Inzwischen sind die meisten KI-Tools wie ChatGPT, Gemini, Claude etc. multimodal. Das heisst, sie können nicht mehr nur Sprache sondern auch Audio, Bilder, Videos etc. verarbeiten. Für die meisten alltäglichen Anwendungen reichen solche multimodalen Tools aus, aber manchmal braucht es auch spezialisiertere Tools. Die Auswahl verändert sich sehr rasch, deshalb geht es hier weniger um eine vollständige Liste als vielmehr um eine Orientierung: Was gibt es, welches Tool eignet sich wofür, und worauf musst du achten? Grundsätzlich gilt: Angebote ohne Login sind sofort einsetzbar, liefern aber meist eine geringere Qualität als solche mit Login.
Bilder generieren
Eine einfache Prompt-Empfehlung für die Bildgenerierung:
Adjektiv + Substantiv + Verb + Stil
Besonders der Begriff des Stils kann Personen, die sich mit Gestaltung nicht gut auskennen, vor Herausforderungen stellen. An dieser Stelle empfiehlt es sich, eine Prompt-Datenbank zu durchsuchen, nach gewünschten Bildstilen zu suchen und entsprechende Prompts aus den Beispielen abzuschauen. Eine solche Datenbank ist z.B. Lexica Art.
Auffällig ist, dass alle bildgenerierenden Tools häufig Länder-, Berufs- und andere Stereotype reproduzieren. Dies liegt daran, dass im Trainingsprozess Verallgemeinerungen aus den Trainingsdaten abgeleitet werden. In einer Welt, in der Diversität als Ressource geschätzt wird, ist dies unpassend und problematisch. Um diesen Effekt zu reduzieren, müssen Prompts möglichst differenziert formuliert werden. Soll beispielsweise als «CEO» nicht ein älterer Mann, sondern eine jüngere Frau dargestellt werden, muss dies im Prompt ausdrücklich beschrieben werden. Ein weiterer unerwünschter Effekt besteht darin, dass körperliche Darstellungen häufig sexualisiert werden, was ebenfalls auf die zugrunde liegenden Trainingsdaten zurückzuführen ist.
Es gibt filterlose oder filterarme bildgenerierende Tools (meist die loginfreien), die mit entsprechenden Prompts Gewalt, sexualisierte Darstellungen oder Bilder von prominenten Personen generieren können. Diese Tools stellen einen Nährboden für Deepfakes dar. Die grossen, bekannten Softwarehersteller wie Microsoft, OpenAI oder Adobe haben hingegen inhärente Filter eingebaut, die solche problematischen Eingaben und die entsprechende Generierung zuverlässig blockieren.
Videos generieren
| Login benötigt |
| Mit dem Tool «NotebookLM» lassen sich bei den Studio-Funktionen Erklärvideos generieren und ein paar Einstellungen in Bezug auf Länge und Zeichnungsstil vornehmen: https://notebooklm.google/ Das Tool Hailou mit europäischer Landingpage ermöglicht im Login-Bereich eine kostenlose Videogenerierung. Es unterstützt sowohl Text-to-Video als auch Image-to-Video. https://hailuoai.video/ Die Videogeneratoren von Google und Adobe sind beide kostenpflichtig. https://aistudio.google.com/models/veo https://www.adobe.com/products/firefly/features/ai-video-generator.html |
Betreffend Stereotypenbildung und Filter gelten dieselben Hinweise wie bei der Bildgenerierung.
Stimme generieren (Text-to-Speech Generatoren)
Bei Text-to-Speech-Generatoren lassen sich Texte hochladen, von einer Computerstimme vorlesen und anschliessend als MP3-Datei herunterladen, beispielsweise für ein anonym klingendes Erklärvideo. Dieser Anwendungsfall ist insbesondere bei Lehrpersonen beliebt. Allerdings gilt es zu beachten, dass Computerstimmen polarisieren: Während einige Zuhörer*innen sie als neutral und akzeptabel empfinden, verspüren andere einen gewissen «Skipping-Reflex» und möchten sich inmitten all der generierten Inhalte nicht auch noch eine künstlich erzeugte Stimme anhören.
| Loginfrei | Login benötigt |
| https://anyspeech.io/free-text-to-speech | https://elevenlabs.io/ |
Musik und Sound generieren
| Login benötigt |
| Gemini ermöglicht das Generieren von Musikstücken. Dazu muss zuerst beim kleinen Pluszeichen «Musik erstellen» aktiviert werden (S. Screenshot unterhalb). https://gemini.google.com/ Suno gehört zu den bekanntesten und leistungsstarksten Text-to-Song-Generatoren. https://suno.com |
