vor sechs Jahren habe ich mir die Mühe gemacht, ein halbes Dutzend Kandidaten zu testen – bloss, um mich letzten Endes für den Kronfavoriten zu entscheiden: Thunderbird.
Das Programm der Mozilla-Stiftung erfüllt seinen Zweck bis heute. Auch deswegen, weil ich Gmail noch immer nicht mag. Darum freut es mich sehr, dass es Thunderbird seit letztem Oktober auch für Android gibt. Diese App basiert auf der Mail-App K9, die seit 2008 existiert und als ausgereift gelten darf. Ich muss allerdings gestehen, dass ich wegen der drögen Oberfläche bislang einen Bogen um sie gemacht habe.
Nun, die visuelle Schlichtheit ist der Wiedergeburt als Thunderbird erhalten geblieben. Allerdings, unter uns gesagt, war dieses Programm auch auf dem Desktop nie eine Schönheit. Aber mittels ausgeklügelter Funktionen macht es dieses Manko wett.
Toll: die Konfiguration per QR-Code!
Auch die Android-Version schafft es, mich gleich beim ersten Start positiv zu stimmen. Sie erspart es mir, meine Mailkonten händisch einzurichten. Via Kamera würde sie die Mailkonten meiner Desktop-Installation übernehmen, verkündet die App. Und in der Tat: Bei Thunderbird für Windows finde ich in den Einstellungen im Bereich Auf Mobilgerät exportieren die Möglichkeit, einen QR-Code zu generieren. Dieser übergibt alle notwendigen Informationen, sodass ich sogleich meine Inbox zu Gesicht bekomme. Grossartig!
Und das ist mir zum Funktionsumfang aufgefallen:
- Dieser Posteingang zeigt die neuesten E-Mails mit Betreff, dem Anfang des Textes und für registrierte Kontakte ein Avatar-Bild. Es gibt oben rechts einen Knopf für die Suche, die Sortierung (nach Datum, Ankunftsdatum, Betreff, Absender, Wichtigkeit, Gelesen/ungelesen und Anhang) und es können alle Mails ausgewählt oder als gelesen markiert werden.
- Über die Menüleiste links wechseln wir zwischen den Accounts bzw. den Mail-Ordnern. Thunderbird ist am Mobilgerät wie am Desktop für den Umgang mit mehreren Mail-Accounts gerüstet. Die universelle Inbox ist eine der grossen Stärken dieser App.
- In der Liste versehen wir Nachrichten mit einem Sternchen. Durch langes Antippen wählen wir sie aus oder löschen, verschieben, kopieren und markieren sie. Für Letzteres stehen uns die Optionen Spam, Gelesen, Ungelesen und Wichtig zur Auswahl.
- Bei geöffneten Nachrichten lassen wir uns die Kopfzeilen anzeigen. Den ganzen Quellcode bekommen wir leidet nicht zu Gesicht. Es ist möglich, Nachrichten via Sharesheet zu teilen und beim Verfassen eines Mails dürfen wir auch eine Antwort an-Adresse vergeben.
Das ist alles nicht verkehrt – aber gemessen an anderen Mail-Apps auch bloss das absolute Minimum an Funktionen. Ich habe bei Apple-Mail am iPhone die sogenannte Kategorien-Darstellung schätzen gelernt: Die sortiert die Mails virtuell in vier Bereiche. Unter Wichtig finden sich persönliche und dringende Angelegenheiten, Rechnungen, Versandbestätigungen und Ähnliches landen bei Transaktionen, in Neuigkeiten werden Newsletter und Social-Media-Benachrichtigungen abgelegt und ins Körbchen Werbung schauen wir ohnehin nur rein, wenn uns langweilig ist.
Eine Stärke von Apple Mail am iPhone (rechts) ist die automatische Einteilung nach Kategorien. Die gibt es in Thunderbird für Android (rechts) nicht.Ein kluges Hilfsmittel zur Inbox-Triage ist dringend nötig
Das ist eine pragmatische und ausgeklügelte Sache: Wenn wir den Posteingang ungefiltert sehen wollen, müssen wir nichts weiter tun, als Kategorien abzuwählen. Diese Funktion würde ich nicht nur am Android-Telefon schätzen, sondern auch bei Thunderbird am Desktop. Meines Erachtens gehört ein in irgendeiner Form «intelligentes» Hilfsmittel zur Triage der Mailflut zum Kernauftrag einer solchen App. Aber was nicht ist, kann noch werden.
Fazit: Der Schritt in die mobile Welt ist für Thunderbird wichtig und überfällig. Es ist für Android bereits meine Lieblings-Mail-App – was allerdings damit zu tun hat, dass ich dort bisher gar keine Lieblings-App hatte. Seine Herkunft als Open-Source-Programm ohne Werbung und Tracking ist ein starker Trumpf. Er macht die aufgezählten Mankos nicht völlig wett, aber er bringt uns dazu, grosszügig über sie hinwegzusehen.
Zu den Stärken zähle ich auch die Ende-zu-Ende-Verschlüsselung, die sich via OpenPGP realisieren lässt. Bleibt abschliessend die Frage: Wird es Thunderbird auch fürs iPhone geben? Heise teilte mit, im April habe die Entwicklung begonnen. Gemäss dem Zeitplan wird die Alpha-Version für Ende Jahr erwartet.
-
Eine massgeschneiderte KI für unsere E-Mail-Korrespondenz
Eine fixfertig formulierte Antwort auf ein reales Mail – die ich so natürlich nicht gesendet habe.Google, Microsoft, Meta und Apple sind dabei, die künstliche Intelligenz in ihre Produkte zu integrieren. Sie tun das leider nicht nur, um uns Nutzerinnen und Nutzern einen Gefallen zu tun. Die integrierte KI hat in manchen Fällen zwar unbestritten einen Nutzen, wie sich bei Office demonstrieren lässt.
Trotzdem rührt dieser Integrationswille vor allem daher, dass er den Konzernen einen hervorragenden Grund liefert, die Preise zu erhöhen. Wir User müssen für die KI-angereicherten Produkte nicht nur mehr bezahlen, sondern werden auch abhängiger. Das beweist wiederum Office: Die Textverarbeitung oder Tabellenkalkulation auszutauschen und auf Libre Office oder Airtable umzusatteln, ist zwar kein Vergnügen, aber möglich. Doch wenn wir die eingebaute KI intensiv nutzen, fallen diese Alternativen weg. Zumindest, solange es dort keine vergleichbare Funktion gibt.
Das ginge natürlich auch anders. Statt dass die Konzerne ihre hauseigene KI direkt einbauen, könnten sie Schnittstellen schaffen, über die Nutzerinnen und Nutzer ihr bevorzugtes Sprachmodell einbinden. Hier zwei Beispiele, wie das konkret funktioniert:
- Über ein Plug-in generiert die künstliche Intelligenz in WordPress automatisch Alt-Texte, d. h. Bildbeschreibungen für blinde und sehbehinderte Nutzerinnen und Nutzer.
- Eine Erweiterung in Thunderbird erlaubt es uns, Mails per KI zu beantworten, zu übersetzen oder zu klassifizieren.
Die erste Einsatzmöglichkeit erkläre ich ausführlich in einem separaten Beitrag. An dieser Stelle geht es um die Erweiterung Thunder AI von Mic. Sie stattet das Mailprogramm Thunderbird mit KI-Funktionen aus. Konkret fügt sie in der Symbolleiste des Mailprogramms den Knopf KI hinzu, der die entsprechenden Funktionen zur Verfügung stellt.
Wie es uns gefällt
Auch wenn ich wahrscheinlich Eulen nach Athen trage, möchte ich hier die Vorteile der offenen Anbindung explizit auflisten. Es sind insbesondere diese zwei Aspekte:
- Als User wählen wir selbst, welches Sprachmodell wir einsetzen. Implementiert sind Schnittstellen zu ChatGPT, Google Gemini und Claude von Anthropic. Alternativ benutzen wir via Ollama-API ein lokales Sprachmodell, etwa Deepseek-r1, Qwen 3 oder Llama.
- Die Prompts verwalten wir selbst. Wir dürfen die Standard-Prompts abändern¹ und spezifische Befehle für unsere individuellen Aufgaben ergänzen.
Und so funktioniert es:
Die Konfiguration von Thunder AI: Hier wird das LLM ausgewählt und der API-Key hinterlegt.- Wir besorgen uns die Erweiterung Thunder AI und installieren sie in Thunderbird.
- Über den Knopf mit den drei waagerechten Strichen gelangen wir zum Hauptmenü, in dem wir den Befehl Add-ons und Themes betätigen.
- In der Liste Erweiterungen klicken wir beim Eintrag ThunderAi auf das Schlüsselsymbol.
- In den Einstellungen ist vor allem der Abschnitt Verbindungstyp wichtig: Hier haben wir sieben Optionen zur Auswahl².
- Je nach Selektion müssen wir die passende Konfiguration für die Verbindung zum LLM eingeben.
- Bei Entwicklernachrichten hinterlegen wir einen Präprompt/Systemprompt, der für alle Aufrufe benutzt wird. Hier können wir z. B. angeben, dass Schweizer Rechtschreibung und Typografie (ss statt ß und «» anstelle gerader Anführungszeichen oder Gänsefüsschen) benutzt werden sollen und wir in Mails Leute konsequent duzen.
Bei Punkt fünf kommt bei mir die Option ChatGPT OpenAI API zum Zug; als Modell wähle ich GPT 41-mini. Damit die es auch liefert, muss ich einen API-Schlüssel eintragen. Diese Schlüssel verwalten wir via platform.openai.com. Es ist sinnvoll, für Thunderbird einen eigenen Schlüssel anzulegen: Das erlaubt uns, die Kosten für die KI-Nutzung einzeln zu kontrollieren.
Hier werden die API-Keys für Thunder AI und andere KI-Funktionen eingerichtet.Bei ChatGPT nach Verbrauch bezahlen – oder ein lokales LLM verwenden
Denn wichtig an dieser Stelle: Die Nutzung per Schnittstelle kostet bei ChatGPT extra. Wir müssen daher ein Guthaben hinterlegen, selbst wenn wir einen Bezahl-Account für ChatGPT haben. Via API bezahlen wir kein Abo, sondern nach Nutzung, wobei wir ein entsprechendes Guthaben hinterlegen können, das entweder automatisch aufgestockt oder halt aufgebraucht wird. Kosten werden pro Token abgerechnet. Das Modell GPT-4.1 mini ist vergleichsweise günstig und kostet für den Output 1,60 US-Dollar für eine Million Token.
Die Verwendung der Tokens lässt sich via Backend überwachen.Wie viele Tokens wir verwenden, ist unter Usage ersichtlich: Eine simple Antwort kostet um die 2000 Token, d. h. Bruchteile eines Cents. Allerdings stellen wir dennoch fest, dass mit fröhlichen Experimenten schnell der eine oder andere Vierteldollar aufgebraucht wurde. Die Alternative besteht darin, ein eigenes, lokales LLM einzusetzen. Das ist möglich, wenn wir im lokalen Netzwerk einen Server laufen lassen, der eine ChatGPT-kompatible Schnittstelle zur Verfügung stellt. Die hier vorgestellte Software LM Studio ist dazu in der Lage. Wie es in der Praxis funktioniert, teste ich derzeit. Dieses Experiment ist derzeit noch im Gange, sodass ich darüber später Bericht erstatten werde.
Einen eigenen KI-Befehl einrichten
Zur zweiten Stärke dieser Methode: Wie erwähnt erlaubt es uns Thunder AI, eigene Funktionen zu implementieren. Für diesen Zweck klicken wir auf der Add-ons-Verwaltungsseite dieses Plug-ins auf die Schaltfläche Verwalten Sie Ihre Eingabeaufforderungen.
Die Verwaltung der Prompts in Thunder AI, wo sich eigene Befehle einrichten und administrieren lassen.Wir gelangen zu der Liste mit den Prompts für die einzelnen Befehle, die auch den Kontext aufführt und anzeigt, welche Befehle unter welchen Umständen zur Verfügung stehen, z. B. nur, wenn Text markiert ist. Hier wählen wir, ob die Standardprompts aktiv oder deaktiviert sind, und fügen bei Bedarf auch eigene Befehle hinzu. Ich habe einen Befehl eingebaut, um mir eine Sicherheitsbeurteilung für Nachrichten geben zu lassen, die Phishing, Spam oder sonst wie betrügerisch sein könnten. Denn solche ChatGPT und Co. sind ausgezeichnet darin, uns vor Mail-Betrügern zu schützen.
Ein Manko gibt es leider bei der hier beschriebenen Methode via Thunder AI: Wir haben nicht die Möglichkeit, den Quelltext zu übergeben. Dieser viel mehr Rückschlüsse zu als der reine Textinhalt der Nachricht. Dieses Feature besteht bislang nicht – aber ich werde den Entwickler kontaktieren und ihn bitten, es hinzuzufügen.³
Die Sicherheitsbeurteilung eines E-Mails, bei dem es sich offensichtlich um Phishing handelt.Der offene Ansatz gewinnt!
Fazit: Der offene Ansatz ist eine wunderbare Alternative zur Egoismus-Strategie, bei der die künstliche Intelligenz mit den Produkten gebündelt wird. Das heisst: Die Hersteller bauen Schnittstellen ein, über die wir Nutzerinnen und Nutzer das Sprachmodell unserer Wahl hinterlegen. Die Vorteile für uns sind offensichtlich: Wir sind frei, die für unsere Bedürfnisse beste KI zu wählen. Und wir haben auch einen Einfluss darauf, wie viel oder wenig uns das kostet. Das ist Selbstbestimmung, wie sie eigentlich völlig selbstverständlich sein sollte!
Fussnoten
1) Um hier ganz präzise zu sein: Die standardmässig hinterlegten Prompts sind nicht editierbar. Es ist aber möglich, sie zu deaktivieren und stattdessen eine eigene, uns genehme Variante der entsprechenden Funktion zu hinterlegen. ↩
2) Diese Optionen stehen für die Anbindung von Sprachmodellen zur Auswahl:
- ChatGPT OpenAI API
- ChatGPT-Weboberfläche
- ChatGPT OpenAI API
- Google Gemini API
- Anthropic API
- Ollama API (lokales LLM)
- OpenAI-kompatible API ↩
3) Update vom 9. September 2025: Dieses Manko ist inzwischen nicht komplett, aber zu einem grossen Teil ausgeräumt. Wir können in unserem Prompt via Parameter bestimmen, welche Inhalte des Mails an die KI übergeben werden. Zu den verfügbaren Data Placeholders zählen u. a.
{%author%}für Absender,{%mail_subject%}für den Betreff und – besonders wichtig für die Sicherheitsbeurteilung –{%mail_html_body%}für den HTML-formatierten Body (auf «Nur Text» wird über{%mail_text_body%}zugegriffen). ↩Beitragsbild: Denn so sitzt es und passt genau zu uns (Tima Miroshnichenko, Pexels-Lizenz).
-
Eine massgeschneiderte KI für unsere E-Mail-Korrespondenz
Eine fixfertig formulierte Antwort auf ein reales Mail – die ich so natürlich nicht gesendet habe.Google, Microsoft, Meta und Apple sind dabei, die künstliche Intelligenz in ihre Produkte zu integrieren. Sie tun das leider nicht nur, um uns Nutzerinnen und Nutzern einen Gefallen zu tun. Die integrierte KI hat in manchen Fällen zwar unbestritten einen Nutzen, wie sich bei Office demonstrieren lässt.
Trotzdem rührt dieser Integrationswille vor allem daher, dass er den Konzernen einen hervorragenden Grund liefert, die Preise zu erhöhen. Wir User müssen für die KI-angereicherten Produkte nicht nur mehr bezahlen, sondern werden auch abhängiger. Das beweist wiederum Office: Die Textverarbeitung oder Tabellenkalkulation auszutauschen und auf Libre Office oder Airtable umzusatteln, ist zwar kein Vergnügen, aber möglich. Doch wenn wir die eingebaute KI intensiv nutzen, fallen diese Alternativen weg. Zumindest, solange es dort keine vergleichbare Funktion gibt.
Das ginge natürlich auch anders. Statt dass die Konzerne ihre hauseigene KI direkt einbauen, könnten sie Schnittstellen schaffen, über die Nutzerinnen und Nutzer ihr bevorzugtes Sprachmodell einbinden. Hier zwei Beispiele, wie das konkret funktioniert:
- Über ein Plug-in generiert die künstliche Intelligenz in WordPress automatisch Alt-Texte, d. h. Bildbeschreibungen für blinde und sehbehinderte Nutzerinnen und Nutzer.
- Eine Erweiterung in Thunderbird erlaubt es uns, Mails per KI zu beantworten, zu übersetzen oder zu klassifizieren.
Die erste Einsatzmöglichkeit erkläre ich ausführlich in einem separaten Beitrag. An dieser Stelle geht es um die Erweiterung Thunder AI von Mic. Sie stattet das Mailprogramm Thunderbird mit KI-Funktionen aus. Konkret fügt sie in der Symbolleiste des Mailprogramms den Knopf KI hinzu, der die entsprechenden Funktionen zur Verfügung stellt.
Wie es uns gefällt
Auch wenn ich wahrscheinlich Eulen nach Athen trage, möchte ich hier die Vorteile der offenen Anbindung explizit auflisten. Es sind insbesondere diese zwei Aspekte:
- Als User wählen wir selbst, welches Sprachmodell wir einsetzen. Implementiert sind Schnittstellen zu ChatGPT, Google Gemini und Claude von Anthropic. Alternativ benutzen wir via Ollama-API ein lokales Sprachmodell, etwa Deepseek-r1, Qwen 3 oder Llama.
- Die Prompts verwalten wir selbst. Wir dürfen die Standard-Prompts abändern¹ und spezifische Befehle für unsere individuellen Aufgaben ergänzen.
Und so funktioniert es:
Die Konfiguration von Thunder AI: Hier wird das LLM ausgewählt und der API-Key hinterlegt.- Wir besorgen uns die Erweiterung Thunder AI und installieren sie in Thunderbird.
- Über den Knopf mit den drei waagerechten Strichen gelangen wir zum Hauptmenü, in dem wir den Befehl Add-ons und Themes betätigen.
- In der Liste Erweiterungen klicken wir beim Eintrag ThunderAi auf das Schlüsselsymbol.
- In den Einstellungen ist vor allem der Abschnitt Verbindungstyp wichtig: Hier haben wir sieben Optionen zur Auswahl².
- Je nach Selektion müssen wir die passende Konfiguration für die Verbindung zum LLM eingeben.
- Bei Entwicklernachrichten hinterlegen wir einen Präprompt/Systemprompt, der für alle Aufrufe benutzt wird. Hier können wir z. B. angeben, dass Schweizer Rechtschreibung und Typografie (ss statt ß und «» anstelle gerader Anführungszeichen oder Gänsefüsschen) benutzt werden sollen und wir in Mails Leute konsequent duzen.
Bei Punkt fünf kommt bei mir die Option ChatGPT OpenAI API zum Zug; als Modell wähle ich GPT 41-mini. Damit die es auch liefert, muss ich einen API-Schlüssel eintragen. Diese Schlüssel verwalten wir via platform.openai.com. Es ist sinnvoll, für Thunderbird einen eigenen Schlüssel anzulegen: Das erlaubt uns, die Kosten für die KI-Nutzung einzeln zu kontrollieren.
Hier werden die API-Keys für Thunder AI und andere KI-Funktionen eingerichtet.Bei ChatGPT nach Verbrauch bezahlen – oder ein lokales LLM verwenden
Denn wichtig an dieser Stelle: Die Nutzung per Schnittstelle kostet bei ChatGPT extra. Wir müssen daher ein Guthaben hinterlegen, selbst wenn wir einen Bezahl-Account für ChatGPT haben. Via API bezahlen wir kein Abo, sondern nach Nutzung, wobei wir ein entsprechendes Guthaben hinterlegen können, das entweder automatisch aufgestockt oder halt aufgebraucht wird. Kosten werden pro Token abgerechnet. Das Modell GPT-4.1 mini ist vergleichsweise günstig und kostet für den Output 1,60 US-Dollar für eine Million Token.
Die Verwendung der Tokens lässt sich via Backend überwachen.Wie viele Tokens wir verwenden, ist unter Usage ersichtlich: Eine simple Antwort kostet um die 2000 Token, d. h. Bruchteile eines Cents. Allerdings stellen wir dennoch fest, dass mit fröhlichen Experimenten schnell der eine oder andere Vierteldollar aufgebraucht wurde. Die Alternative besteht darin, ein eigenes, lokales LLM einzusetzen. Das ist möglich, wenn wir im lokalen Netzwerk einen Server laufen lassen, der eine ChatGPT-kompatible Schnittstelle zur Verfügung stellt. Die hier vorgestellte Software LM Studio ist dazu in der Lage. Wie es in der Praxis funktioniert, teste ich derzeit. Dieses Experiment ist derzeit noch im Gange, sodass ich darüber später Bericht erstatten werde.
Einen eigenen KI-Befehl einrichten
Zur zweiten Stärke dieser Methode: Wie erwähnt erlaubt es uns Thunder AI, eigene Funktionen zu implementieren. Für diesen Zweck klicken wir auf der Add-ons-Verwaltungsseite dieses Plug-ins auf die Schaltfläche Verwalten Sie Ihre Eingabeaufforderungen.
Die Verwaltung der Prompts in Thunder AI, wo sich eigene Befehle einrichten und administrieren lassen.Wir gelangen zu der Liste mit den Prompts für die einzelnen Befehle, die auch den Kontext aufführt und anzeigt, welche Befehle unter welchen Umständen zur Verfügung stehen, z. B. nur, wenn Text markiert ist. Hier wählen wir, ob die Standardprompts aktiv oder deaktiviert sind, und fügen bei Bedarf auch eigene Befehle hinzu. Ich habe einen Befehl eingebaut, um mir eine Sicherheitsbeurteilung für Nachrichten geben zu lassen, die Phishing, Spam oder sonst wie betrügerisch sein könnten. Denn solche ChatGPT und Co. sind ausgezeichnet darin, uns vor Mail-Betrügern zu schützen.
Ein Manko gibt es leider bei der hier beschriebenen Methode via Thunder AI: Wir haben nicht die Möglichkeit, den Quelltext zu übergeben. Dieser viel mehr Rückschlüsse zu als der reine Textinhalt der Nachricht. Dieses Feature besteht bislang nicht – aber ich werde den Entwickler kontaktieren und ihn bitten, es hinzuzufügen.³
Die Sicherheitsbeurteilung eines E-Mails, bei dem es sich offensichtlich um Phishing handelt.Der offene Ansatz gewinnt!
Fazit: Der offene Ansatz ist eine wunderbare Alternative zur Egoismus-Strategie, bei der die künstliche Intelligenz mit den Produkten gebündelt wird. Das heisst: Die Hersteller bauen Schnittstellen ein, über die wir Nutzerinnen und Nutzer das Sprachmodell unserer Wahl hinterlegen. Die Vorteile für uns sind offensichtlich: Wir sind frei, die für unsere Bedürfnisse beste KI zu wählen. Und wir haben auch einen Einfluss darauf, wie viel oder wenig uns das kostet. Das ist Selbstbestimmung, wie sie eigentlich völlig selbstverständlich sein sollte!
Fussnoten
1) Um hier ganz präzise zu sein: Die standardmässig hinterlegten Prompts sind nicht editierbar. Es ist aber möglich, sie zu deaktivieren und stattdessen eine eigene, uns genehme Variante der entsprechenden Funktion zu hinterlegen. ↩
2) Diese Optionen stehen für die Anbindung von Sprachmodellen zur Auswahl:
- ChatGPT OpenAI API
- ChatGPT-Weboberfläche
- ChatGPT OpenAI API
- Google Gemini API
- Anthropic API
- Ollama API (lokales LLM)
- OpenAI-kompatible API ↩
3) Update vom 9. September 2025: Dieses Manko ist inzwischen nicht komplett, aber zu einem grossen Teil ausgeräumt. Wir können in unserem Prompt via Parameter bestimmen, welche Inhalte des Mails an die KI übergeben werden. Zu den verfügbaren Data Placeholders zählen u. a.
{%author%}für Absender,{%mail_subject%}für den Betreff und – besonders wichtig für die Sicherheitsbeurteilung –{%mail_html_body%}für den HTML-formatierten Body (auf «Nur Text» wird über{%mail_text_body%}zugegriffen). ↩Beitragsbild: Denn so sitzt es und passt genau zu uns (Tima Miroshnichenko, Pexels-Lizenz).
-
Eins muss man dieser App lassen: Sie hat einen besseren Namen als die gesamte Konkurrenz¹: Sie heisst Omnivore (iPhone und Android) und gehört wie Pocket und Instapaper in die Kategorie der Später-Lesen-Apps. Sie richtet sich nach eigenem Bekunden an «ernsthafte Leserinnen und Leser», und sie hat einen klaren Vorteil gegenüber dem restlichen Feld: Sie ist Open-Source.
Die Leseansicht am iPhone, vielseitig konfigurierbar.Ich habe App im Hinblick auf die Vorlesen-Funktion getestet. Die Sprachsynthese, die es bei vielen Newssites inzwischen gibt, hat mich auf den Geschmack gebracht. Doch ich möchte mir die Texte nicht auf der jeweiligen Site anhören, sondern in einer App, die für alle vorzulesenden Inhalte zuständig ist. Und da ist die Leselisten-App der ideale Kandidat.
Um es vorwegzunehmen: Als persönlicher Nachrichtensprecher ist Omnivore nicht die erste Wahl. Die Sprachsynthese ist zwar akzeptabel, doch im direkten Vergleich zu Elevenlabs Reader fällt sie weit zurück. Diese App hat die natürlicheren, sympathischeren Stimmen und eine angenehmere Präsentation.
Doch Omnivore hat andere Stärken, was uns dazu bringen könnte, uns dennoch mit der Sprachsynthese anzufreunden. Dazu ein wichtiger Tipp: Wenn wir das mit den Standardeinstellungen tun, werden deutschsprachige Inhalte als Englisch vorgelesen – und das ist grauenvoll. Um das zu verhindern, öffnen wir die Rubrik Profile, klicken hier auf Text to speech und wählen bei Default Language den Eintrag German aus. Im Abschnitt Voices bei German finden wir sechs Stimmen zur Auswahl.
Lustig: Leni liest Texte sogar auf Schweizerdeutsch. Und zwar, indem sie Hochdeutsch auf etwas übersetzt, das fast nach Zürichdeutsch klingt. Das ist amüsant, aber weit entfernt von überzeugendem Dialekt. Darum empfehle ich Katja – die finde ich am angenehmsten. Auch okay ist Christoph.
RSS und Newsletters
Zu den Stärken von Omnivore zählt die Möglichkeit, Quellen automatisch per RSS einzubinden. Theoretisch praktisch, doch bei meinem Test hat der Import des Feeds von meinem Blog leider nicht funktioniert. Auch die Newsletter lassen sich an Omnivore schicken und dort lesen und organisieren. Dazu erhalten wir eine Mailadresse, an die wir die Newsletter hinschicken oder weiterleiten können. Jedenfalls ein heisser Tipp für alle jungen Menschen, die eben erst gelernt haben, dass es E-Mail-Newsletter gibt: Verwendet dafür eine separate Mailadresse, Firefox Relay oder die Funktion «E-Mail-Adresse verbergen» von Apple.
Omnivore im Browser, mit der schnellen Suche.Die Mailadresse von Omnivore, die z.B. [email protected] lauten kann, nimmt auch PDFs entgegen, die ebenfalls ins gesammelte Lesematerial eingespeist werden. Eine solche Mailadresse lässt sich in den Einstellungen bei Emails einrichten.
Die Übersicht der gespeicherten Inhalte am iPhone.Dieses Material lässt sich in der App oder auch via Web nach allen Regeln der Kunst organisieren:
- Unter Inbox erscheinen die manuell gesammelten Informationen. Diese lassen sich via Plus-Symbol per URL hinzufügen. Inhalte können auch über den Teilen-Befehl des iPhones (via Sharesheet) eingespeist werden.
- Die Inbox hat fast ein Dutzend Ansichten (Continue Reading, Non-Feed-Items, Highlights, Unlabeled, Oldest First, Files, Archived, Unread, Downloaded und Deleted) und diverse Sortiermöglichkeiten (Newest, Oldest, Shortest, Longest, Recently Read und Recently Published).
- Einem Eintrag lassen sich Labels und Notizen hinzufügen. Es gibt auch die Highlights, das sind quasi Leuchtstift-Markierungen interessanter Stellen.
- Unter Following erscheinen die Feeds und Newsletter. Sie lassen sich nach den gleichen Kriterien wie die Elemente der Inbox sortieren, filtern (Ungelesen, Feeds, Newsletters) oder nach Label auswählen.
Wir sehen: Die Grenzen zwischen Lese-App und Wissensbasis sind fliessend. Es gibt auch eine Synchronisation mit Werkzeugen für die Wissensverwaltung, namentlich zu Obsidian, Notion und Logseq.
In der Leseansicht starten wir die besagte Vorlesefunktion. Wir können ferner wiederum Labels zuweisen, Notizen und Highlights erfassen. Auch Notizen lassen sich speziell an bestimmte Stellen im Text hängen. In der Leseansicht wählen wir Font, Schriftgrösse, Zeichen- und Zeilenabstand, und es gibt vier Farbschemen (Themes) zur Auswahl. Über das Menü gibt es zusätzlich einige interessante Funktionen, zum Beispiel, einen Artikel über Archive.today zu öffnen, falls er dort abgelegt ist. Wir können auch den Link kopieren und die Leseposition zurücksetzen. Via Reccommend ist es möglich, den Artikel in einem Club zu empfehlen. Das sind virtuelle Räume für Teammitglieder und Gleichgesinnte, in denen sie Lesestoff austauschen.
So weit, so schlüssig. Da ich mit Pocket nicht mehr so richtig zufrieden bin, überlege ich mir derzeit ernsthaft einen Umstieg. Das Tolle an der Sache ist, dass es eine Möglichkeit gibt, die Pocket angehäuften Artikel zu importieren – und zwar vollständig, falls es nicht mehr als 20’000 Artikel sind. Ich habe das ausprobiert, und es klappte gut, auch wenn es lange dauerte, bis der Bestand der letzten fünf Jahre herübergewandert war. Den Import müssen wir am Desktop-Computer anstossen, und zwar über die Seite Integration in den Einstellungen. Dort autorisieren wir den Zugriff auf Pocket, woraufhin der Vorgang startet.
Fazit: Ein definitives Urteil erlaube ich mir noch nicht. Aber Omnivore gefällt mir gut. Einige der Dinge, die ich bereits schätze:
- Die Möglichkeit, durch eine Wischgeste von rechts nach links einen Eintrag zu archivieren oder optional zu löschen.
- Wenn wir von links nach rechts wischen, pinnen wir den Eintrag an. Er erscheint dann zuoberst in der Liste.
- Nerd-Features wie die Rules.
Die sind im Moment noch im Betastadium und daher nur über die Website und nicht in der App verfügbar. Über eine Regel lassen sich anhand bestimmter Kriterien automatisch Labels hinzufügen, Benachrichtigungen senden oder Beiträge archivieren.
Fussnoten
1) Dicht gefolgt von Hoarder – wobei es sich bei der App um eine selbst gehostete, freie Software zur Bookmark-Verwaltung denn um eine Leselisten-App handelt. ↩
Beitragsbild: In der Badewanne lässt es sich gut essen. Und lesen, natürlich (Artem Labunsky, Unsplash-Lizenz).
https://blog.clickomania.ch/2024/09/18/omnivore-read-later-app-review/
-
Wie man fotorealistische KI-Bilder generiert
Wie bringt man einen KI-Bildgenerator dazu, Bilder in fotorealistischer Qualität zu erzeugen? Diese Frage hat sich mir neulich gestellt, als ich einen Artikel zur Erkennung ebendieser Bilder geschrieben habe und meine Tipps anhand konkreter Beispiele überprüfen wollte.
Es zeigt sich, dass das gar nicht so einfach ist. Die Stichworte fotorealistisch, hyperrealistisch und extrem detailreich allein reichen nicht. Auch mit dieser Vorgabe sind die allermeisten Resultate auf den ersten Blick als künstlich zu erkennen. Ich habe nachgeforscht und bin auf zwei Erfolgsfaktoren gestossen:
- Es braucht das passende Modell
- Und einen ausführlichen Prompt mit einer exakten Beschreibung der Bildwirkung
Zuerst zum Prompt: Bei der Beschreibung des gewünschten Bildes geben wir an, dass das Bild auf Flickr für Furore sorgen soll oder für eine Fotoausstellung gedacht ist. Damit es möglichst fotografisch wirkt, geben wir die gewünschten «Aufnahme»-Parameter an, etwa Blende 2,0 und Brennweite 35 mm. Und manche «Prompt Engineers» nennen sogar einen Fotografen, an dessen Werk sich die KI orientieren soll. Steve McCurry ist einer, der mir bei meinen Nachforschungen zum perfekten Prompt mehrmals begegnet ist.
Diese Methode funktioniert nicht bei allen Bildgeneratoren gleich gut: Dall-e erzeugt keine Bilder im Stil lebender Fotokünstler, natürlich aus Angst vor Urheberrechtsverletzungen. Als Notlösung verlangen wir stattdessen ein Bild im Stil eines «berühmten Porträtfotografen».
Stable Diffusion mit mehr Einflussmöglichkeiten
Nebst Dall-e habe ich auch die Möglichkeiten in der Open-Source-Software Stable Diffusion ausgelotet. Die betreibe ich mit der Software Draw Things auf dem Macbook Pro M3. Mit der haben wir deutlich mehr Einflussmöglichkeiten als bei Dall-e oder anderen kommerziellen KIs wie Firefly von Adobe: Die Angabe von Fotografen wird nicht verweigert, und wir können auch einen negativen Prompt formulieren: Dieser gibt an, was alles nicht im Bild enthalten sein soll. Ich habe einen ellenlangen negativen Prompt gefunden, der alles aufzählt, was in einem fotorealistischen Bild nichts verloren hat: ein Puppen- oder 3D-Game-Look, fehlende Gliedmassen, etc.
In Stable Diffusion können wir ausserdem mit verschiedenen Modellen arbeiten, die anhand unterschiedlicher Daten trainiert wurden und entsprechend sehr verschiedene Resultate ergeben. Für den nachfolgenden Vergleich habe ich denselben Prompt¹ mit allfällig notwendigen Modifikationen und, wo möglich, den aus dem Internet «ausgeliehenen» negativen Prompt² verwendet. In Draw Things habe ich ausserdem den Strength-Regler auf 70 Prozent gezogen: Er sorgt dafür, dass sich die KI weniger künstlerische «Freiheiten» nimmt als mit der Standardeinstellung
Das sind die Resultate, sortiert nach ihrem Realitätsgrad, den ich hier subjektiv beurteile.
1) Adobe Firefly: Ja! Aber!
Adobe Firefly: Sehr realistisch, aber Emilia Clarke erkenne ich nicht.Dieses Bild erfüllt viele der Anforderungen: Es ist so realistisch, dass wir schon genau hinsehen müssen, um es als künstlich zu erkennen. Mich irritiert das Gebiss ein wenig – aber ohne, dass ich das genau festmachen könnte. Die Stadt im Hintergrund könnte Zürich sein, was sich wegen der geringen Schärfentiefe nicht abschliessend beurteilen lässt. Die Flagge hinter dem Kopf der Frau gibt Rätsel auf – das ist weder die Schweizerfahne noch die von Zürich.
Das offensichtliche Manko liegt natürlich darin, dass die Frau nicht aussieht wie Emilia Clarke. Wir dürfen annehmen, dass die Adobe die Persönlichkeit der Schauspielerin schützen will – was auch völlig berechtigt ist.
2) Stable Diffusion mit RealVisXL v4.0: Ab in die Vergangenheit
Stable Diffusion mit RealVisXL v4.0: Zürich hat einen neuen Hausberg.Das Modell RealVisXL v4.0 ist ein ziemlicher Brummer; insgesamt fast sechs Giga gross. Es verspricht fotorealistische Qualität und liefert die auch. Bei meinem Testprompt – der für dieses Experiment nicht weiter modifiziert wird – ist das Resultat gut, aber nicht überragend: Das Gesicht der Frau wirkt überzeugend und auch die Lichtstimmung gefällt. Es ist aber offensichtlich, dass dieses Modell nichts mit Emilia Clarke anfangen kann und mit Game of Thrones auch nicht. Ich nehme an, dass diese Referenz dazu geführt hat, dass dieses Bild nun einen mittelalterlichen Touch hat, speziell, was die Kleidung der Frau angeht.
Und wir brauchen nicht darüber zu diskutieren, dass die Stadt im Hintergrund nicht Zürich ist. Vielleicht Bünderland oder Jura?
3) Stable Diffusion mit Juggernaut XL v9: Gabs im Mittelalter Lippenstift?
Stable Diffusion Juggernaut XL v.9: Auch ein solides Resultat.Auch das Modell Juggernaut XL v9 verspricht eine realistische Darstellung – und liefert sie auch. Die Stadt im Hintergrund finde ich deutlich besser gelungen als bei der RealVisXL-Variante: Wenn das Matterhorn im Hintergrund nicht wäre, könnte man das tatsächlich für Zürich halten – wenngleich ebenfalls mittelalterlich angehaucht.
Ich habe es auf Platz drei sortiert, weil ich das Gesicht der Frau nicht ganz so gelungen finde: Die Hautunreinheiten sind etwas weniger gelungen als bei der ersten Variante und die Haube entspricht nicht meinen Vorstellungen. Auch die dürfte ihren Ursprung wiederum bei dem Hinweis auf «Game of Thrones» haben, der zu einem monarchischen Umfeld führt.
Wir lernen daraus, dass solche Referenzen – wenn die Software sie nicht kennt – in eine falsche Richtung führen. Ich hätte sie am besten komplett gestrichen.
Allgemein lernen wir an dieser Stelle, dass der gleiche Prompt je nach Software unterschiedliche Resultate zeigt und es nicht den einen richtigen Weg gibt.
4) Midjourney: die Akzeptanzlücke klafft noch immer
Midjourney: Knapp daneben ist auch vorbei.Midjourney landet mit dem Bild einer sympathischen jungen Frau auf Platz vier. Bei einem flüchtigen Blick überzeugt diese Kreation. Doch schauen wir genauer hin, dann stellt sich ein Gefühl der Irritation ein, das sich nicht wirklich festmachen lässt. Sind es die Gesichtszüge, die etwas zu puppenhaft wirken? Ist es das Licht im Gesicht, das nicht hundertprozentig zur Situation passt? Sind die Details zu scharf gezeichnet, um unserer Alltagswahrnehmung zu entsprechen?
Dieses vage Gefühl wird gern als Uncanny Valley bezeichnet; die deutsche Bezeichnung «Akzeptanzlücke» gefällt mir dafür gut. Ich kann dieses Bild nicht als echt akzeptieren, auch wenn die Lücke im Vergleich zu den Bildern, wie sie noch vor einem halben oder ganzen Jahr erzeugt worden sind, sicherlich schmaler geworden ist.
5) Dall-e (GPT 4o): Zu glatt, um echt zu sein
Eine leichte Ähnlichkeit mit der Schauspielerin aus «Game of Thrones» ist erkennbar.Diese Frau hat eine recht deutliche Ähnlichkeit mit Emilia Clarke. Die Bildkomposition ist ungefähr so, wie gefordert. Trotzdem wirkt das Bild selbst auf den ersten Blick künstlich – das könnte der Screenshot aus einem 3D-Game sein, aber keinesfalls ein Bild, das an einer Ausstellung zu sehen ist.
Es gibt auch diverse Unstimmigkeiten: Sehr viele Tramschienen nebeneinander, wobei eine rechts plötzlich zu verschwinden scheint. Die Schweizerfahne links ist auch nicht über alle Zweifel erhaben.
6) Stable Diffusion mit Dreamshaper v8: Das dreifache Lottchen
Stable Diffusion Dream-Shaper: Hä? Hä? Hä?Dreamshaper ist in der Fantasy-Welt angesiedelt. Auch in diesem Kontext sollten Bilder mit hohem Detailgrad möglich sein. Bei meinem Experiment ist etwas gründlich schiefgegangen. Was, ist mir auf Anhieb nicht klar: Zwar scheint dieses Modell Emilia Clarke aus «Game of Thrones» zu kennen, weil eine junge blonde Frau erscheint. Jedoch ist mir nicht klar, wie die Verdreifachung entstanden ist. Und von Zürich ist hier weit und breit nichts zu sehen.
7) Stable Diffusion mit Generic v. 2.1: Danke, aber nein danke
Stable Diffusion mit Generic v. 2.1: Was zum Teufel!Über diese wirre, dadaistische Kreation sollten wir keine weiteren Worte verlieren. Nur vielleicht das noch: Wer überlegt, ob die KI sein Auto steuern oder den Operationsroboter bedienen sollte, der müsste sich dieses «Werk» hier noch einmal vor Augen führen.
Ein Nachtrag: Ich habe auch das derzeit viel bejubelte Modell Flux ausprobiert. Bei meinem Test kamen nur Abstürze, Hänger und unkenntliche Pixelhaufen heraus.
Fussnoten
1) Award winning portrait of a woman resembling Emilia Clarke in «Game of Thrones» by photographer Steve McCurry for a renowned photo exhibition, 35mm, F/2.8, lens flare and nice depth of field, extremely detailed, with minor imperfections on skin and in landscape, aspect ratio wide (4:3), in a city environment that resembles Swiss town Zurich, people around, woman looking straight in to the camera from a close distance, smiling garded ↩
2) 3d, render, cgi, doll, painting, fake, cartoon, 3d modeling:1.4), (worst quality, low quality:1.4), monochrome, child, deformed, malformed, deformed face, bad teeth, bad hands, bad fingers, bad eyes, long body, blurry, duplicated, cloned, duplicate body parts, disfigured, extra limbs, fused fingers, extra fingers, twisted, distorted, malformed hands, mutated hands and fingers, conjoined, missing limbs, bad anatomy, bad proportions, logo, watermark, text, copyright, signature, lowres, mutated, mutilated, artifacts, gross, ugly,unnatural face, unnatural body,imperfect eyes, bad lips , blurred lips, (((elongated neck))), (((2 girls))), 2 people, (((asymmetric eyes))), EasynegativeV2, ng_deepnegative_v1_75t, verybadimagenegative_v1.3, 4 eyes, (((double head))), (((long neck))), (((out of frame))), (((cropped head))), verybadimagenegative_v1.3, ng_deepnegative_v1_75t, (ugly face:0.8), cross-eyed, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, skin spots, acnes, skin blemishes, bad anatomy, DeepNegative, facing away, tilted head, {Multiple people}, lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worstquality, low quality, normal quality, jpegartifacts, signature, watermark, username, blurry, bad feet, cropped, poorly drawn hands, poorly drawn face, mutation, deformed, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, extra fingers, fewer digits, extra limbs, extra arms, extra legs, malformed limbs, fused fingers, too many fingers, long neck, cross-eyed, mutated hands, polar lowres, bad body, bad proportions, gross proportions, text, error, missing fingers, missing arms, missing legs, extra digit, extra arms, extra leg, extra foot, ((repeating hair)), food on plates , food ↩
Beitragsbild: Eine Variante des Beispiel-Prompts, bei dem die Frau auf einem Drachen reitet – von Sieger dieses Wettbewerbs, Adobe Firefly.
-
Wie man fotorealistische KI-Bilder generiert
Wie bringt man einen KI-Bildgenerator dazu, Bilder in fotorealistischer Qualität zu erzeugen? Diese Frage hat sich mir neulich gestellt, als ich einen Artikel zur Erkennung ebendieser Bilder geschrieben habe und meine Tipps anhand konkreter Beispiele überprüfen wollte.
Es zeigt sich, dass das gar nicht so einfach ist. Die Stichworte fotorealistisch, hyperrealistisch und extrem detailreich allein reichen nicht. Auch mit dieser Vorgabe sind die allermeisten Resultate auf den ersten Blick als künstlich zu erkennen. Ich habe nachgeforscht und bin auf zwei Erfolgsfaktoren gestossen:
- Es braucht das passende Modell
- Und einen ausführlichen Prompt mit einer exakten Beschreibung der Bildwirkung
Zuerst zum Prompt: Bei der Beschreibung des gewünschten Bildes geben wir an, dass das Bild auf Flickr für Furore sorgen soll oder für eine Fotoausstellung gedacht ist. Damit es möglichst fotografisch wirkt, geben wir die gewünschten «Aufnahme»-Parameter an, etwa Blende 2,0 und Brennweite 35 mm. Und manche «Prompt Engineers» nennen sogar einen Fotografen, an dessen Werk sich die KI orientieren soll. Steve McCurry ist einer, der mir bei meinen Nachforschungen zum perfekten Prompt mehrmals begegnet ist.
Diese Methode funktioniert nicht bei allen Bildgeneratoren gleich gut: Dall-e erzeugt keine Bilder im Stil lebender Fotokünstler, natürlich aus Angst vor Urheberrechtsverletzungen. Als Notlösung verlangen wir stattdessen ein Bild im Stil eines «berühmten Porträtfotografen».
Stable Diffusion mit mehr Einflussmöglichkeiten
Nebst Dall-e habe ich auch die Möglichkeiten in der Open-Source-Software Stable Diffusion ausgelotet. Die betreibe ich mit der Software Draw Things auf dem Macbook Pro M3. Mit der haben wir deutlich mehr Einflussmöglichkeiten als bei Dall-e oder anderen kommerziellen KIs wie Firefly von Adobe: Die Angabe von Fotografen wird nicht verweigert, und wir können auch einen negativen Prompt formulieren: Dieser gibt an, was alles nicht im Bild enthalten sein soll. Ich habe einen ellenlangen negativen Prompt gefunden, der alles aufzählt, was in einem fotorealistischen Bild nichts verloren hat: ein Puppen- oder 3D-Game-Look, fehlende Gliedmassen, etc.
In Stable Diffusion können wir ausserdem mit verschiedenen Modellen arbeiten, die anhand unterschiedlicher Daten trainiert wurden und entsprechend sehr verschiedene Resultate ergeben. Für den nachfolgenden Vergleich habe ich denselben Prompt¹ mit allfällig notwendigen Modifikationen und, wo möglich, den aus dem Internet «ausgeliehenen» negativen Prompt² verwendet. In Draw Things habe ich ausserdem den Strength-Regler auf 70 Prozent gezogen: Er sorgt dafür, dass sich die KI weniger künstlerische «Freiheiten» nimmt als mit der Standardeinstellung
Das sind die Resultate, sortiert nach ihrem Realitätsgrad, den ich hier subjektiv beurteile.
1) Adobe Firefly: Ja! Aber!
Adobe Firefly: Sehr realistisch, aber Emilia Clarke erkenne ich nicht.Dieses Bild erfüllt viele der Anforderungen: Es ist so realistisch, dass wir schon genau hinsehen müssen, um es als künstlich zu erkennen. Mich irritiert das Gebiss ein wenig – aber ohne, dass ich das genau festmachen könnte. Die Stadt im Hintergrund könnte Zürich sein, was sich wegen der geringen Schärfentiefe nicht abschliessend beurteilen lässt. Die Flagge hinter dem Kopf der Frau gibt Rätsel auf – das ist weder die Schweizerfahne noch die von Zürich.
Das offensichtliche Manko liegt natürlich darin, dass die Frau nicht aussieht wie Emilia Clarke. Wir dürfen annehmen, dass die Adobe die Persönlichkeit der Schauspielerin schützen will – was auch völlig berechtigt ist.
2) Stable Diffusion mit RealVisXL v4.0: Ab in die Vergangenheit
Stable Diffusion mit RealVisXL v4.0: Zürich hat einen neuen Hausberg.Das Modell RealVisXL v4.0 ist ein ziemlicher Brummer; insgesamt fast sechs Giga gross. Es verspricht fotorealistische Qualität und liefert die auch. Bei meinem Testprompt – der für dieses Experiment nicht weiter modifiziert wird – ist das Resultat gut, aber nicht überragend: Das Gesicht der Frau wirkt überzeugend und auch die Lichtstimmung gefällt. Es ist aber offensichtlich, dass dieses Modell nichts mit Emilia Clarke anfangen kann und mit Game of Thrones auch nicht. Ich nehme an, dass diese Referenz dazu geführt hat, dass dieses Bild nun einen mittelalterlichen Touch hat, speziell, was die Kleidung der Frau angeht.
Und wir brauchen nicht darüber zu diskutieren, dass die Stadt im Hintergrund nicht Zürich ist. Vielleicht Bünderland oder Jura?
3) Stable Diffusion mit Juggernaut XL v9: Gabs im Mittelalter Lippenstift?
Stable Diffusion Juggernaut XL v.9: Auch ein solides Resultat.Auch das Modell Juggernaut XL v9 verspricht eine realistische Darstellung – und liefert sie auch. Die Stadt im Hintergrund finde ich deutlich besser gelungen als bei der RealVisXL-Variante: Wenn das Matterhorn im Hintergrund nicht wäre, könnte man das tatsächlich für Zürich halten – wenngleich ebenfalls mittelalterlich angehaucht.
Ich habe es auf Platz drei sortiert, weil ich das Gesicht der Frau nicht ganz so gelungen finde: Die Hautunreinheiten sind etwas weniger gelungen als bei der ersten Variante und die Haube entspricht nicht meinen Vorstellungen. Auch die dürfte ihren Ursprung wiederum bei dem Hinweis auf «Game of Thrones» haben, der zu einem monarchischen Umfeld führt.
Wir lernen daraus, dass solche Referenzen – wenn die Software sie nicht kennt – in eine falsche Richtung führen. Ich hätte sie am besten komplett gestrichen.
Allgemein lernen wir an dieser Stelle, dass der gleiche Prompt je nach Software unterschiedliche Resultate zeigt und es nicht den einen richtigen Weg gibt.
4) Midjourney: die Akzeptanzlücke klafft noch immer
Midjourney: Knapp daneben ist auch vorbei.Midjourney landet mit dem Bild einer sympathischen jungen Frau auf Platz vier. Bei einem flüchtigen Blick überzeugt diese Kreation. Doch schauen wir genauer hin, dann stellt sich ein Gefühl der Irritation ein, das sich nicht wirklich festmachen lässt. Sind es die Gesichtszüge, die etwas zu puppenhaft wirken? Ist es das Licht im Gesicht, das nicht hundertprozentig zur Situation passt? Sind die Details zu scharf gezeichnet, um unserer Alltagswahrnehmung zu entsprechen?
Dieses vage Gefühl wird gern als Uncanny Valley bezeichnet; die deutsche Bezeichnung «Akzeptanzlücke» gefällt mir dafür gut. Ich kann dieses Bild nicht als echt akzeptieren, auch wenn die Lücke im Vergleich zu den Bildern, wie sie noch vor einem halben oder ganzen Jahr erzeugt worden sind, sicherlich schmaler geworden ist.
5) Dall-e (GPT 4o): Zu glatt, um echt zu sein
Eine leichte Ähnlichkeit mit der Schauspielerin aus «Game of Thrones» ist erkennbar.Diese Frau hat eine recht deutliche Ähnlichkeit mit Emilia Clarke. Die Bildkomposition ist ungefähr so, wie gefordert. Trotzdem wirkt das Bild selbst auf den ersten Blick künstlich – das könnte der Screenshot aus einem 3D-Game sein, aber keinesfalls ein Bild, das an einer Ausstellung zu sehen ist.
Es gibt auch diverse Unstimmigkeiten: Sehr viele Tramschienen nebeneinander, wobei eine rechts plötzlich zu verschwinden scheint. Die Schweizerfahne links ist auch nicht über alle Zweifel erhaben.
6) Stable Diffusion mit Dreamshaper v8: Das dreifache Lottchen
Stable Diffusion Dream-Shaper: Hä? Hä? Hä?Dreamshaper ist in der Fantasy-Welt angesiedelt. Auch in diesem Kontext sollten Bilder mit hohem Detailgrad möglich sein. Bei meinem Experiment ist etwas gründlich schiefgegangen. Was, ist mir auf Anhieb nicht klar: Zwar scheint dieses Modell Emilia Clarke aus «Game of Thrones» zu kennen, weil eine junge blonde Frau erscheint. Jedoch ist mir nicht klar, wie die Verdreifachung entstanden ist. Und von Zürich ist hier weit und breit nichts zu sehen.
7) Stable Diffusion mit Generic v. 2.1: Danke, aber nein danke
Stable Diffusion mit Generic v. 2.1: Was zum Teufel!Über diese wirre, dadaistische Kreation sollten wir keine weiteren Worte verlieren. Nur vielleicht das noch: Wer überlegt, ob die KI sein Auto steuern oder den Operationsroboter bedienen sollte, der müsste sich dieses «Werk» hier noch einmal vor Augen führen.
Ein Nachtrag: Ich habe auch das derzeit viel bejubelte Modell Flux ausprobiert. Bei meinem Test kamen nur Abstürze, Hänger und unkenntliche Pixelhaufen heraus.
Fussnoten
1) Award winning portrait of a woman resembling Emilia Clarke in «Game of Thrones» by photographer Steve McCurry for a renowned photo exhibition, 35mm, F/2.8, lens flare and nice depth of field, extremely detailed, with minor imperfections on skin and in landscape, aspect ratio wide (4:3), in a city environment that resembles Swiss town Zurich, people around, woman looking straight in to the camera from a close distance, smiling garded ↩
2) 3d, render, cgi, doll, painting, fake, cartoon, 3d modeling:1.4), (worst quality, low quality:1.4), monochrome, child, deformed, malformed, deformed face, bad teeth, bad hands, bad fingers, bad eyes, long body, blurry, duplicated, cloned, duplicate body parts, disfigured, extra limbs, fused fingers, extra fingers, twisted, distorted, malformed hands, mutated hands and fingers, conjoined, missing limbs, bad anatomy, bad proportions, logo, watermark, text, copyright, signature, lowres, mutated, mutilated, artifacts, gross, ugly,unnatural face, unnatural body,imperfect eyes, bad lips , blurred lips, (((elongated neck))), (((2 girls))), 2 people, (((asymmetric eyes))), EasynegativeV2, ng_deepnegative_v1_75t, verybadimagenegative_v1.3, 4 eyes, (((double head))), (((long neck))), (((out of frame))), (((cropped head))), verybadimagenegative_v1.3, ng_deepnegative_v1_75t, (ugly face:0.8), cross-eyed, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, skin spots, acnes, skin blemishes, bad anatomy, DeepNegative, facing away, tilted head, {Multiple people}, lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worstquality, low quality, normal quality, jpegartifacts, signature, watermark, username, blurry, bad feet, cropped, poorly drawn hands, poorly drawn face, mutation, deformed, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, extra fingers, fewer digits, extra limbs, extra arms, extra legs, malformed limbs, fused fingers, too many fingers, long neck, cross-eyed, mutated hands, polar lowres, bad body, bad proportions, gross proportions, text, error, missing fingers, missing arms, missing legs, extra digit, extra arms, extra leg, extra foot, ((repeating hair)), food on plates , food ↩
Beitragsbild: Eine Variante des Beispiel-Prompts, bei dem die Frau auf einem Drachen reitet – von Sieger dieses Wettbewerbs, Adobe Firefly.
-
Puter.com¹ ist erstens ein unbestreitbar witziger Name für eine Domain. Zweitens ist auch der Puter, der an dieser Stelle im Netz zu Hause ist, einer näheren Betrachtung wert.
Also, Puter ist ein Computer in der Cloud. Um ihn zu nutzen, brauchen wir nichts weiter als einen Browser und eine Internetverbindung. Er steht über Puter.com zur Verfügung; aber wir können die quelloffene Software via Docker auch selbst hosten und betreiben. Und ohne zu viel zu von meinem Fazit vorwegzunehmen, scheint mir das die eigentlich spannende Eigenschaft dieses Projekts zu sein.
Nach dem Aufruf der Puter-Adresse erscheint nach ein paar Sekunden eine Desktop-Oberfläche, die stark an Windows 11 erinnert, aber bei den Icons und dem bunten Desktop-Hintergrund auch Anleihen an Mac OS macht. Ein Login ist nicht nötig – aber natürlich unverzichtbar, wenn wir Puter nicht bloss einmal kurz ausprobieren, sondern wiederholt benutzen möchten. Über den Benutzer-Knopf in der rechten oberen Bildschirmecke lässt sich der Account hinterlegen.
Ein Browser im Browser
Die Shell dürfte auch etwas weniger bunt und weniger Windows-11-mässig sein.Die Bedienung ist sofort verständlich: Über die Taskleiste und den Startknopf haben wir Zugang zu diversen Apps: Rekorder, Text- und Code-Editor, Solitär, Kamera, PDF- und Bildbetrachter, ein Terminal, ein Zeichenprogramm und eine Handvoll weiterer Anwendungen stehen standardmässig zur Auswahl. Auch ein Browser lässt sich innerhalb des Browsers betreiben.
Über die App Center-App lassen sich weitere installieren. Und wir können, wenn Puter unseren Entwickler-Ehrgeiz weckt, auch eigene Programme veröffentlichen.
Dokumente einführen und ausführen
Es gibt ein Dateiverwaltungsprogramm namens Documents. Das mit Inhalten zu bestücken, ist einfach: Wir ziehen Dateien per Maus von der lokalen in die virtuelle Ablage. Durch einen Rechtsklick und den Download-Befehl nimmt die Datei den umgekehrten Weg. Einleuchtend, aber natürlich wünscht man sich sofort die Möglichkeit, einen oder mehrere lokale Ordner automatisch zu synchronisieren, wie wir das von Onedrive, Dropbox oder iCloud gewöhnt sind.
Im Menü, das beim Rechtsklick auf eine Datei erscheint, gibt es auch einen Öffnen-Befehl. Bei einer Bilddatei im JPG-Format gibt es vier Apps zur Auswahl (Viewer, Draw, Polotno und Minipaint) und bei einem Markdown-Text drei (Code, Notepad und Markus). Mit Office-Formaten wie Docx oder Excel kann Puter nichts anfangen; hier steht im Kontextmenü No suitable apps found).
Die zwei Gewissensfragen
Es bleiben zwei Fragen:
Erstens natürlich die grundsätzliche, wozu das gut sein soll. Statt in der Cloud können wir ja auch einfach mit unserem Computer vor Ort arbeiten. Ich kann mir dafür folgende Gründe denken:
- Unsere Arbeitsumgebung ist von überall her zugänglich, auch von fremden PCs aus.
- Via Puter.com können mehrere Leute auf der gleichen virtuellen Maschine arbeiten. Über das kleine QR-Code-Symbol in der rechten oberen Ecke machen wir die Session öffentlich.
- Falls unser lokales Arbeitsgerät in irgendeiner Weise eingeschränkt oder nicht vertrauenswürdig ist, dann ergibt sich eine Ausweichmöglichkeit.
- Schliesslich ist Puter nicht nur ein Computer, sondern ein «Betriebssystem fürs Internet», wie die Erfinder schreiben: «Es kann für Remote-Desktop-Umgebungen oder als Schnittstelle für Cloud-Speicherdienste, Remote-Server und Web-Hosting-Plattformen verwendet werden.»
Dieser vierte Punkt scheint mir die spannendste zu sein, vor allem, wenn Puter selbst gehostet wird. Dann bringt der Cloud-Desktop eine grössere Unabhängigkeit von der klassischen Cloud.
Damit sind wir bei der zweiten Frage angelangt; nämlich, ob es sich bei Puter um eine Art Desktop as a service handelt, wie die Cloud-PCs von Shadow, die ich vor vier Jahren vorgestellt habe². Nein, denn effektiv gibt es dort echte Rechenleistung von einem fremden Server, was hier nicht der Fall ist.
Fussnoten
1) Ich habe bei diesem Link meinen Refer-Code hinterlegt. ↩
2) Und deren Betreiber inzwischen Insolvenz anmelden musste, wobei das Aus bislang anscheinend nicht endgültig ist. ↩
Beitragsbild: Die Oberfläche mit Bild- und Textbearbeitung und Dateiverwaltung.
-
Puter.com¹ ist erstens ein unbestreitbar witziger Name für eine Domain. Zweitens ist auch der Puter, der an dieser Stelle im Netz zu Hause ist, einer näheren Betrachtung wert.
Also, Puter ist ein Computer in der Cloud. Um ihn zu nutzen, brauchen wir nichts weiter als einen Browser und eine Internetverbindung. Er steht über Puter.com zur Verfügung; aber wir können die quelloffene Software via Docker auch selbst hosten und betreiben. Und ohne zu viel zu von meinem Fazit vorwegzunehmen, scheint mir das die eigentlich spannende Eigenschaft dieses Projekts zu sein.
Nach dem Aufruf der Puter-Adresse erscheint nach ein paar Sekunden eine Desktop-Oberfläche, die stark an Windows 11 erinnert, aber bei den Icons und dem bunten Desktop-Hintergrund auch Anleihen an Mac OS macht. Ein Login ist nicht nötig – aber natürlich unverzichtbar, wenn wir Puter nicht bloss einmal kurz ausprobieren, sondern wiederholt benutzen möchten. Über den Benutzer-Knopf in der rechten oberen Bildschirmecke lässt sich der Account hinterlegen.
Ein Browser im Browser
Die Shell dürfte auch etwas weniger bunt und weniger Windows-11-mässig sein.Die Bedienung ist sofort verständlich: Über die Taskleiste und den Startknopf haben wir Zugang zu diversen Apps: Rekorder, Text- und Code-Editor, Solitär, Kamera, PDF- und Bildbetrachter, ein Terminal, ein Zeichenprogramm und eine Handvoll weiterer Anwendungen stehen standardmässig zur Auswahl. Auch ein Browser lässt sich innerhalb des Browsers betreiben.
Über die App Center-App lassen sich weitere installieren. Und wir können, wenn Puter unseren Entwickler-Ehrgeiz weckt, auch eigene Programme veröffentlichen.
Dokumente einführen und ausführen
Es gibt ein Dateiverwaltungsprogramm namens Documents. Das mit Inhalten zu bestücken, ist einfach: Wir ziehen Dateien per Maus von der lokalen in die virtuelle Ablage. Durch einen Rechtsklick und den Download-Befehl nimmt die Datei den umgekehrten Weg. Einleuchtend, aber natürlich wünscht man sich sofort die Möglichkeit, einen oder mehrere lokale Ordner automatisch zu synchronisieren, wie wir das von Onedrive, Dropbox oder iCloud gewöhnt sind.
Im Menü, das beim Rechtsklick auf eine Datei erscheint, gibt es auch einen Öffnen-Befehl. Bei einer Bilddatei im JPG-Format gibt es vier Apps zur Auswahl (Viewer, Draw, Polotno und Minipaint) und bei einem Markdown-Text drei (Code, Notepad und Markus). Mit Office-Formaten wie Docx oder Excel kann Puter nichts anfangen; hier steht im Kontextmenü No suitable apps found).
Die zwei Gewissensfragen
Es bleiben zwei Fragen:
Erstens natürlich die grundsätzliche, wozu das gut sein soll. Statt in der Cloud können wir ja auch einfach mit unserem Computer vor Ort arbeiten. Ich kann mir dafür folgende Gründe denken:
- Unsere Arbeitsumgebung ist von überall her zugänglich, auch von fremden PCs aus.
- Via Puter.com können mehrere Leute auf der gleichen virtuellen Maschine arbeiten. Über das kleine QR-Code-Symbol in der rechten oberen Ecke machen wir die Session öffentlich.
- Falls unser lokales Arbeitsgerät in irgendeiner Weise eingeschränkt oder nicht vertrauenswürdig ist, dann ergibt sich eine Ausweichmöglichkeit.
- Schliesslich ist Puter nicht nur ein Computer, sondern ein «Betriebssystem fürs Internet», wie die Erfinder schreiben: «Es kann für Remote-Desktop-Umgebungen oder als Schnittstelle für Cloud-Speicherdienste, Remote-Server und Web-Hosting-Plattformen verwendet werden.»
Dieser vierte Punkt scheint mir die spannendste zu sein, vor allem, wenn Puter selbst gehostet wird. Dann bringt der Cloud-Desktop eine grössere Unabhängigkeit von der klassischen Cloud.
Damit sind wir bei der zweiten Frage angelangt; nämlich, ob es sich bei Puter um eine Art Desktop as a service handelt, wie die Cloud-PCs von Shadow, die ich vor vier Jahren vorgestellt habe². Nein, denn effektiv gibt es dort echte Rechenleistung von einem fremden Server, was hier nicht der Fall ist.
Fussnoten
1) Ich habe bei diesem Link meinen Refer-Code hinterlegt. ↩
2) Und deren Betreiber inzwischen Insolvenz anmelden musste, wobei das Aus bislang anscheinend nicht endgültig ist. ↩
Beitragsbild: Die Oberfläche mit Bild- und Textbearbeitung und Dateiverwaltung.
-
Mit Stable Diffusion ans Eingemachte
Draw Things ist eine Mac-Anwendung, die es erlaubt, per KI Bilder zu generieren. Sie tut das nicht via Cloud, sondern auf der eigenen Hardware. Sie verwendet dazu die Modelle von Stable Diffusion, die bekanntlich Open-Source sind.
Es gibt Draw Things kostenlos im Mac-App-Store. Es gibt auch Varianten fürs iPhone und iPad. Ich habe so meine Zweifel, ob es sinnvoll ist, diese Aufgabe den mobilen Geräten zuzumuten. Natürlich: die haben inzwischen auch sehr leistungsfähige Prozessoren. Aber da die Modelle sehr viel Platz brauchen und die Erzeugung der Bilder rechenintensiv ist, scheint mir ein Gerät wie das Macbook Pro M3, das ich als Testgerät zur Verfügung habe, für derlei Experimente besser geeignet.
Die Qual der Modell-Wahl
Die Arbeit mit Draw Things funktioniert genauso, wie wir es mit anderen lokalen KI-Modellen kennen, seien es Chatbots in LM Studio oder die Transkriptionssoftware Macwhisper: Wir installieren die Software, die sogleich nach einem Modell verlangt: Das enthält mehr oder weniger und teils unterschiedliche Trainingsdaten und ist fürs Resultat verantwortlich. Es beeinflusst auch die Zeit, die fürs Erstellen eines Bildes benötigt wird.
Bitte experimentieren! Die Oberfläche von Draw Things.Bevor es losgeht, müssen wir aus mehreren Dutzend Modellen eines auswählen.Das ist die erste Herausforderung: In Draw Things stehen 19 offizielle Modelle und mehrere Dutzend Community Models zur Auswahl. Bei manchen lässt sich anhand des Namens erahnen, was die Spezialität sein könnte; es gibt aber auch viele Modelle mit nichtssagenden Namen. Also einfach auf gut Glück loslegen?
Das Problem dabei ist, dass die Modelle meist mindestens fünf Gigabyte gross sind und das Laden entsprechend dauert. Ich empfehle darum, mit einem der offiziellen Modelle loszulegen. Die tragen SDXL im Namen (kurz für Stable Diffusion XL) und die Variante SDXL Turbo ist dennoch einigermassen schnell.
Die Stable-Diffusion-Modelle, auch die aus der Community, finden sich allesamt auf Huggingface. Das ist die grosse Plattform, auf der sich KI-Entwicklerinnen und -Interessierte austauschen. Wenn wir uns also fragen, was das Modell Juggernaut XL v9, Elden Ring Diffusion oder Spider Verse Diffusion so besonders macht, dann finden wir das hier heraus.
Nachdem wir uns für ein Modell entschieden und es heruntergeladen haben, funktioniert die Sache wie gewohnt: Wir geben unseren Prompt ein und warten, was die Software daraus macht.
Bilder generieren, bearbeiten und modifizieren
Der genau gleiche Prompt – der von elektrischen Schafen und dem träumede Android –, aber mit zwei verschiedenen Modellen erzeugt: Links SDXL Base (v1.0), rechts DreamSjhaper v8.Sogleich machen sich einige Unterschiede zum klassischen, webbasierten Erstellungsprozess bemerkbar:
- Bei Draw Things haben wir jede Menge Einstellungsmöglichkeiten zur Verfügung. Einige davon erschliessen sich von selbst, beispielsweise die Bildgrösse in Pixeln, das Seitenverhältnis oder die Text Guidance: Sie gibt an, wie wörtlich die Software den Prompt nehmen soll. Andere Dinge – z.B. Strength, Lora und Seed – erschliessen sich nur durch Experimente.
- Wir können den gleichen Prompt mit verschiedenen Modellen ausführen.
- Nebst dem Modus Text to Image gibt es auch Image to Image: Bei dem geben wir der App ein Bild vor, das sie dann gemäss dem Prompt modifizieren soll.
- Die App kann nicht nur Bilder erzeugen, sondern stellt auch Bildbearbeitungsfunktionen wie Inpainting und Outpainting zur Verfügung: Im ersten Fall wird ein Teil eines Fotos oder KI-Bildes mit dem Pinsel gelöscht und dann per KI neu generiert. Im zweiten Fall vergrössert die Software das Bild, indem sie ausserhalb des Bildbereichs eine Umgebung dazu erfindet.
- Stable Diffusion generiert nicht nur Standbilder, sondern auch Video. Über Draw Things lassen sich auch Modelle für Bewegtbild einbinden.
- Und last but not least: Es werden keine Prompts zensuriert. Das heisst, es lassen sich auch nackte Menschen generieren.
Kurz: Da tut sich ein riesiges Tummelfeld auf für Leute, die sich nicht mit dem erstbesten Resultat ihrer Bilder-KI zufriedengeben. Und kein Zweifel: Die Experimentiermöglichkeiten helfen uns dabei, die Funktionsweise von Stable Diffusion und den generativen künstlichen Intelligenzen besser zu verstehen und gezielter einsetzen zu können.
Wer Stable Diffusion nutzen möchte, aber keine passende Hardware hat, der findet in Leonardo eine vielversprechende Möglichkeit. Die stelle ich im Beitrag Da Vinci würde sich (vermutlich) im Grab umdrehen ausführlich vor.
Beitragbild: Die Schöpferin, die sich an ihrem Computer neue Welten ausdenkt (Stable Diffusion mit dem Dreamshaper-Modell).
-
Mit Stable Diffusion ans Eingemachte
Draw Things ist eine Mac-Anwendung, die es erlaubt, per KI Bilder zu generieren. Sie tut das nicht via Cloud, sondern auf der eigenen Hardware. Sie verwendet dazu die Modelle von Stable Diffusion, die bekanntlich Open-Source sind.
Es gibt Draw Things kostenlos im Mac-App-Store. Es gibt auch Varianten fürs iPhone und iPad. Ich habe so meine Zweifel, ob es sinnvoll ist, diese Aufgabe den mobilen Geräten zuzumuten. Natürlich: die haben inzwischen auch sehr leistungsfähige Prozessoren. Aber da die Modelle sehr viel Platz brauchen und die Erzeugung der Bilder rechenintensiv ist, scheint mir ein Gerät wie das Macbook Pro M3, das ich als Testgerät zur Verfügung habe, für derlei Experimente besser geeignet.
Die Qual der Modell-Wahl
Die Arbeit mit Draw Things funktioniert genauso, wie wir es mit anderen lokalen KI-Modellen kennen, seien es Chatbots in LM Studio oder die Transkriptionssoftware Macwhisper: Wir installieren die Software, die sogleich nach einem Modell verlangt: Das enthält mehr oder weniger und teils unterschiedliche Trainingsdaten und ist fürs Resultat verantwortlich. Es beeinflusst auch die Zeit, die fürs Erstellen eines Bildes benötigt wird.
Bitte experimentieren! Die Oberfläche von Draw Things.Bevor es losgeht, müssen wir aus mehreren Dutzend Modellen eines auswählen.Das ist die erste Herausforderung: In Draw Things stehen 19 offizielle Modelle und mehrere Dutzend Community Models zur Auswahl. Bei manchen lässt sich anhand des Namens erahnen, was die Spezialität sein könnte; es gibt aber auch viele Modelle mit nichtssagenden Namen. Also einfach auf gut Glück loslegen?
Das Problem dabei ist, dass die Modelle meist mindestens fünf Gigabyte gross sind und das Laden entsprechend dauert. Ich empfehle darum, mit einem der offiziellen Modelle loszulegen. Die tragen SDXL im Namen (kurz für Stable Diffusion XL) und die Variante SDXL Turbo ist dennoch einigermassen schnell.
Die Stable-Diffusion-Modelle, auch die aus der Community, finden sich allesamt auf Huggingface. Das ist die grosse Plattform, auf der sich KI-Entwicklerinnen und -Interessierte austauschen. Wenn wir uns also fragen, was das Modell Juggernaut XL v9, Elden Ring Diffusion oder Spider Verse Diffusion so besonders macht, dann finden wir das hier heraus.
Nachdem wir uns für ein Modell entschieden und es heruntergeladen haben, funktioniert die Sache wie gewohnt: Wir geben unseren Prompt ein und warten, was die Software daraus macht.
Bilder generieren, bearbeiten und modifizieren
Der genau gleiche Prompt – der von elektrischen Schafen und dem träumede Android –, aber mit zwei verschiedenen Modellen erzeugt: Links SDXL Base (v1.0), rechts DreamSjhaper v8.Sogleich machen sich einige Unterschiede zum klassischen, webbasierten Erstellungsprozess bemerkbar:
- Bei Draw Things haben wir jede Menge Einstellungsmöglichkeiten zur Verfügung. Einige davon erschliessen sich von selbst, beispielsweise die Bildgrösse in Pixeln, das Seitenverhältnis oder die Text Guidance: Sie gibt an, wie wörtlich die Software den Prompt nehmen soll. Andere Dinge – z.B. Strength, Lora und Seed – erschliessen sich nur durch Experimente.
- Wir können den gleichen Prompt mit verschiedenen Modellen ausführen.
- Nebst dem Modus Text to Image gibt es auch Image to Image: Bei dem geben wir der App ein Bild vor, das sie dann gemäss dem Prompt modifizieren soll.
- Die App kann nicht nur Bilder erzeugen, sondern stellt auch Bildbearbeitungsfunktionen wie Inpainting und Outpainting zur Verfügung: Im ersten Fall wird ein Teil eines Fotos oder KI-Bildes mit dem Pinsel gelöscht und dann per KI neu generiert. Im zweiten Fall vergrössert die Software das Bild, indem sie ausserhalb des Bildbereichs eine Umgebung dazu erfindet.
- Stable Diffusion generiert nicht nur Standbilder, sondern auch Video. Über Draw Things lassen sich auch Modelle für Bewegtbild einbinden.
- Und last but not least: Es werden keine Prompts zensuriert. Das heisst, es lassen sich auch nackte Menschen generieren.
Kurz: Da tut sich ein riesiges Tummelfeld auf für Leute, die sich nicht mit dem erstbesten Resultat ihrer Bilder-KI zufriedengeben. Und kein Zweifel: Die Experimentiermöglichkeiten helfen uns dabei, die Funktionsweise von Stable Diffusion und den generativen künstlichen Intelligenzen besser zu verstehen und gezielter einsetzen zu können.
Wer Stable Diffusion nutzen möchte, aber keine passende Hardware hat, der findet in Leonardo eine vielversprechende Möglichkeit. Die stelle ich im Beitrag Da Vinci würde sich (vermutlich) im Grab umdrehen ausführlich vor.
Beitragbild: Die Schöpferin, die sich an ihrem Computer neue Welten ausdenkt (Stable Diffusion mit dem Dreamshaper-Modell).
-
Wie wäre es, mit lokalen KI-Modellen zu experimentieren? Auf die Idee gebracht hat mich das Macbook Pro M3, das ich für einen Test zur Verfügung habe. Das hat genügend Leistung unter der Haube, dass ein solches Experiment klappen könnte.
Aber wie betreibt man ein grosses Sprachmodell, ein LLM? Wenn wir dieser Frage nachgehen, finden wir schnell heraus, dass es diverse Methoden gibt. Wir können die Modelle via Befehlszeile ausführen (LLM oder Ollama), aber da ich mich als blutigen Einsteiger betrachte, habe ich mich für die Variante via LM Studio entschieden.
LM Studio ist eine Umgebung für lokale LLM, die es für Windows, Mac und Linux gibt. Mit ihr laden wir die Modelle herunter und betreiben sie in einer grafischen Umgebung, die einigermassen pflegeleicht ist.
Auf der Startseite finden wir eine Auswahl von beliebten Modellen: Natürlich stehen nur LLMs aus der Open-Source-Welt zur Verfügung. Es gibt kein ChatGPT, aber beispielsweise Gemma von Google, Phi 2 von Microsoft, Mistral 7B von Mistral.ai oder Zephyr 7B.
Die Startseite bietet einige der beliebten Modelle zum Download an.Mit einem Klick heruntergeladen
Über die Suchfunktion stehen viele weitere Modelle zur Verfügung, zum Beispiel Llama 2 von Meta. Die Modelle werden via Huggingface gesucht und heruntergeladen. Hugginface ist eine Community für maschinelles Lernen, von mir anfangs Jahr als grüne Wiese für KI-Spielkinder vorgestellt. Auf dieser Plattform vergnügen wir uns mit mehr oder weniger ausgereiften KI-Experimenten, und wir besorgen uns die Modelle für den lokalen Betrieb.
Nach dem Klick auf den Download-Knopf werden die Modelle ohne weiteres Zutun geladen. Die Dateigrösse bewegt sich jeweils im Gigabyte-Bereich, doch dank Glasfaser dauert auch das bloss wenige Minuten.
Der Bot auf dem eigenen Laptop
Dann können auch schon loslegen: In der Rubrik AI Chat stehen uns die Modelle zur Verfügung. Über die Dropdown-Liste am oberen Fensterrand wechseln wir zwischen den Modellen und im Bereich in der Mitte ist das Chatfenster, wo wir unsere Prompts absetzen und die Antworten sehen. Am rechten Rand gibt es den Bereich Settings, in dem wir Vorgaben zu der GPU-Beschleunigung machen, Voreinstellungen (Presets) laden und einen Preprompt einstellen.
Google Gemma in LM Studio: Blitzschnelle, aber mehr als fragwürdige Antworten.Diese Preprompts geben vor, in welcher Art und Weise das Modell antworten soll. Es kann den Stil und die Tonalität für den Output vorgeben und natürlich auch die Anweisung enthalten, gewisse Themen zu meiden.
Fazit: Der Mac ist den KIs bestens gewachsen
Fazit: Erstens ist es aus Prinzip toll, einen KI-Chatbot auf der eigenen Hardware zu betreiben. Zweitens haben wir die Chance, einen Blick hinter die Kulissen zu wagen und die Modelle besser zu verstehen.
Mit LM Studio haben wir die Möglichkeit, die Modelle zu vergleichen und mit den Einstellungen zu experimentieren. Die Software zeigt uns unterhalb des Eingabefeldes einige Statistiken zur Leistung des Modells an: Wir sehen, nach welcher Zeit des «Nachdenkens» die erste Ausgabe erfolgte, in welcher Geschwindigkeit die Software ihre Antworten generiert und wie lange der ganze Prozess gebraucht hat. In der oberen Leiste neben dem Auswahlmenü fürs Modell sehen wir auch den Speicherbedarf und die Prozessorauslastung. Und die zeigt, dass die Sprachmodelle auch einen Boliden wie das Macbook Pro M3 fordern. Umso bemerkenswerter, dass der Lüfter bei meinen Experimenten nie angegangen ist.
Mistral macht zwar Goethe nicht zum Winterthurer, aber die genannten Personen stammen leider auch nicht von hier.Viele Erkenntnisse oder Tipps habe ich an dieser Stelle nicht zu bieten; dafür konnte ich bislang zu wenig Zeit in meine Experimente investieren. Bemerkenswert fand ich allerdings, wie blitzschnell Gemma von Google seine Antworten liefert. Und dass die inhaltlich teils völliger Blödsinn sind.
Zwei abschliessende Hinweise: Über den Bereich Local Server stellen wir eine Schnittstelle zur Verfügung, die sich wie die API von Open AI nutzen lässt. Und in der Rubrik My Models sehen wir die installierten Modelle und können sie aus LM Studio löschen.
https://blog.clickomania.ch/2024/04/01/lm-studio-review/
#CiaoZurCloud #FreieSoftwareFOSS_ #KI #Linux #WennIchEinmalZeitHabe
-
Wie wäre es, mit lokalen KI-Modellen zu experimentieren? Auf die Idee gebracht hat mich das Macbook Pro M3, das ich für einen Test zur Verfügung habe. Das hat genügend Leistung unter der Haube, dass ein solches Experiment klappen könnte.
Aber wie betreibt man ein grosses Sprachmodell, ein LLM? Wenn wir dieser Frage nachgehen, finden wir schnell heraus, dass es diverse Methoden gibt. Wir können die Modelle via Befehlszeile ausführen (LLM oder Ollama), aber da ich mich als blutigen Einsteiger betrachte, habe ich mich für die Variante via LM Studio entschieden.
LM Studio ist eine Umgebung für lokale LLM, die es für Windows, Mac und Linux gibt. Mit ihr laden wir die Modelle herunter und betreiben sie in einer grafischen Umgebung, die einigermassen pflegeleicht ist.
Auf der Startseite finden wir eine Auswahl von beliebten Modellen: Natürlich stehen nur LLMs aus der Open-Source-Welt zur Verfügung. Es gibt kein ChatGPT, aber beispielsweise Gemma von Google, Phi 2 von Microsoft, Mistral 7B von Mistral.ai oder Zephyr 7B.
Die Startseite bietet einige der beliebten Modelle zum Download an.Mit einem Klick heruntergeladen
Über die Suchfunktion stehen viele weitere Modelle zur Verfügung, zum Beispiel Llama 2 von Meta. Die Modelle werden via Huggingface gesucht und heruntergeladen. Hugginface ist eine Community für maschinelles Lernen, von mir anfangs Jahr als grüne Wiese für KI-Spielkinder vorgestellt. Auf dieser Plattform vergnügen wir uns mit mehr oder weniger ausgereiften KI-Experimenten, und wir besorgen uns die Modelle für den lokalen Betrieb.
Nach dem Klick auf den Download-Knopf werden die Modelle ohne weiteres Zutun geladen. Die Dateigrösse bewegt sich jeweils im Gigabyte-Bereich, doch dank Glasfaser dauert auch das bloss wenige Minuten.
Der Bot auf dem eigenen Laptop
Dann können auch schon loslegen: In der Rubrik AI Chat stehen uns die Modelle zur Verfügung. Über die Dropdown-Liste am oberen Fensterrand wechseln wir zwischen den Modellen und im Bereich in der Mitte ist das Chatfenster, wo wir unsere Prompts absetzen und die Antworten sehen. Am rechten Rand gibt es den Bereich Settings, in dem wir Vorgaben zu der GPU-Beschleunigung machen, Voreinstellungen (Presets) laden und einen Preprompt einstellen.
Google Gemma in LM Studio: Blitzschnelle, aber mehr als fragwürdige Antworten.Diese Preprompts geben vor, in welcher Art und Weise das Modell antworten soll. Es kann den Stil und die Tonalität für den Output vorgeben und natürlich auch die Anweisung enthalten, gewisse Themen zu meiden.
Fazit: Der Mac ist den KIs bestens gewachsen
Fazit: Erstens ist es aus Prinzip toll, einen KI-Chatbot auf der eigenen Hardware zu betreiben. Zweitens haben wir die Chance, einen Blick hinter die Kulissen zu wagen und die Modelle besser zu verstehen.
Mit LM Studio haben wir die Möglichkeit, die Modelle zu vergleichen und mit den Einstellungen zu experimentieren. Die Software zeigt uns unterhalb des Eingabefeldes einige Statistiken zur Leistung des Modells an: Wir sehen, nach welcher Zeit des «Nachdenkens» die erste Ausgabe erfolgte, in welcher Geschwindigkeit die Software ihre Antworten generiert und wie lange der ganze Prozess gebraucht hat. In der oberen Leiste neben dem Auswahlmenü fürs Modell sehen wir auch den Speicherbedarf und die Prozessorauslastung. Und die zeigt, dass die Sprachmodelle auch einen Boliden wie das Macbook Pro M3 fordern. Umso bemerkenswerter, dass der Lüfter bei meinen Experimenten nie angegangen ist.
Mistral macht zwar Goethe nicht zum Winterthurer, aber die genannten Personen stammen leider auch nicht von hier.Viele Erkenntnisse oder Tipps habe ich an dieser Stelle nicht zu bieten; dafür konnte ich bislang zu wenig Zeit in meine Experimente investieren. Bemerkenswert fand ich allerdings, wie blitzschnell Gemma von Google seine Antworten liefert. Und dass die inhaltlich teils völliger Blödsinn sind.
Zwei abschliessende Hinweise: Über den Bereich Local Server stellen wir eine Schnittstelle zur Verfügung, die sich wie die API von Open AI nutzen lässt. Und in der Rubrik My Models sehen wir die installierten Modelle und können sie aus LM Studio löschen.
https://blog.clickomania.ch/2024/04/01/lm-studio-review/
#CiaoZurCloud #FreieSoftwareFOSS_ #KI #Linux #WennIchEinmalZeitHabe
-
Zwischen digitaler Erotikfantasie und KI-Albträumen
Es gebe eine «Text-zu-Bild-Revolution», kann man in den Medien lesen. Es gibt diese künstlichen Intelligenzen, die aus kurzen Textvorgaben Bilder generieren – und damit verblüffen, irritieren und Illustratoren in Angst und Schrecken versetzen.
Für die Tamedia habe ich vor einiger Zeit Dall-e mini vorgestellt; ein solches System, das inzwischen Craiyon heisst. Ich wollte wissen, wie es sich im Vergleich mit anderen Systemen seiner Art schlägt – denn davon sind in letzter Zeit einige aufgetaucht. In meinem Vergleich kommen nebst Craiyon auch Artbreeder und Starryai zum Zug. Und natürlich Stable Diffusion¹. Nachtrag: Und nachträglich habe ich die Resultate von Dall·e 2 ergänzt, die ich von Manuel erhalten habe. Danke dafür!
Das hat sich Stable Diffusion zum Stichwort «Digital Artist» ausgedacht.Dieses Stable Diffusion ist auch der Grund, weswegen sich ein solcher Vergleich gerade jetzt aufdrängt: Es hat die Karten neu gemischt, behaupten die Medien.
Diese Software unterscheidet sich von den Konkurrenten, weil sie eine freie Lizenz hat und Open-Source ist. Man kann sie herunterladen und selbst betreiben – und damit auch einen Blick hinter die Kulissen riskieren. Ich werde das bei Gelegenheit selbst tun – aber die Bilder, die hier zu sehen sind, hat eine Installation im Netz gerechnet.
Und der KI-Oskar geht an …!
Also, jetzt wollt ihr natürlich wissen, was bei meinem kleinen Vergleich herausgekommen ist. Ich habe zwei abstrakte Vorgaben gemacht. Die Systeme sollten mir erstens «die schönste Frau der Erde mit Fuchsohren und einem Hasenschwänzchen» generieren, zweitens «das Matterhorn aus Schokolade, mit Schlagrahm obendrauf».
The most beautiful girl on earth with fox ears and a rabbit tail
Diese Aufgabe ist für jeden halbwegs begabten Manga-Zeichner ein Klacks: Eine wunderschöne Frau, die die Ohren eines Fuchses und den Schwanz eines Hasen besitzt. Wie würde die wohl aussehen?
Das sind die Resultate:
Stable Diffusion: Pelz tragen ist hier keine Gewissensfrage. Aber der Schwanz muss natürlich nach hinten!Und ja, Stable Diffusion gewinnt. (Und wie man sieht, habe ich hier bei der Formulierung der Frage einen Fuchsschwanz und Hasenohren verlangt, was auch mehr Sinn ergibt).
Das Bild ist in sich stimmig – nur die Augen sehen ein bisschen seltsam aus. Aber der Uncanny Valley-Effekt – also der Umstand, dass ein Bild lebensecht wirken soll, aber uns mit kleinen Fehlern irritiert – ist gering.
Trotzdem: Die Aufgabe ist verfehlt, weil der Schwanz natürlich hinten an der Frau zu finden sein müsste. Ein Fuchsschwanzwedel erfüllt den Zweck nicht.
Aber hübsch: Das Oberteil wirkt ebenfalls pelzig! Das gibt Extrapunkte.
Von den Konkurrenten kann nur Craiyon einigermassen überzeugen. Aber die Gesichter wirken gruselig – wie ein blutiger Amateur, der sich als Picasso versucht.
Craiyon: Abgesehen von der missglückten Schönheits-Operation habe ich nichts auszusetzen.Über die beiden anderen Kandidaten müssen wir nicht diskutieren. Diese Bilder sind unbrauchbar und durchgefallen.
Artbreeder: Drei Hasenohren? Ein Schwanz, der aus dem Handgelenk wächst?Starryai: Was immer das ist – man möge es bitte entfernen!Nachtrag: Und hier das Resultat von Dall·e 2, das ich nach Veröffentlichung des Beitrags – und damit nach Erscheinen der offiziellen Rangliste von Manuel bekommen habe.
Dall-e 2: Die Vielfalt der Stile ist beeindruckend.Ich würde sagen: Keines der Bilder erfüllt die Aufgabe perfekt. Aber die Stilvarianten sind Ehrfurcht gebietend. An dieser Stelle beginnt man zu ahnen, weshalb sich gestandene Illustratoren von diesen Programmen bedroht fühlen. Denn mit etwas Politur und Nachbearbeitung könnten diese Werke in Büchern, Magazinen oder auch in Blogs wie diesem hier Verwendung finden.
The matterhorn made of chocolate with cream on top
Auch die zweite Aufgabe ist für einen echten Kunstmaler keine Herausforderung. Wie würde das Matterhorn aussehen, wenn es aus Schokolade und von Schlagrahm gekrönt wäre?
Der Sieger ist eindeutig Craiyon: Die Umsetzung ist künstlerisch zwar stark verbesserungsfähig. Aber die Aufgabe wurde verstanden: Es gibt ein Schokolade-Dessert mit einem Sahnehäubchen zu sehen, das die Form eines Bergs hat.
Craiyon: Ich würde sie essen – alle!Die nachfolgenden Plätze sind knifflig. Ich vergebe den Platz zwei ex-aequo an Stable Diffusion und an Artbreeder: Bei ersterem ist das Matterhorn erkennbar, aber da die Schokolade daneben liegt, ist entspricht das nicht der Aufgabe. Artbreeder hat ein Schokotörtchen hinbekommen, das aber wirklich nicht nach Matterhorn ausschaut.
Stable Diffusion: Schönes Matterhorn. Aber komische Schokolade. Und wo ist der Schlagrahm?Artbreeder: Die Schokolade ist da. Aber das Matterhorn sieht anders aus. Und wieso ist der Schlagrahm unten?Starryai ist auch bei dieser Aufgabe durchgefallen. Obwohl die schmierige Substanz auf dem Tisch Schokolade sein könnte, fehlt diesem Bild jegliche kulinarische Ästhetik. Und die Berge scheinen aus Dollarscheinen zu bestehen.
Starryai: Nein. Einfach nein.Nachtrag: Und so hat Dall·e 2 die Aufgabe gelöst:
Dall-e 2: Der Knick in der Spitze des Matterhorns ist allenfalls beim dritten Bild zu erahnen.Auch hier bleibt die Erkenntnis, dass ein menschlicher Künstler das Matterhorn besser herausgearbeitet hätte. Doch der Fotorealismus dieser Werke ist frappant!
Geht diese Entwicklung in diesem Tempo weiter?
Gibt es an dieser Stelle ein Fazit, das wir ziehen könnten? Ist das eine Revolution, wie eingangs postuliert? Verändert das unsere Sichtweise auf die Funktionsweise der Computer und den Wert menschlicher Kreativität?
Für diese Fragen muss ich etwas ausholen.
An künstliche Intelligenzen wie Siri haben wir uns gewöhnt: Es ist nicht mehr aussergewöhnlich, dass wir mit digitalen Entitäten interagieren, ihnen Aufträge erteilen und Aufgaben an sie delegieren.
Wir überantworten diesen KIs die Gestaltung unserer musikalischen Berieselung via Spotify und lassen sie auf Netflix Filme für uns auswählen. Oder wir flirten mit ihnen und sehen, wohin das führt. Allerdings hält sich das Vertrauen bislang in engen Grenzen. Derzeit würde ich nicht in ein selbst lenkendes Auto einsteigen oder mich von einem KI-Doktor behandeln lassen. Zumindest nicht ohne ein menschliches Backup.
Doch diese künstlichen Intelligenzen entwickeln sich weiter: Immer wieder höre ich Leute von GPT-3 schwärmen. Das ist eine KI, die angeblich hervorragend Texte generieren können soll. Sie kann Bücher zusammenfassen, Gedichte fabrizieren oder Bücher verfassen, die dann sogar publiziert werden.
Sollte man es KI nennen? Oder doch besser ML?
Nochmals eine Variante von Stable Diffusion zum Stichwort «Digital Artist»Trotzdem kann man sich wunderbar streiten, ob die Systeme wirklich intelligent sind und ihren Namen verdienen – oder ob die Fortschritte nicht einfach damit zu erklären sind, dass ihnen mehr Rechenleistung zur Verfügung steht und sie auf riesige Mengen an Daten zugreifen können. Das erleichtert das Training und zeigt das Potenzial des maschinellen Lernens (ML).
Ich habe eine klare Meinung zu dieser Frage: Ich sehe nach wie vor nur Imitation und keine echte Kreativität. Daran ändert auch die Tatsache nichts, dass man inzwischen mit Bots spielen kann, die auf Zuruf hin Bilder erzeugen. Das nennt sich wie eingangs erwähnt «Text-zu-Bild» und erfordert es, dass die Maschinen zwei wirklich schwierige Aufgaben lösen: Erstens müssen sie die gestellte Aufgabe richtig «verstehen» oder zumindest korrekt interpretieren. Und zweitens sollte das Bild, das sie daraus erzeugen, «gut» aussehen und keine Fehler wie falsch platzierte Augen oder verformte menschliche Anatomien aufweisen.
Nach meinem kleinen Vergleichstest geht es euch wahrscheinlich wie mir: Diese digitalen «Kunstwerke» wecken Faszination und Grusel zugleich, wobei der Grusel überwiegt.
Rettet euch auf den nächsten Baum!
Mit anderen Worten: Wenn die KIs so autofahren, wie sie Bilder kreieren, dann kann ich nur vor einem Ausflug in einem selbst lenkenden Gefährt warnen. Nicht nur das: Ich würde auch empfehlen, schleunigst auf den nächsten Baum zu klettern, wenn sich ein solches KI-Fahrzeug nähert!
Aber wenn die Entwicklung so weitergeht, dürfen wir gespannt sein, wo wir in zwei oder fünf Jahren stehen. Das Rationalisierungspotenzial im Bereich der grafischen Gestaltung ist gerade bei Dall·e 2 unübersehbar!
Fussnoten
1) Ich hätte auch gerne MindsEye, Midjourney und natürlich Dall-e 2 getestet: Doch die ersten beiden Kunstmaschinen haben sich mir verweigert und für die zweite habe ich immer noch keine Einladung erhalten, trotz einer länger zurückliegenden Anmeldung. ↩
Beitragsbild: An old lady screaming at the sky (twiztidsmoke, starryai.com).