Lesbaren Text generieren

Noch vor einem Jahr gingen selbst viele Fachleute davon aus, bildgenerative KI könne prinzipiell keine korrekten Texte wiedergeben, weil das einfach nicht dazu passe, wie sie mit Bildern trainiert werde und Daten verarbeite und speichere. Inzwischen hat sich da viel getan. Textdarstellung ist zwar noch lange nicht perfekt, wird aber immer besser. | Doc Baumann Die Fähigkeit bildgenerativer künstlicher Intelligenz, korrekte Buchstaben, Wörter und Sätze darzustellen, ist relativ neu. Und sie wird bei Weitem noch nicht von allen Modellen unterstützt. So kann das auch von vielen Profis verwendete Midjourney zwar einzelne Buchstaben richtig erzeugen, scheitert aber schon bei ganzen Wörtern. Dasselbe gilt für Firefly und die meisten anderen KIs. Die Anforderung besteht nicht darin – anders als zum Beispiel bei einem Bildbearbeitungsprogramm wie Photoshop –, einfach Schrift in einem Textfeld anzuzeigen (eine Funktion, die neuerdings Ideogram implementiert hat). Was verlangt wird ist, dass sich solche Texte unter allen Aspekten in die restliche Szene einfügen. Wie die Aufmacherillustration oben zeigt, bedeutet das etwa, dass die Buchstaben der Perspektive des Bildes folgen, ihre Vertiefungen der Beleuchtungssituation entsprechen oder Schlagschatten auf sie fällt. Buchstaben können bei Neon-Schrift oder den Beispielen auf der folgenden Doppelseite eigenständige dreidimensionale Objekte sein. (Das Bild oben wurde mit Ideogram erzeugt und mit dem Upscaler von Deep Dream Generator optimiert.) Die beiden einzigen der von mir getestet KI-Modelle, die auch etwas längeren Text weitgehend – meist aber noch nicht fehlerfrei – darstellen können, sind Ideogram und das Flux-Modul von Deep Dream Generator. (Ideogram erlaubt pro Tag ohne Abo bis zu fünf kostenfreie Bildgenerierungen mit leicht eingeschränkter Funktionalität.) Bei noch längeren Texten allerdings, wie die Versuche mit einem Brief von Friedrich Nietzsche zeigen, häufen sich die Fehler so stark, dass auch mit einer nachträglichen manuellen Korrektur etwa in Photoshop nur mit viel Aufwand etwas professionell Verwertbares entsteht. Dennoch sind die bisherigen Fortschritte bemerkenswert und erlauben die Erzeugung von Bildern, die so zuvor nicht realisierbar waren. 01 Neon-Schriftzug mit Ideogram Bei einzelnen Buchstaben und Wörtern habe ich die besten Erfahrungen mit Ideogram gemacht, selbst bei einem Neologismus wie „Promptologie“, für die es wohl kaum einen Datenbankeintrag gibt. Eine Festlegung des verwendeten Fonts ist bisher noch nicht möglich, aber die KI wählt oft eine Schriftdarstellung, die gut zur dargestellten Szene passt. Bei den Versuchen, die in den Abbildungen 7 und 8 vorgestellt werden, wurde aber oft auch eine anachronistische serifenlose Linearantiqua (Grotesk) eingefügt. 02 Deep Dream Generator Der Text-Prompt war immer derselbe: „Detailliertes Nachtfoto einer eleganten modernen Hausfassade mit leuchtenden Neon-Buchstaben ‚PROMPTOLOGIE‘, asymmetrisch angebracht, gerendert in leuchtend elektrischem Blau. Die minimalistische Betonwand hat subtile Texturdetails, beleuchtet von Mondlicht und Neon-Reflexen. Regennasse Oberflächen erzeugen glänzende Spiegelungen auf dem Boden.“ Das Flux-Modul aus Deep Dream Generator hat hier sogar eigenständige, aber plausibel gestaltete Variationen der Buchstaben „P“ und „R“ vorgenommen. 03 Neon-Schrift in Midjourney Ausgerechnet der Platzhirsch Midjourney enttäuscht bei Textdarstellung. Ganz davon abgesehen, dass die Befolgung von Textprompts in der Regel bei Ideogram wesentlich besser funktioniert, hält sich Midjourney bei Anforderungen, die über wenige Buchstaben hinausgehen, nicht an die Vorgaben und erzeugt auch immer wieder Zeichen, die zwar auf den ersten Blick an lateinische Buchstaben erinnern, tatsächlich jedoch phantasievolle Varianten davon sind … ganz wie man das früher in vergleichbaren Fällen erlebte. Dafür wirken die Details oft überzeugender. 04 Ideogram: Nietzsche-Brief 1876 schrieb Friedrich Nietzsche einen Liebesbrief an Mathilde Trampedach, in dem es unter anderem heißt: „Nehmen Sie all Ihren Mut Ihres Herzens zusammen, um vor der Frage nicht zu erschrecken, die ich hiermit an Sie richte: Wollen Sie meine Frau werden? Ich liebe Sie und mir ist es, als ob Sie schon zu mir gehörten.“ Bereits nach „Herzens“ fehlt das erste Wort, dann folgt ein „dor“ vor „der“, „Frige“ statt „Frage“, und so fort. (Das „1880“ oben habe ich zu verantworten, allerdings war „um 1880“ gar nicht Bestandteil der Textanforderung, die bei allen KI-Modellen in Anführungszeichen gesetzt werden muss. 05 Deep Dream Generator: Brief Von der Anmutung der Schreibschrift her ist diese Textumsetzung durch Deep Dream Generator, Modell Flux, deutlich besser gelungen als die von Ideogram, wo der Schriftstil nicht zu der Zeit um 1880 passt. Allerdings trifft dieses Lob nur auf den ersten Blick zu – auf den zweiten erweist sich der schöne Brief als weitgehend „halluziniert“, und es finden sich darin nur ein paar Schnipsel dessen, was Nietzsche tatsächlich geschrieben hatte. Und ähnlich wie beim Ideogram-Beispiel passt das Schreibgerät nicht zur Zeit, vom Clip an der falschen Stiftseite ganz abgesehen. 06 Midjourney: Nietzsche-Brief Ähnlich sieht es mit dieser Textgenerierung von Midjourney aus. Auch hier erscheint der Handschriftenstil des geschriebenen Textes überzeugender und auch die ersten Wörter entsprechen tatsächlich denen des Briefes. Danach geht es allerdings ungezügelt weiter, auch wenn zwischendurch immer mal ein paar Wörter auftauchen, die der Vorgabe entsprechen. Zudem ist der Text viel zu lang. Ebenso phantasiert ist das links oben liegende Objekt, das wohl ein Schreibgerät sein soll. Fazit also: Schön anzusehen, aber praktisch kaum zu verwenden. 07 Ideogram: Römische Inschrift Eine gelungene Umsetzung des Text-Prompts bietet dieses Bild von Ideogramm; bis auf das überzählige „L“ in der ersten Zeile ist der Text korrekt dargestellt, auch die Verwendung der römischen Capitalis ist stimmig. Sogar der Umlaut „Ü“ wird richtig angezeigt. Weniger befriedigend ist in diesem Fall allerdings die Gesamtkomposition; die angeforderten Personen stehen recht langweilig und wenig dynamisch in Reih’ und Glied nebeneinander. Umsetzungen anderer KIs ließen sie allerdings weder in Richtung der Tafel blicken noch war die Architektur für das antike Rom stimmig und zeigte oft auch Renaissancebauten. 08 Deep Dream Generator: Inschrift Diese Umsetzung des Prompts durch das Flux-Modul von Deep Dream Generator ist zwar visuell deutlich spannender, was die Inschrift betrifft jedoch mangelhaft – allerdings immer noch weit besser als in allen sonstigen getesteten KIs mit Ausnahme von Ideogram. Der Stil der Inschrift ist passend, weist aber viele Fehler auf (und die KI kann nicht mal ihren eigenen Namen richtig schreiben). Zudem schaut keiner der Römer zu der Inschrift auf, und dass so viele rote Togas tragen, ist historisch bedenklich: Die waren – purpurfarben – Triumphatoren beim Triumphzug, Konsuln bei der Amtseinführung und Kaisern vorbehalten. 09 Alphabete: Ideogram, Firefly Leider hat Adobe die Texteffekte von Firefly abgeschaltet, mit denen sich bis zu 20 als Bildobjekte gestaltete Buchstaben erzeugen ließen. Da die KIs bei vergleichbaren Anforderungen wenig brauchbare Ergebnisse liefern, kann man sich in ideogram ein ganzes Alphabet mit angeforderten Merkmalen generieren lassen (links klassisch, Mitte aus Erdnüssen) und die Zeichen später in einem Bildbearbeitungsprogramm kombinieren. Allerdings fehlen immer einzelne Buchstaben. Auch Firefly (rechts) erzeugt solche Alphabete von A bis Z, lässt aber noch mehr Buchstaben aus oder verzerrt sie. 10 Bildhafte Alphabete Zahlreiche Versuche in Ideogram, ein aus krabbelnden Ameisen zusammengesetztes Alphabet (inspiriert durch den Katalogumschlag der documenta 5) zu generieren, blieben erfolglos; das Beispiel in der linken Hälfte war noch das brauchbarste. Entsprechende Aufforderungen an Midjourney laufen ohnehin ins Leere; vom gewünschten Alphabet wurden lediglich die drei Buchstaben PAY ausgegeben. Die entsprechen aber in ihrer bildhaften Gestaltung dem Prompt deutlich besser. Mal sehen, was sich da in der nächsten Zeit noch tun wird. 11 Einzelne Buchstaben I In meinem neuen Buch „KI-Bilder – künstlich oder auch künstlerisch“ lasse ich jedes Kapitel mit einer bildhaften Initiale beginnen. Die Prompt-Anforderung lautete hier, die KI solle einen Affen darstellen, der einen W-förmigen Ast in den Händen hält und auf ihm herumkaut. (Es geht in dem Kapitel um die Rechte an der Aufnahme eines Makaken, der durch Druck auf den Auslöser einer Kamera ein „Selbstporträt“ erzeugt hatte.) Ideogram (links) setzte den Prompt nach einigen Versuchen sehr gut um (bis hin zu Bissspuren), Midjourney integrierte zwar den Buchstaben, aber das erfolgte nie in der gewünschten Weise. 12 Einzelne Buchstaben II Verzichtet man auf längere Texte und begnügt sich mit Einzelbuchstaben, kommen fast alle KIs zu befriedigenden Ergebnissen. Hier sollte ein „K“ als Initiale aus traditionellen Mal- und Zeichenwerkzeugen zusammengesetzt werden. Von links nach rechts: Midjourney, Leonardo/Flux, Deep Dream Generator/ArtFusion und Deep Dream Generator/Flux; untere Reihe: zweimal Ideogram, DALL∙E und Firefly. Daraus Wörter zu kombinieren, ist schwierig, weil für andere Buchstaben nicht zusammenpassende Resultate entstehen. Hier sind alle Ergebnisse brauchbar, Firefly fällt mitunter durch übertriebene Ausschmückungen auf.

Als Abonnent einloggen

DOCMA 2GO abonnieren

Kommentar

Schreibe einen Kommentar Antwort abbrechen