Farben, Stile, Charaktere: So stark ist das neue Bildmodell von GPT-4o wirklich

Hi und herzlich willkommen zum heutigen Snip. Heute schauen wir uns das neue Bildgenerierungs-Feature an, das innerhalb von ChatGPT, und zwar im 4o-Modell, veröffentlicht wurde. Das neue Bildgenerierungs-Tool ist extrem stark, kann supercoole, viele spannende Dinge. Und zwar die Top-6-Themen schauen wir uns heute an, oder eher die sechs Fähigkeiten. Wir schauen uns keinen klassischen End-to-End-Business-Use-Case an. Dafür werden wir auf jeden Fall noch weitere Snips zu diesem Bildgenerierungs-Tool machen, das einfach so viel kann. Das Ziel heute: einen Überblick zu geben über die relevantesten Fähigkeiten und Skills. Und ich bin mir sicher, dass du auch ganz viele Ideen selbst bekommst, was du jetzt alles in deinem Business damit umsetzen kannst. Schreib das gerne unter das Snip oder auch gerne in der Community. Und wir werden dir auf jeden Fall in Zukunft noch einige spannende Cases zu der neuen Bildgenerierungsmethode zeigen. Wir sind jetzt in ChatGPT, und zwar musst du hier oben links das 4o-Modell auswählen. In Zukunft wird es sicherlich auch noch in anderen Modellen verfügbar sein. Also, wenn irgendwann das 5er-Modell rauskommt, bin ich mir sicher, dass auch dort die Bildgenerierungsfunktion beinhaltet sein wird. Wir wissen es natürlich nicht genau. Aktuell ist es eben so, dass es in dem 4o-Modell ist. Wenn du jetzt bei irgendeinem o1- oder o3-mini-Modell wärst, da könntest du diese Bildgenerierungsfunktion nicht nutzen, zumindest aktuell noch nicht nutzen. Wir fangen jetzt einfach mal an, und zwar mit einem Beispiel-Prompt und mit der ersten Fähigkeit, die dieses neue Modell mit sich bringt. Und zwar ist es, Farben wahrheitsgetreu wiederzugeben. In alten Bildmodellen konntest du nicht den Farbcode mit reingeben, du konntest zwar manchmal Beispielbilder mitgeben, aber genau die Farbe wurde einfach relativ selten getroffen. Und wir laden jetzt hier einfach mal ein snipKI-Logo hoch, ohne genau zu sagen, was das überhaupt für ein Farbcode ist, denn auch Farbcodes können diese Systeme meistens nicht so gut verstehen. Und dann sagen wir, dass wir gerne ein Bild erstellt haben möchten mit einem Text, und gewisse Teile dieses Textes sollen eben genau diese Farbe haben. Das heißt, ein neues Skillset ist jetzt eben, dass ich Farben genau übernehmen kann, die ich als Vorgabe mit reingebe, aber auch, dass ich jetzt Text generieren kann, der dann wieder eine bestimmte Farbe hat oder Teile des Textes eine bestimmte Farbe haben. Das ist auf jeden Fall was, was vorher nicht ging. Und zwar ziehe ich jetzt hier unser snipKI-Logo rein und verwende den Prompt: Schreibe Top 6 und ChatGPT in dem Minzgrün, habe ich es jetzt mal genannt, des angehängten Logos und den Rest des Textes in einem dunklen Grau. Und der ganze Text lautet: Top 6 Use Cases von ChatGPTs neuem Bildmodell. Also genau das, was wir uns heute in dem Snip anschauen. Und dann gibt's hier noch diese drei Punkte für die Tools, und wenn ich dann auf Bild erstellen klicke, dann erscheint hier vorne dran, so in Blau geschrieben, Bild erstellen. Und wenn ich das Ganze dann abschicke, dann wird das Bild erstellt. Das Ganze dauert so ca. 50 Sekunden bis 1 1/2 Minuten, je nachdem, um was für ein Bild sich's handelt. Das kann mal ein bisschen schneller gehen, das kann mal ein bisschen langsamer gehen. Ich nehme an, dass das in Zukunft auch noch deutlich schneller funktionieren wird. Jetzt haben wir unser Ergebnis, sehen also: Top 6 Use Cases von ChatGPTs neuem Bildmodell. Also A ist der Text perfekt geschrieben, sind keine Rechtschreibfehler drin, und diese zwei Textpassagen, die ich in dem snipKI-Grün haben wollte, sind auch in dem snipKI-Grün geschrieben. Also erster Skill: wirklich Farben wahrheitsgetreu zu übernehmen nach einer Vorgabe funktioniert sehr, sehr gut. So, die nächste Fähigkeit nach der Farbtreue ist, dass es sehr gut sehr komplexe und detaillierte Prompts umsetzen kann. Das ist alles, was früher sehr, sehr schwierig war. Also, dass ich wirklich genau beschreibe, wie das Bild aussehen soll, wo was in dem Bild zu sehen ist. Das geht sehr gut. Und auch das verbinden wir das Ganze auch noch mal mit einem Text-Prompt, also Text, der an verschiedenen Stellen des Bildes erscheinen soll. Und zwar habe ich hier diesen langen Prompt mitgebracht: Ein Konferenzraum, in dem zwei Menschen, ein Mann und eine Frau, ein Roboter und ein Teddybär gemeinsam um ein Whiteboard sitzen. Auf dem Whiteboard sind farbige Flussdiagramme und der Satz Prompting = Superpower zu sehen. Der Mann ist begeistert, während der Teddybär auf einem Tablet Notizen macht. Die Frau hält eine Kaffeetasse, auf der Marketing Intelligence steht. In der Ecke hängt ein Poster mit der Aufschrift We test, we learn, we grow. Die gesamte Szene ist im Comic-Stil gezeichnet. Und auch hier wählen wir wieder Bild erstellen aus und schicken das Ganze weg. Und jetzt sehen wir hier unser Ergebnis und es ist genau so, wie gepromptet: Wir haben Comic-Stil, wir haben einen Mann, der begeistert ist, wir haben eine Frau, wir haben Teddybär, wir haben Roboter, der Roboter hat ein Tablet. Die Frau hat eine Tasse in der Hand mit Marketing Intelligence steht hier tatsächlich drauf. An dem Whiteboard steht Prompting = Superpower und an der Wand hängt ein Poster, auf dem steht We test, we learn, we grow. Also zweite Superpower von dem neuen Modell ist, sehr lange und sehr detaillierte Prompts genau umzusetzen. Die dritte Superpower des neuen Modells ist es, dass ich das erstellte Bild nun mit Text editieren kann, und zwar so, dass nur einzelne Elemente auf dem Bild geändert werden, während der Großteil des Bildes fast komplett gleich bleibt. Also diese Konsistenz von einem Bild zum nächsten mit Änderungen eines bestimmten Teils des Fotos ist auch was, was vorher nicht funktioniert hat. Und auch hier machen wir dann wieder Bild erstellen an und prompten: Tausche den Teddybär gegen einen Pinguin aus und tausche das Wort Prompting hier am Whiteboard mit dem Wort snipKI aus. Was da immer Sinn ergibt, noch dazu zu sagen: Lasse den Rest des Bildes identisch. Denn ich hatte schon ein paar Mal den Fall, dass ich es nicht gemacht habe, und dann hat sich dann doch schon relativ viel geändert am Foto. Also der Zusatz, dass man immer sagt, das Bild soll gleich bleiben oder die anderen Elemente des Fotos sollen gleich bleiben, der ergibt schon sehr viel Sinn. Und das Ganze schicken wir weg und haben dann hier unser Ergebnis. Und das sieht sehr ähnlich aus wie vorher. Wir haben hier noch mal das oben, das Whiteboard, das Poster, die Frau, den Teddy, den Roboter und haben hier wieder die gleichen Charaktere eigentlich, nur dass jetzt hier oben snipKI = Superpower steht und dass der Teddybär eben ein Pinguin ist. Und das vierte Feature, was ich selbst sehr cool finde, ist, dass wir den Stil des Bildes ändern können, während wir sonst das Setting und quasi das Format eigentlich nicht verändern. Also wir wollen jetzt nach wie vor hier diese zwei Personen, den Pinguin und den Roboter am Tisch haben. Wir sagen aber, wir wollen jetzt nicht einen Comic-Stil, sondern wir wollen auf einmal ein fotorealistisches Bild haben. So, und der Prompt lautet in dem Fall: Verändere den Stil des Fotos. Kein Comic mehr, es soll eine fotorealistische Szene sein wie bei The Office. Und jetzt könnt ihr manuell hier noch auf Bild erstellen gehen. Es klappt oft auch so, manchmal klappt es dann aber nicht. Wenn du es manuell anstellst, eben quasi hier dieses Bild erstellen dasteht, dann funktioniert es auf jeden Fall. Und auch das schicken wir wieder ab und haben jetzt hier die gleiche Szene mit der Frau und dem Mann, die ähnlich aussehen, mit einem Poster an der Wand, einem sehr echt wirkenden Pinguin, der mit im Büro sitzt, und eben ein Roboter. Der Roboter sieht ein bisschen komisch aus, der sitzt so ein bisschen irgendwie in dem Tisch hier drin. Also ist natürlich noch nicht alles perfekt, aber schon beeindruckend, wie wir quasi hier von diesem Comic auf dieses fotorealistische Bild gekommen sind. So, und das nächste, sehr spannende Feature ist, dass ich Fotos kombinieren kann oder auch Elemente nur aus einem Foto nehmen kann und sagen kann, dass diese Elemente oder Objekte in einem anderen Foto platziert werden sollen. Und ChatGPT ist schlau genug zu verstehen, wo die Elemente hingehören. Oder ich kann auch ganz kreativ sein und einfach sagen: Kombiniere diese Fotos. Und es ist echt spannend zu sehen, was ChatGPT oder das neue GPT-4o-Bildmodell daraus macht. Also ist wirklich kreativ, das Internet ist voll mit spannenden Ideen. Du hast bestimmt auch schon viele Sachen ausprobiert, und wenn nicht, mach das gerne mal und teil deine Erfolge im Chat oder auch gerne unter diesem Snip. In unserem Fall haben wir jetzt hier einfach das gleiche Foto noch mal verwendet aus der Szene von eben und haben hier ein Produkt, in dem Fall ist es ein Blumentopf, der einen weißen Hintergrund hat, also ist kein transparenter Hintergrund. Und wir sagen jetzt einfach mal: Kombiniere diese Fotos und platziere die Pflanze auf dem Tisch. Und auch hier sagen wir wieder Bild erstellen, schicken das Ganze ab und sehen dann... ist komplett ausgeschnitten, also transparenter Hintergrund. Wir sehen hier, unser Roboterfreund ist wieder ein bisschen weiter reingerutscht in das Bild, also ist sicherlich noch nicht alles perfekt, aber vom Ergebnis her, also dieses eine Bild im anderen zu platzieren, ist es schon wirklich sehr, sehr gut. So, und das Letzte, was ich euch noch zeigen möchte, sind die konsistenten Charaktere. Und zwar kannst du mit einem einzigen Foto einen Mensch oder ein Objekt in verschiedene weitere Szenen transportieren. Und das klappt sehr, sehr gut, ohne dass du ein komplettes Bildmodell trainieren musstest. Früher war es ja eher so, dass du 15 Bilder einer Person oder noch mehr in ein Modell geben musstest, bis das Modell verstanden hat, wer du bist, um dich dann so in verschiedene Szenen reinzubringen. Hier haben wir jetzt ein Beispiel, und zwar haben wir hier wieder unseren Mann aus der Szene von eben einmal ausgeschnitten und sagen jetzt: Erstelle ein Bild von diesem Mann in einem Aufzug. Und auch hier klicken wir wieder auf die drei Punkte und auf Bild erstellen und schicken das Ganze weg. Und tata, da haben wir die Person. Er steht in einem Aufzug. Die Hände tatsächlich sehen auch sehr gut aus. Das ist ja ein Thema, was frühere Bildmodelle ja oft noch Probleme mit hatten. Und hier schauen wir uns mal das erste Bild an und das zweite Bild, und das sieht schon sehr, sehr ähnlich aus. Man muss dazu sagen: Wenn das eine Person ist, die ihr kennt, dann erkennt man schon oft noch den Unterschied, dass es nicht ganz perfekt ist, dass das Gesicht vielleicht ein bisschen breiter ist. Aber in dem Fall ist es ein KI-generierter Mann, den ich persönlich nicht so gut kenne, und er sieht für mich zumindest wie dem Bild hier schon mal sehr ähnlich aus. Jetzt probieren wir noch mal eine weitere Sache, und zwar wollen wir den Mann auch noch mal an die Kaffeemaschine stellen. Klicken also auch wieder auf Bild erstellen und dann: Erstelle ein Bild von dem gleichen Mann an der Kaffeemaschine im Büro. Schicken das Ganze wieder weg und haben hier den Mann, diesmal von der anderen Seite, an der Kaffeemaschine im Büro. Hier sehen wir die Hand mit der Kaffeetasse, also vielleicht hält er die Tasse einfach komisch. Unmöglich ist es ja nicht, die Tasse nur mit dem Zeigefinger zu halten. Wahrscheinlich wäre in der Realität vielleicht der Mittelfinger noch mit dadurch, wobei das Loch sieht relativ klein aus. Also es sieht an der Hand noch nicht so ganz perfekt aus, aber Thema konsistente Charaktere: Er sieht schon so ähnlich aus wie die Person. Ich fand jetzt vom ersten, von dem Bild aufs zweite bisschen besser als dann vom zweiten aufs dritte, aber früher war das deutlich problematischer, wenn ich Charaktere von einem ins nächste Bild, ja, in einem anderen Setting irgendwie erstellen wollte. Und das war's auch schon. Ich wollte dir heute nur mal einen High-Level-Überblick geben über die neue Bildgenerierungsfunktion von ChatGPT oder vom 4o-Modell. Es ist schon sehr, sehr gut, was alles geht. Ich bin mir sicher, das Ganze wird sich auch noch deutlich verbessern in der Zukunft. Dadurch entstehen einfach extrem viele neue Use Cases, die vorher so nicht möglich waren, und wir werden sicherlich noch das ein oder andere Snip zu ganz spezifischen, anwendungsbezogenen Business-Use-Cases machen. Heute sind wir durch die Top-6 neuen Fähigkeiten gegangen, und zwar zum einen, dass eben Farben nach Vorgaben sehr genau übernommen werden, dass ich sehr detaillierte und lange Prompts eingeben kann mit Text und sogar längeren Texten und Texten an verschiedenen Orten in dem zu erstellenden Bild. Das ist was, was vorher fast überhaupt nicht ging. Mit Ideogram gingen Texte schon ganz gut, aber da eben dann auch nur ja mit bis zu vielleicht fünf, sechs, sieben Wörter und auch nur an einer Stelle in dem Bild. Dann haben wir gesehen, wie leicht ich Fotos editieren kann, und zwar nur ganz gewisse Teile eines Fotos, während der Rest des Fotos konsistent bleibt. Dann haben wir einmal einen kompletten Stil verändert, und zwar von Comic auf realitätsnah, auf fotorealistisch, während die ganze Szene und die ganzen Elemente gleichgeblieben sind. Und dann haben wir uns angeschaut, wie man zwei Fotos kombiniert, beispielsweise um ein Objekt in einem anderen Foto zu platzieren. Am Ende haben wir noch gesehen, wie cool diese Charakter-Consistency, also konsistenten Charaktere sind von einem Foto ins nächste. Ich bin mir sicher, du hast ganz viele coole und kreative Ideen. Teil deine coolsten Bilder, die du erstellt hast, gerne im Erfolge-Kanal oder sonst auch: Schreib gerne unter dieses Snip, was du für Use Cases vielleicht ausprobiert hast oder welche Use Cases du dir noch gerne anschauen möchtest in Verbindung mit diesen, ja, neuen Superpowers, die du in der Bildgenerierung bekommen hast.