Text-to-Image bezeichnet KI-Verfahren, die aus einer Beschreibung in gewöhnlicher Sprache ein Bild erzeugen. Der Name benennt die Richtung der Umwandlung: Text hinein, Bild heraus.
- Text-to-Image
Ein KI-Verfahren, das aus einer Beschreibung ein Bild erzeugt.
Beispiel: „Das Text-to-Image-Werkzeug brauchte vier Versuche, bis die Perspektive stimmte.“Technisch stehen dahinter meist Diffusion Models: Das Bild entsteht aus Rauschen und wird in vielen Schritten entrauscht, wobei die Beschreibung jeden Schritt lenkt.
Geschrieben wird der Begriff auch als T2I oder txt2img; gemeint ist jeweils dasselbe. Dieselbe Zählweise gilt für die übrigen Umwandlungsrichtungen, etwa I2V für Image-to-Video.
Bekannte Werkzeuge sind Midjourney, Stable Diffusion, die Bildfunktionen von Gemini und ChatGPT sowie Adobe Firefly. Sie unterscheiden sich weniger in der Bildgüte als in der Steuerbarkeit und in den Nutzungsbedingungen.
Was eine brauchbare Beschreibung enthält
Mehr als das Motiv. Brauchbar wird eine Beschreibung mit Angaben zu Perspektive, Lichtführung, Farbstimmung, Bildausschnitt und Stil; das Motiv allein führt zu beliebigen Ergebnissen. Dazu kommt, was fehlen soll, siehe Negativ-Prompt. Wer regelmäßig Bilder erzeugt, legt die bewährten Formulierungen ab, siehe Prompt-Bibliothek.
Was die Werkzeuge unterscheidet
Drei Dinge, und die Bildgüte ist keines davon. Die Steuerbarkeit: Wie genau lässt sich ein Ausschnitt, eine Pose oder eine Vorlage vorgeben? Die Rechtslage: Mit welchem Material wurde trainiert, und was erlauben die Nutzungsbedingungen? Und die Anschlussfähigkeit: Lässt sich dasselbe Motiv in weiteren Bildern wiederholen? Für Projektarbeit zählt das letzte am meisten, weil Bilder in Reihen gebraucht werden.
Wo die Verfahren noch schwach sind
Bei allem, was gezählt oder gelesen werden muss. Eine bestimmte Anzahl von Gegenständen, Schrift im Bild, Beschriftungen, technische Zeichnungen, wiederkehrende Gesichter über mehrere Bilder: Das gelingt unzuverlässig und muss geprüft werden. Dasselbe gilt für Hände, Spiegelungen und Perspektiven in Innenräumen, auch wenn die Ergebnisse hier deutlich besser geworden sind.
Wie wir es einsetzen
Für Illustrationen, Hintergründe, Stimmungsbilder und Entwürfe. Nicht für Produktfotos, nicht für Personen, die es gibt, und nicht für Referenzbilder von Projekten. Jedes erzeugte Bild auf unserer Website trägt ein sichtbares Kennzeichen und eine Angabe im Alternativtext, siehe KI-Kennzeichnung.