dreamlook.ai

Was ist dreamlook.ai?

Dreamlook.ai ist ein Cloud-Dienst zur Feinabstimmung von Stable Diffusion-Modellen und zur Erstellung von Bildern. Benutzer können Modelle für Personen, Haustiere, Gegenstände oder bestimmte Stile trainieren, vollständige Checkpoints sowie LoRA-Dateien herunterladen und Aufgaben über die Web-Oberfläche oder eine API in Batches ausführen.

Es unterstützt Stable Diffusion 1.5 und Stable Diffusion XL sowie verschiedene Basis-Checkpoint-Dateien. Der Schwerpunkt des Produkts liegt auf der schnellen Durchführung der Feinabstimmung von vollständigen Modellen im Stil von DreamBooth – es handelt sich dabei nicht um eine App für Frisuren- und Make-up-Anpassungen mit demselben Namen.

Überblick über die Hauptfunktionen

Unterstützte Modelle und Trainingsmethoden

Dreamlook.ai kann Stable Diffusion 1.5 und SDXL anpassen sowie UNet und die entsprechenden Textencoder trainieren. Die Plattform verwendet einen Ansatz, bei dem zunächst das gesamte Modell angepasst wird, anschließend LoRA extrahiert wird; derzeit findet kein direkter Training von LoRA statt.

• Trainierbare Charaktere, Objekte, Haustiere, Produkte und visuelle Stile.
• Man kann mit verschiedenen Ausgangspunkten für die Überprüfungen beginnen, oder im kostenpflichtigen Plan mit bereits vorhandenen Ausgangspunkten mit dem Training fortfahren.
• Unterstützung für CompVis-kompatible Formate und Safetensors-Gewichte.
• Unterstützung für Bildbeschreibungsdokumente, Face Crop, Center Crop, Offset Noise sowie Segmentierung zur Speicherung an Checkpoints.
• SDXL kann standardmäßig in 1024×1024 Auflösung trainiert und generiert werden; es steht auch eine Trainingsoption in 512×512 zur Verfügung.
• Die LoRA-Extraktion erzeugt standardmäßig Dateien mit einer Rangstufe von 64; die Dateigrößen von SD1.5 und SDXL unterscheiden sich.

Vollständige Checkpoints sind in der Regel deutlich größer als LoRA, wodurch mehr Speicher und Grafikspeicher für das Herunterladen sowie die lokale Verarbeitung benötigt werden. LoRA ist einfacher zu verwalten und zu kombinieren, behält aber bei einigen Objekten möglicherweise nicht so viele Details wie das vollständige Modell.

Vorbereitung der Trainingsbilder

Die Dokumentation sollte mindestens 10 bis 15 klare und vielfältige Bilder enthalten. Hochwertige Bilder aus verschiedenen Blickwinkeln und mit unterschiedlichen Hintergründen sind in der Regel wichtiger als die willkürliche Hinzufügung von Bildern schlechter Qualität.

• Klare Hauptkomponente, präzise Fokussierung, ausreichendes Licht – es sollten keine starken Verzerrungen oder Verdeckungen auftreten.
• Die Charaktertrainings sollten verschiedene Gesichtsausdrücke, Perspektiven und Hintergründe umfassen – nicht alles aus derselben Aufnahmeszene.
• Zur Trainierung eines einzelnen Gesichts kann Face Crop verwendet werden; für Objekte und Stile stehen Center Crop oder eine eigene Anpassung zur Verfügung.
• Die Bilder sollten idealerweise in der Auflösung für das Training vorliegen; bei zu kleinen Bildern führt die Vergrößerung zu einem Verlust an Details.
• Fügen Sie keine unbedeutenden Personen, komplexe Wasserzeichen oder auffällige Elemente hinzu, die mit dem Hauptinhalt konkurrieren.
• Laden Sie nur Bilder hoch, die Sie nutzen dürfen, und die Personen müssen erwachsene Personen sein, die ausdrücklich zugestimmt haben.

Das Training ist keine präzise Formel – zu wenige Schritte können dazu führen, dass das Wesentliche nicht gelernt wird, während zu viele Schritte zu Überanpassung führen können. In den Dokumenten wird als Ausgangspunkt für SD1.5 eine Anzahl von etwa 100 Schritten pro Bild angegeben; dennoch ist es notwendig, je nach Datensatz und Basismodell anzupassen.

Web-Training-Anleitung

1. Registrieren Sie ein Konto und überprüfen Sie den Token-Bestand, die Gültigkeitsdauer des Pakets sowie die Rechte an den Bildern.
2. Gehen Sie zur Seite für das Modelltraining und wählen Sie den Normalmodus oder den Expertenmodus aus.
3. Laden Sie 10 bis 15 oder mehr hochwertige Trainingsbilder hoch.
4. Wählen Sie das Basismodell SD1.5 oder SDXL aus und geben Sie Anweisungen für die Instanzen von Personen, Objekten oder Stilen ein.
5. Einstellen der Anzahl der Trainingsschritte, des Trunkierungsverfahrens, der Lernrate, des Checkpoint-Formats und der LoRA-Extraktion.
6. Falls es Bildunterschriften pro Bild gibt, laden Sie die JSON-Datei mit den Bildbeschreibungen hoch und überprüfen Sie, ob die Dateinamen übereinstimmen.
7. Starten Sie die Aufgabe, nachdem der erwartete Tokenverbrauch bestätigt wurde.
8. Auf der Aufgabenseite können Sie den Fortschritt, die Gründe für Misserfolge sowie die Liste der Checkpoints einsehen.
9. Nach Abschluss der Ausbildung sollten Sie so schnell wie möglich die vollständigen Checkpoints sowie LoRA herunterladen und auf der Textgenerierungsseite einige Beispiele ausprobieren.
10. Anpassen Sie die Bilder oder Schritte anhand von Ähnlichkeit, Überanpassung und Kompositionsproblemen, bevor Sie entscheiden, ob ein erneutes Training durchgeführt werden soll.

Beispiele und Bildbeschreibungen

Der Prompt gibt Anweisung, seltener verwendete Auslösewörter zur Kennzeichnung des Subjekts zu verwenden, zum Beispiel Personen mit einem bestimmten Code sowie dem Wort „person“ zu bezeichnen. Bei der Erstellung muss dieses Auslösewort im Prompt erneut verwendet werden; andernfalls kann das selbsttrainierte Subjekt möglicherweise nicht stabil erscheinen.

Der erweiterte Modus unterstützt JSON-basierte Beschreibungen für Bilder, wobei die Beschreibung pro Bild maximal etwa 77 Token umfasst. Er eignet sich dazu, Kleidung, Blickwinkel, Hintergrund und Bewegungen zu unterscheiden, und es ist auch möglich, mehrere Beschreibungen für ein und dasselbe Bild bereitzustellen, die bei der Trainierung zufällig ausgewählt werden.

Erstellung von Webbildern

Bei der Erstellung einer Seite kann entweder ein Grundmodell oder ein selbst trainiertes Modell, das sich noch in der Speicherungsphase befindet, ausgewählt werden. Nach Eingabe einer positiven Prompt wird das Bild erzeugt. Der Schwerpunkt der aktuellen Website liegt auf txt2img; es wird kein eigenes img2img-Verfahren bereitgestellt.

• Unterstützung für Basismodelle und selbst trainierte Checkpoints.
• Die Syntax für die Gewichtung der Prompt-Wörter ähnelt der von AUTOMATIC1111.
• High Res Fix erstellt zunächst in niedriger Auflösung, vergrößert sie anschließend und zeichnet erneut.
• SDXL eignet sich besser für prägnante und klare Anweisungen; die übermäßige Verwendung langer Anweisungen im Stil von SD1.5 kann die Leistung beeinträchtigen.
• Die ControlNet-Funktionen sind nur in einer kostenpflichtigen Mitgliedschaft verfügbar.
• Die Generierungszeit dient als Referenzwert auf der Seite und bedeutet nicht, dass bei jeder Aufgabe immer dieselbe Zeit erreicht werden kann.

Im kostenlosen Plan wird das Modell standardmäßig nur 48 Stunden lang gespeichert; nach Ablauf dieser Zeit erscheint es nicht mehr in der Liste der verfügbaren Modelle. Wenn es über einen längeren Zeitraum hinweg genutzt werden soll, sollte es vor Ablauf der Frist heruntergeladen werden – oder ein Abo gewählt werden, das eine längere Speicherdauer ermöglicht.

Herunterladen und in anderen Tools verwenden

Die Ergebnisse der Training kann als CompVis-kompatible safetensors-Checkpoints heruntergeladen werden und in AUTOMATIC1111 geladen werden. Ebenso können kompatible Checkpoints in DiffusionBee importiert werden, um lokal auf dem Mac Text in Bilder sowie Bilder in Text umzuwandeln.

• Komplette Checkpoints eignen sich für Benutzer, die eine vollständige Wiederherstellung und Kontrolle anstreben.
• Die extrahierten LoRA-Dateien sind kleiner und eignen sich gut zur Kombination mit dem Basismodell sowie zur Überlagerung mehrerer Konzepte.
• Die Hardwareanforderungen, Plugins sowie Sicherheitsrisiken von Drittanbieter-Tools werden von diesen selbst bestimmt.
• Überprüfen Sie vor dem Herunterladen das Dateiformat, den Modelltyp, die Anzahl der Trainingsschritte und die Gültigkeitsdauer.
• Checkpoints, die von unzuverlässigen Quellen stammen, können Sicherheits- oder Urheberrechtsrisiken mit sich bringen.

AUTOMATIC1111 und DiffusionBee sind lediglich kompatible Drittanbieter-Projekte und keine Clienten von dreamlook.ai. Ihre Open-Source-Natur bedeutet auch nicht, dass das Produkt von dreamlook.ai selbst open source ist.

API-Anbindungsprozess

1. Melden Sie sich bei Ihrem Konto an und erstellen Sie auf der API-Schlüsselseite einen speziellen Schlüssel.
2. Speichern Sie den Schlüssel in Serverumgebungsvariablen oder einem Schlüsselverwaltungssystem, und schreiben Sie ihn nicht in die Frontend-Code sowie in öffentliche Repositorien.
3. Wählen Sie gemäß den OpenAPI-Vorgaben zwischen Dreambooth, Image_gen oder einer End-to-End-Trainings-Generierungs-Schnittstelle.
4. Vorbereiten Sie die JSON-Parameter wie Bild-URL, Basismodell, Instance-Tipps, Anzahl der Schritte, Zuschnitt, Lernrate und Ausgabeformat.
5. Übermitteln Sie die Aufgabe und speichern Sie die zurückgegebene Aufgabennummer.
6. Abfragen der Aufgabenliste oder einer einzelnen Aufgabe, Abrufen des Fortschritts, Fehlermeldungen, Checkpoints sowie Bildergebnisse.
7. Verwenden Sie die Checkpoint-Schnittstelle, um das Modell herunterzuladen, und führen Sie innerhalb der Gültigkeitsdauer eine Sicherung durch.
8. Legen Sie Strategien für die Klassifizierung und Wiederholung von Anfragen für 401, 403, 422, vorübergehende Umleitungen sowie Serverfehler fest.

Die offenen Schnittstellen umfassen Aufgaben, Tags, Stornieren, Benutzerprofile, Checkpoints, Modelltraining, Bildgenerierung sowie End-to-End-Prozesse. Derzeit gibt es keine offiziellen SDKs für Python, JavaScript oder andere Sprachen; Entwickler müssen die Netzwerkschnittstellen direkt aufrufen oder diese selbst verpacken.

API-Fehler und Kostenkontrolle

• 401 bedeutet in der Regel, dass der API-Schlüssel ungültig oder fehlt.
• 403 kann bedeuten, dass nicht genügend Token vorhanden sind oder dass die aktuellen Berechtigungen diese Aufgabe nicht zulassen.
• 422 bedeutet, dass die Anfrageparameter oder die Konfiguration der Aufgabe den Anforderungen der Schnittstelle nicht entsprechen.
• 5xx steht für Fehler auf der Serverseite. Es sollte eine Wartestrategie angewandt werden, um den Vorgang erneut zu versuchen, und es sollte vermieden werden, mehrfach Gebühren zu erheben.
• Bei Stornierung oder Löschung nach Beginn der Aufgabe werden die Tokens möglicherweise nicht zurückerstattet; das Automatisierungssystem sollte zunächst die geschätzten Kosten überprüfen.
• Die Rückruf-Adressen, die Auftragsnummern sowie die Rechnungsdaten sollten in das eigene Audit-Log geschrieben werden.

Regeln für den Verbrauch von Tokens

Token können zum Trainieren und Erstellen verwendet werden. Der Kauf von Token sowie die Abonnementgebühren bilden zwei komplementäre Zahlungssysteme. Das Abonnement verbessert hauptsächlich Funktionen, Grenzen, die Anzahl der gleichzeitigen Abläufe, Warteschlangen sowie die Speicherdauer und beinhaltet außerdem monatlich eine bestimmte Anzahl an Token.

Einmalige Token-Boxen

Der Kauf von Token gilt als endgültiger Verkauf; unabhängig davon, ob sie verwendet werden oder nicht, wird in der Regel kein Geld zurückerstattet. Wenn eine Aufgabe nach ihrem Start storniert oder gelöscht wird, werden die für diese Aufgabe ausgegebenen Token möglicherweise ebenfalls nicht zurückgegeben.

Vergleich der monatlichen Abonnements

Das Modell von Enterprise kann während der Gültigkeitsdauer des Plans langfristig gespeichert werden, während die anderen Pläne jeweils 48 Stunden, 30 Tage und 90 Tage gelten. Die Zeiten für den Zugriff und die Löschung nach Ablauf eines kostenpflichtigen Plans müssen vor der Herabstufung festgelegt werden, und die wichtigen Modelle sollten im Voraus heruntergeladen werden.

Die Abonnemente werden automatisch verlängert; der Nutzer muss sie aktiv verwalten und kündigen. In der Regel wird kein Erstattungsbetrag für das Abonnement gewährt. Auch ungenutzte Token sowie der verbleibende Abonnementszeitraum werden nach Beendigung oder Aussetzung des Kontos nicht erstattet.

Zahlungen und Rechnungen

Der Service unterstützt Zahlungsmethoden wie Visa, Mastercard, American Express, Apple Pay, Google Pay, PayPal, WeChat Pay und Alipay. Die Zahlungen werden von Stripe abgewickelt; die Plattform gibt an, keine Karteninformationen selbst zu speichern.

• Vor dem Kauf sollten Währung, Steuern, Zahlungsempfänger und Rechnungsadresse überprüft werden.
• Protokollieren Sie den Verlängerungstermin für Abonnenten sowie das Datum des Modell-Downloads vor der Herabstufung.
• Die Token werden übertragen, doch ein ungenutzter Saldo zum Zeitpunkt der Kündigung des Kontos wird nicht zurückgegeben.
• Auf der Rechnungsseite können Sie die Transaktionen einsehen und eine Quittung oder Rechnung erhalten.
• Das Team sollte festlegen, wer Token kaufen, große Aufgaben erstellen und Checkpoints löschen darf.

Datenschutz, Speicherung und Datenverarbeitungsdienstleister

Die Datenschutzerklärung befasst sich mit der Nutzung der Website, den Besucherverläufen, der Art der Geräte, den Browsern, den IP-Adressen sowie den von den Nutzern hochgeladenen Bildern. Die Nutzer können sich an den Dienstanbieter wenden, um auf ihre persönlichen Daten zuzugreifen, diese zu aktualisieren oder zu löschen.

Bilder, die hochgeladen werden, sowie trainierte Modelle werden standardmäßig nach 48 Stunden gelöscht. Mit einem Abonnement kann die Speicherdauer der Modelle verlängert werden. Die Löschung bedeutet jedoch nicht, dass der Benutzer keine Backups anfertigen muss; außerdem bedeutet sie nicht, dass alle Rechnungen, Protokolle und rechtlichen Aufzeichnungen zur gleichen Zeit entfernt werden.

• Cloud und Analytik beziehen sich auf Google und Amazon Web Services.
• E-Mails und Kommunikation erfolgen über SendGrid und Discord.
• Kundenservice und Erfahrungsanalyse beinhalten Crisp und Hotjar.
• Die Zahlungen werden von Stripe abgewickelt, für das Werbeprogramm wird Rewardful verwendet.
• Netzwerke, Sicherheit und interne Zusammenarbeit beinhalten außerdem Cloudflare, Bitwarden, Notion, Trello, GitBook und Better Stack.
• Die Liste der Drittanbieter kann sich mit den Geschäftsbedingungen ändern; Unternehmen sollten sie regelmäßig überprüfen.

Es werden angemessene Sicherheitsmaßnahmen ergriffen, doch eine absolute Sicherheit kann nicht garantiert werden. Bei der Verarbeitung von Gesichter sowie unveröffentlichten Produkten oder Kundendaten sollte zunächst eine Maskierung vorgenommen werden, der Zugang eingeschränkt werden, und nach Abschluss der Aufgabe sollten diese Daten umgehend heruntergeladen und auf deren Löschung überprüft werden.

Inhaltsregeln, Porträts und kommerzielle Grenzen

Die Bestimmungen verbieten das Hochladen oder Erstellen von Inhalten mit Nacktheit sowie das Hochladen von Bildern von Kindern. Die Bilder zur Personenausbildung müssen Erwachsene zeigen, die ausdrücklich zugestimmt haben, und der Nutzer muss außerdem das gesetzliche Alter der Volljährigkeit in seinem Wohnort erreicht haben.

• Laden Sie nur Bilder hoch, die Sie selbst aufgenommen haben, für die Sie eine Lizenz besitzen oder deren Verwendung Ihnen gestattet ist.
• Es muss eine ausdrückliche Zustimmung des Abgebildeten zur Schulung der KI, zur Erstellung der Inhalte sowie zum geplanten kommerziellen Einsatz eingeholt werden.
• Man sollte keine erkennbaren Bilder von Prominenten, Minderjährigen oder Personen, die nicht über die Situation informiert sind, erstellen.
• Vor der Vermarktung prüfen Sie das Grundmodell, die Checkpoints, LoRA, Schriftarten sowie die Lizenzen für die Trainingsmaterialien.
• Dass ein Benutzer über ein selbst trainiertes Modell verfügt, bedeutet nicht, dass er die Einschränkungen durch das zugrunde liegende Modell sowie Drittanbieter-Materialien umgehen kann.
• Für Produktbilder und Werbung werden Zustimmungsformulare, Genehmigungen, Schulungseinstellungen sowie Erstellungsprotokolle aufbewahrt.

Die Plattform ermöglicht das Herunterladen selbst trainierter Modelle zur Verwendung in anderen Tools, garantiert dem Nutzer jedoch nicht, dass alle Ergebnisse urheberrechtlich geschützt oder unbegrenzt für kommerzielle Zwecke genutzt werden können. Der endgültige Einsatzbereich hängt von den Rechten an den Eingangsdaten, der Lizenz des Basismodells, den geltenden Gesetzen im jeweiligen Land sowie vom konkreten Verwendungskontext ab.

Offene Quellcodes für Produkte und die Entwickler-Ökologie

Passend für Nutzer und Szenarien

• Fotografie- und Profilbild-Apps: Schulung von Personendatenmodellen mit Zustimmung der Nutzer.
• E-Commerce- und Marken-Teams: Erstellung von Bildern mit einem festgelegten Produkt- oder Visuellstil.
• Produkte für Haustiere: Training der Haustiere sowie Erstellung von Szenen in großer Menge.
• KI-Kunstschöpfer: Trainieren eines individuellen Stils oder Konzepts mit LoRA.
• Entwickler: Durch API werden die Prozesse für das Trainieren, Erstellen und Herunterladen von Modellen erstellt.
• Forschungs- und Prototypenteam: Schnelle Vergleich von Grundmodellen, Datensätzen und Schrittanzahlen.

Vorteile und wesentliche Einschränkungen

Hauptvorteile

• Gleichzeitige Unterstützung für das Feintuning und Generieren von vollständigen Modellen für SD1.5 und SDXL.
• Nach dem Training können vollständige Checkpoints erstellt und LoRA extrahiert werden, um die Blockade der Plattform zu verringern.
• Webseiten eignen sich für Nicht-Entwickler, APIs für Systeme in großen Mengen.
• Das Pay-Plan bietet ControlNet, höhere Konkurrenzfähigkeit und eine längere Speicherdauer.
• Unterstützung der Verwendung heruntergeladener Modelle mit gängigen lokalen Stable Diffusion-Tools.

Hauptbeschränkungen

• Die Webseiten-Generierung verfügt derzeit nicht über ein eigenes img2img.
• Kostenlose Modelle und hochgeladene Bilder werden standardmäßig nur 48 Stunden lang gespeichert.
• Die Ergebnisse der Training sind von der Bildqualität, der Anzahl der Schritte, dem Basismodell und den Prompten abhängig.
• Die Rückzahlungsbeschränkungen für Token, Abonnements und bereits gestartete Aufgaben sind streng.
• Das Trainieren von Gesichtern beinhaltet Risiken im Bereich von Porträts, Privatsphäre und Deepfakes.
• Das Produkt ist nicht open source, und es gibt weder ein offizielles SDK noch ein GitHub-Repo.

Zusammenfassung

Dreamlook.ai eignet sich für Nutzer, die schnell angepasste Modelle von SD1.5 oder SDXL trainieren möchten und gleichzeitig über vollständige Checkpoints, LoRA-Funktionen sowie API-Zugänge verfügen wollen. Bevor mit großen Aufgaben begonnen wird, sollten zunächst Datensätze mit den kostenlosen Tokenn getestet werden. Dabei ist es wichtig, die Speicherdauer der Modelle, die automatische Verlängerung der Abonnements, die Rückgabebeschränkungen sowie die Lizenzen für die verwendeten Bilder zu beachten.

Häufige Fragen

Was macht dreamlook.ai?

Es bietet Cloud-Feinabstimmung für Stable Diffusion, LoRA-Extraktion, Text-zu-Bild-Generierung und APIs. Benutzer können Modelle für Personen, Gegenstände, Haustiere oder Stile trainieren.

Gibt es nach der Registrierung einen kostenlosen Betrag?

Ja, No Plan enthält derzeit 50 registrierte Token. Bei der kostenlosen Version sind die Limits für Parallelisierung, Training sowie die Speicherdauer der Modelle geringer.

Wie wird bei SD1.5 und SDXL für das Training abgerechnet?

Die derzeitige Regelung besagt, dass bei jeder 5.000 Schritten 10 bzw. 30 Token verbraucht werden. Vor dem Absenden sollte man den auf der Aufgabenseite angegebenen geschätzten Verbrauch prüfen.

Wie lange wird das Modell gespeichert?

Die kostenlose Version gilt standardmäßig 48 Stunden, Enthusiast 30 Tage, Pro 90 Tage, und bei Enterprise wird die Datenübertragung während der Gültigkeit des Plans dauerhaft aufbewahrt.

Kann man das vollständige Modell herunterladen?

Ja, nach Abschluss der Ausbildung kann man die vollständigen Safetensors-Checkpoints herunterladen, ebenso wie die extrahierten LoRA-Modelle. Die Backups sollten vor Ablauf der Aufbewahrungsfrist erstellt werden.

Wird die native LoRA-Training-Unterstützung bereitgestellt?

Der aktuelle Ablauf besteht darin, zunächst das gesamte Modell feinzujustieren und anschließend LoRA aus dem Checkpoint zu extrahieren, anstatt direkt ein natives LoRA-Training durchzuführen.

Gibt es eine API?

Ja, die öffentlichen Schnittstellen umfassen das Training, die Erstellung von Inhalten, die Verwaltung von Aufgaben, das Stornieren von Aktionen sowie die Verwaltung von Labels und Checkpoints. Vor dem Aufruf muss in dem Konto ein API-Schlüssel erstellt werden.

Kann man bei dem Kauf von Token Geld zurückbekommen?

In der Regel ist das nicht möglich – der Kauf von Tokens gilt als endgültiger Verkauf. Auch nach Stornierung oder Löschung einer Aufgabe werden die Tokens in der Regel nicht zurückgegeben.

Kann man Kinder oder Personen ohne Zustimmung trainieren?

Nein. Die Bedingungen verbieten Bilder von Kindern; die Darstellung von Personen darf nur bei ausdrücklicher Zustimmung erwachsener Personen erfolgen.

Ist dreamlook.ai Open Source?

Das Produkt selbst verfügt weder über offene Quellcodes noch über eine Open-Source-Lizenz, und es gibt auch keine offizielle GitHub-Seite. Die Kompatibilität mit Open-Source-Tools bedeutet nicht, dass das Produkt selbst open source ist.