AIArt

Was ist AIArt?

AIArt bezieht sich auf aiart.dev, eine von dem Entwickler Nate Raw erstellte Website zur Präsentation von KI-Kunstwerken und zu technischen Anleitungen. Sie dient hauptsächlich zum Teilen von generierten Bildern sowie von Experimenten mit Stable Diffusion und ist kein kommerzieller Generator, der Bilder direkt auf Basis von Eingabebefehlen erstellt.

Bis August 2026 war die Inhaltsseite der Website sehr einfach gestaltet: Es wurden lediglich eine Galerie mit von KI erstellten Bildern sowie ein ausführlicher Leitfaden zur Erstellung von Musikvideos mit Stable Diffusion angeboten. Besucher mussten sich nicht registrieren, es gab weder ein Mitgliedsystem noch Punkte oder eine Gebührenstruktur pro Bild.

Aktueller Inhalt der Website

• Galerie von von KI erstellten Bildern.
• Stable Diffusion-Musikvideo-Tutorial.
• Experimentiercode, der in einem Cloud-Notizbuch geöffnet werden kann.
• Erklärung des Prinzips der Interpolation im latenten Raum.
• Beispiel für die Embedding-Interpolation von Prompten.
• Methode zur Steuerung von Bildveränderungen durch Audiosignalenergie.
• Verknüpfung von Open-Source-Projekten mit Eingängen zu technischen Dokumentationen.

Es ist keine Online-KI-Zeichnungsplattform.

Die AIArt-Seite verfügt weder über einen Modell-Selektor noch über ein Feld zur Eingabe von Prompten, kein Konto für die eigenen Werke, keine Punktekasse noch eine Warteschlange für die Online-Generierung. Im Verzeichnis sollte sie daher als Ressource für KI-Kunst sowie als Anleitung zu den entsprechenden Technologien eingestuft werden – und nicht als Online-Plattform für kreative Arbeiten wie Midjourney oder OpenArt.

Kunstgalerie mit KI-Werken

Die Galerie dient dazu, von KI erzeugte Bilder zu zeigen und den Besuchern dabei zu helfen, den Stil sowie die Komposition der frühen Stable Diffusion-Werke zu erkennen. Sie ähnelt eher einer Seite zur Präsentation von Experimentelergebnissen und bietet keine Funktionen für die Verwaltung von Community-Beiträgen, Kommentaren, Likes oder Beiträgen selbst.

• Sehen Sie sich Beispiele für generierte Bilder an.
• Beobachten Sie die visuellen Ergebnisse verschiedener Themen.
• Erhalten Sie Anregungen für Prompte und Kompositionen.
• Erfahren Sie die Bildmerkmale früher Diffusionsmodelle.
• Als Referenz für Ergebnisse in technischen Anleitungen.

Musikvideo-Tutorials

Der Kernartikel der Website wurde im Oktober 2022 veröffentlicht und erklärt, wie man mit Stable Diffusion abwechselnde Bilder erzeugen kann, die sich im Rhythmus der Musik bewegen. Ziel des Tutorials ist es, die Funktionsweise zu erläutern und das gesamte Experiment in ein ausführbares Notebook zu organisieren.

• Laden Sie das Stable Diffusion-Modell.
• Fixieren Sie das zufällige Seed, um das Bild wiederzugeben.
• Interpolation zwischen zwei Rauschvektoren.
• Übergang zwischen den Text-Embeddingen verschiedener Prompt-Sätze.
• Bilder werden Frame für Frame erzeugt.
• Kombiniere aufeinanderfolgende Frames zu einer animierten Grafik oder einem Video.
• Anpassung des Interpolationsfortschritts nach der Audioenergie.

Implizite Räumliche Interpolation

Der Leitfaden erklärt zunächst den Zusammenhang zwischen zufälligem Rauschen und den erzeugten Ergebnissen: Mit demselben Modell, den gleichen Prompten und demselben Rauschen lässt sich in der Regel dasselbe Bild erzeugen; wechselt man hingegen das Rauschen, erhält man unterschiedliche Ergebnisse. Durch einen sanften Übergang zwischen zwei Rauschvektoren können visuell kontinuierlich verändernde Zwischenbilder erzeugt werden.

• Setzen Sie für Start- und Endpunkt unterschiedliche zufällige Samenwerte.
• Mittleren Rausch durch sphärische lineare Interpolation erzeugen.
• Das Diffusionsmodell wird in jedem Zeitschritt aufgerufen.
• Speichern Sie alle Zwischenbilder.
• Überprüfen Sie, ob die benachbarten Frames kontinuierlich sind.
• Anpassung der Glätte der Übergangskontrolle des Schrittzahls.

Hint-Wort-Embedding-Interpolation

Neben dem Übergang zwischen zufälligem Rauschen versucht das Tutorial auch, eine Interpolation zwischen den Text-Embeddingen zweier Prompt-Abschnitte vorzunehmen. Dadurch kann das Thema des Bildes allmählich von einem Konzept zu einem anderen übergehen, anstatt abrupt zu wechseln.

• Vorbereiten Sie die Start-Anweisungen und die End-Anweisungen.
• Berechnen Sie die Embeddings für die beiden Textabschnitte separat.
• Text-Embeddings nach zeitlicher Gewichtung mischen.
• Gleichzeitige Interpolation von Rauschen und Textbedingungen.
• Prüfen Sie die semantischen Veränderungen Frame für Frame.
• Verringerung von Mutationen oder Themenverschiebungen.

Audio-Rhythmus angetrieben

Durch die Analyse der Energie von Audioschnitten bewirkt das Tutorial, dass sich die Bilder in den lauten Abschnitten schneller bewegen und in den leisen Abschnitten langsamer. Es handelt sich dabei um eine Idee für technische Experimente – es ist kein vollständiger Videoeditor mit Zeitachse, Spuren und Exportfunktionen.

• Laden der zulässigen Audio-Dateien.
• Berechnung der mit der Zeit schwankenden Audiospannung.
• Energie in Interpolationsgewichte umwandeln.
• Erhöhen Sie bei starken Rhythmen die visuellen Veränderungen.
• Bei niedriger Energie bleiben die Übergänge langsamer.
• Die erzeugten Frames werden mit dem Audio neu zusammengesetzt.

Die wichtigsten verwendeten Technologien

Anforderungen an die Hardware für das Tutorial

Der ursprüngliche Leitfaden ist für GPU-Umgebungen und Halbpräzisionsmodelle verfasst und verwendet Bilder mit 512 Pixeln als Beispiel. Die Erstellung eines Videos Frame für Frame setzt die Wiederholung des Diffusionsmodells voraus, wodurch der Grafikspeicher, die Anzahl der erzeugten Frames sowie die Berechnungsgeschwindigkeit den Abschlusszeitraum direkt beeinflussen.

• Zur Priorisierung sollten eigenständige GPU mit Unterstützung für Deep Learning verwendet werden.
• Stellen Sie sicher, dass der Arbeitsspeicher das Modell sowie die gewünschte Auflösung aufnehmen kann.
• Zuerst wird der gesamte Prozess mit einer kleinen Anzahl von Frames getestet.
• Die Reduzierung der Auflösung kann den Ressourcenverbrauch verringern.
• Lange Videos benötigen mehr Zeit zur Erstellung und mehr Speicherplatz.
• Cloud-GPUs können zusätzliche Kosten verursachen.

Die Tutorial-Version ist bereits veraltet.

Der Artikel verwendet Diffusers 0.4.0 und Stable Diffusion 1.4, was die technische Situation im Jahr 2022 widerspiegelt. Die Schnittstellen der aktuellen Bibliotheken, die Lizenzen für die Modelle, die zurückgegebenen Objekte sowie die Sicherheitskomponenten können sich inzwischen geändert haben. Wenn man alten Code direkt Zeile für Zeile ausführt, können Abhängigkeitsfehler auftreten.

• Zuerst werden die ursprünglichen Abhängigkeiten in einer isolierten Umgebung nachgebildet.
• Erwarten Sie nicht, dass der Code unverändert bleibt, nachdem alle Bibliotheken direkt aktualisiert wurden.
• Aktualisieren Sie die Methode zur Laden des Modells gemäß dem aktuellen Dokument.
• Überprüfen Sie erneut die Rückgabewerte der Logik und die Scheduler-Schnittstelle.
• Überprüfen Sie die Zugriffsrechte und Lizenzen für das Zielmodell.
• Speichern Sie eine wiederholbarer Makefile.

Für welche Benutzer geeignet

• Entwickler, die lernen, wie Diffusionssmodelle funktionieren.
• Studenten sind Kreative, die Video-Interpolation entwickeln.
• Für Studenten, die die zufälligen Samen und latenten Variablen verstehen möchten.
• Technische Grafikdesigner, die sich auf das Lesen von Python-Notizbüchern vorbereiten.
• Forscher, die nach frühen Experimenten mit Stable Diffusion suchen.
• Hoffentlich gibt es gewöhnliche Besucher, die Beispiele für von KI erzeugte Kunst betrachten möchten.

Typische Lernszenarien

• Verstehen, wie dieselben Samen dabei helfen, Bilder zu reproduzieren.
• Erstellen Sie eine sanfte Übergangsbildung zwischen den beiden erzeugten Bildern.
• Konzept der Test-Hinweistexte entwickelt sich schrittweise.
• Untersuchung der Abbildung zwischen musikalischer Energie und visuellen Bewegungen.
• Lernen, Bildfolgen in Video zu kodieren.
• Den Tutorial-Prototyp in ein eigenes Experimentprojekt umwandeln.

Für welche Situationen es nicht wirklich geeignet ist

• Für Benutzer, die Bilder ohne Code online erstellen möchten.
• Filmemacher, die fertige Video-Zeitströme und Vorlagen benötigen.
• Für Anfänger, die eine umfassende Anleitung zu den aktuellen Standardmodellen benötigen.
• Benutzer ohne GPU oder Cloud-Umgebung.
• Teams, die einen Kundenservice für Geschäftskunden, API-Services oder Massenproduktionsdienste benötigen.
• Kreative, die sich einer aktiven Werksgemeinschaft anschließen möchten.

Art der Besuche und Gebühren

Die Seiten der AIArt-Website können direkt besucht werden – es ist weder eine Registrierung noch ein Mitgliedsstatus oder Punkte für Werke erforderlich. Die Website selbst ist kostenlos zugänglich. Allerdings erfordern die Simulationsexperimente oft GPU-Leistung, bezahlte Ressourcen in der Cloud, Speicherplatz für Modelle sowie eine Umgebung zur Videobearbeitung.

Warum gibt es keine Preisliste?

AIArt ist keine SaaS-Plattform, und es gibt auch keine Ebenen mit kostenloser, professioneller oder Unternehmensversion. Die Preisarten im Verzeichnis sollten als „kostenlose Inhaltsseiten“ bezeichnet werden, wobei darauf hingewiesen werden sollte, dass die Nutzung von Drittanbietermodellen sowie die Inanspruchnahme von Rechenleistung in der Cloud zusätzliche Kosten verursachen kann.

Tutorial zur Navigation auf der Website

1. Gehen Sie auf die Startseite, um den aktuellen verfügbaren Inhalt zu überprüfen.
2. Schauen Sie sich zunächst die Galerie an, um die Ausgabeformate kennenzulernen.
3. Öffnen Sie den Artikel über Musikvideos mit Stable Diffusion.
4. Lesen Sie über Konzepte wie Hintergrund, latenter Raum und Interpolation.
5. Sehen Sie sich die Beispielergebnisse für jede Phase an.
6. Protokollieren Sie die alten Abhängigkeiten, die im Artikel verwendet werden.
7. Gehen Sie zum ausführbaren Notebook, wenn Praxis erforderlich ist.

Vorbereitungen vor dem Realisierungsversuch

1. Vorbereiten Sie eine lokale oder cloudbasierte Umgebung mit GPU.
2. Überprüfen Sie die Kompatibilität von Python, PyTorch und den Grafiktreiber.
3. Lesen Sie die Lizenzbedingungen und Zugangsvoraussetzungen des Zielmodells.
4. Erstellen Sie eine separate virtuelle Umgebung für alte Lehrmaterialien.
5. Installieren Sie zuerst die Kernabhängigkeiten in der ursprünglichen Version.
6. Erstellen Sie kurze Audiodateien mit Nutzungsrechten.
7. Reservieren Sie Speicherplatz für Modelle, Frame-Diagramme und Gesamtbilder.

Schritte zur Erstellung eines interpolierten Videos

1. Wählen Sie die Hinweise für Start- und Endpunkt aus.
2. Setzen Sie für die beiden Endpunkte ein reproduzierbares Zufalls-Saatwert.
3. Erstellen Sie zunächst eine Endpunkt-Karte und überprüfen Sie die Inhaltssicherheit.
4. Stellen Sie für den Test eine geringere Anzahl an Interpolationsschritten ein.
5. Erstellen und speichern Sie Bildern mit einheitlichen Namen, jeweils Frame für Frame.
6. Überprüfen Sie Flackern, Mutationen und Themenverschiebungen.
7. Erstellung einer Bildfolge mit Video-Tools.
8. Erhöhen Sie die Frame-Zahl und Auflösung erst, nachdem die Wirkung bestätigt wurde.

Lassen Sie das Bild der Musik folgen.

1. Verwenden Sie autorisierte Audiodateien.
2. Teilen Sie die Audiodauer nach der Videoframerate auf.
3. Berechnen Sie die Energie oder die Rhythmusmerkmale jedes Fragments.
4. Normalisieren Sie die Merkmale zu Gewichten für eine glatte Interpolation.
5. Erstellen Sie eine kleine Anzahl an Vorschauframes, um die Bewegungsgesetze zu überprüfen.
6. Anpassen der Stärkeveränderungen, um Sprünge im Bild zu vermeiden.
7. Synthetisierte Bilder und Tonspuren werden abgeglichen und auf Synchronisation überprüft.

Methoden zur Aufwertung alter Schulungen

1. Zuerst werden die Modelle und Abhängigkeitsversionen des alten Tutorials vollständig aufgezeichnet.
2. Lesen Sie die aktuellen Anleitungen zur Migration von Diffusoren.
3. Wählen Sie ein neues Modell aus, dessen Lizenz für den gewünschten Zweck geeignet ist.
4. Der Code für das Laden des Modells, die Inferenz und die Rückgabe von Werten wird einzeln ersetzt.
5. Schreiben Sie kleine Tests für den Zufalls-Seed, die Größe und die Ausgabeframes.
6. Die Überprüfungen der Sicherheit sowie die Handhabung von Abweichungen sind weiterhin wirksam.
7. Die neue Version der Umgebung festlegen und detaillierte Anleitungen zur Wiederholung des Experiments speichern.

Inhaltsrechte und Musiklizenzen

• Man sollte nicht davon ausgehen, dass die Ausgaben des Modells von vornherein kein Urheberrechtsrisiko bergen.
• Überprüfen Sie die Lizenzen für das Trainieren und die Verwendung des Modells.
• Überprüfen Sie, dass die Prompt-Wörter keine Marken oder Personen unrechtmäßig verwenden.
• Verwenden Sie nur Musik, die Sie selbst erstellt haben oder für die Sie eine Lizenz besitzen.
• Speichern Sie die Lizenzzuweisungsdaten vor der öffentlichen Veröffentlichung.
• Wirtschaftsprojekte sollten hinsichtlich von Porträts, Marken und Urheberrechten überprüft werden.
• In verschiedenen Regionen können die Regeln für die Erstellung von Inhalten unterschiedlich sein.

Sicherheits- und Inhaltungsrisiken

• Modelle können unangemessene oder voreingenommene Inhalte erzeugen.
• Alte Abhängigkeiten können bekannte Sicherheitslücken aufweisen.
• Drittanbieter-Notebooks können auf Cloud-Speicher oder Kontoinhalte zugreifen.
• Modelldateien sollten aus zuverlässigen Quellen bezogen werden.
• Überprüfen Sie vor dem Start alle Installationen und Dateioperationen im Notebook.
• Inhalte über öffentliche Persönlichkeiten können irreführend oder als Deepfakes sein.
• Es wird empfohlen, bei der Veröffentlichung eines Werkes den Grad der Beteiligung von KI anzugeben.

Vorteile des Produkts

• Zeigen Sie direkt Beispiele für von KI erzeugte Kunst.
• Ein umfangreicher Leitfaden erklärt die Prinzipien der Interpolation im latenten Raum.
• Doppelte Übergangseffekte für die Überlagerung von Prompten und zufälligem Rauschen.
• Zeigt die Idee, wie Audio-Energie Bilder antreibt.
• Es werden ausführbare Notebooks zur Verfügung gestellt, um das Lernen zu erleichtern.
• Der Zugang zur Website ist kostenlos und erfordert keine Registrierung.
• Die Quelldateien der Website sind öffentlich zugänglich, und die Struktur des Inhalts kann überprüft werden.

Produktbeschränkungen

• Kein Online-AI-Bildgenerator.
• Die Anzahl der derzeit öffentlich verfügbaren Inhalte ist sehr gering.
• Der Kernlehrplan basiert auf der Technologie-Stack von 2022.
• Alte Abhängigkeiten könnten nicht direkt ausgeführt werden.
• Keine Konten, keine Verwaltung von Werken oder Community-Funktionen.
• Es gibt keine API, keine Teamfunktionen und keinen Geschäftsunterstützungsservice.
• Video-Experimente erfordern Kenntnisse in Programmierung sowie GPU-Ressourcen.
• Die Website gibt keinen klaren Update-Plan an.

GitHub und der Open-Source-Zustand

Das öffentliche Repository für aiart.dev ist der von nateraw gepflegte aiart-blog. Es enthält die Konfigurationsdateien für die Quarto-Seite, die Quelltexte der Artikel, Galerien sowie Stylesheets. Das Repository ist öffentlich einsehbar; Stand der Überprüfung gibt es etwa 21 Commit-Zeilen. Auf der Seite wird jedoch keine klare Softwarelizenz angegeben.

Öffentliche Lager sind nicht gleichbedeutend damit, dass der gesamte Code und die Inhalte beliebig kopiert, verändert oder für kommerzielle Zwecke genutzt werden können. Da es keine klare Lizenz gibt, muss für eine Nutzung außerhalb des Bereichs des Besichtigens und Lernens zuerst die Genehmigung des Autors eingeholt werden; die damit verbundenen Stable Diffusion-Videos sind ein separates Projekt, dessen Lizenz separat überprüft werden muss.

Status der Website-Wartung

Auf der Startseite wird derzeit nur ein Artikel mit einem Veröffentlichungsdatum vom 11. Oktober 2022 angezeigt, und das GitHub-Repositorium ist ebenfalls klein. Es eignet sich eher zur Aufbewahrung von historischen technischen Unterlagen und sollte nicht als eine kontinuierlich aktualisierte Plattform für Nachrichten zum Bereich KI-Kunst dargestellt werden.

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 3,7 / 5. AIArt eignet sich für Entwickler, die das Potential von Stable Diffusion, die Prinzipien der Prompt-Interpolation sowie die Funktionsweise musikgesteuerter Bilder verstehen möchten. Es kann auch als Material für frühe Experimente im Bereich KI-Kunst verwendet werden.

Wenn das Ziel darin besteht, Bilder direkt online zu erstellen, die neuesten Modelle zu nutzen oder ständig aktualisierte Systemkurse zu erhalten, sollte man eine weiterhin gewartete Kreativplattform sowie die aktuellen offiziellen Dokumentationen wählen.

Häufige Fragen

Kann AIArt direkt Bilder erstellen?

Nein, die aktuelle Website ist hauptsächlich eine Galerie und Schulungsseite – es gibt kein Tool zur Erstellung von Anweisungen online.

Ist AIArt kostenlos?

Der Inhalt der Website kann kostenlos eingesehen werden, doch die Ausführung der Modelle kann Kosten für lokale Hardware oder GPU-Services in der Cloud verursachen.

Muss man ein Konto anlegen?

Um die Website zu durchsuchen, ist keine Registrierung erforderlich. Um ein Cloud-Notizbuch zu öffnen oder eingeschränkte Modelle herunterzuladen, kann jedoch ein Konto bei einem Dritten benötigt werden.

Worum geht es hauptsächlich in dem Tutorial?

Es wird hauptsächlich erklärt, wie man Rauschen und Texteinschübe einfügt, damit die Bilder von Stable Diffusion sich je nach Energie des Musikstücks verändern.

Kann die Anleitung jetzt noch direkt ausgeführt werden?

Nicht unbedingt, es verwendet fest das Modell und die Abhängigkeiten von 2022; zuerst sollte es in einer isolierten Umgebung nachgebildet oder gemäß den aktuellen Dokumenten migriert werden.

Wird eine API bereitgestellt?

Es gibt keine offiziellen kommerziellen Schnittstellen; die Aufrufe der in den Artikeln beschriebenen Modelle finden im eigenen Experimentierumfeld des Lesers statt.

Ist AIArt ein Open-Source-Projekt?

Die Quelldateien der Website sind auf GitHub öffentlich zugänglich, doch auf der Repository-Seite wird keine klare Lizenz angegeben. Daher kann nicht davon ausgegangen werden, dass sie frei für kommerzielle Zwecke genutzt werden dürfen.

Eignet es sich für Anfänger?

Konzepte können gelesen werden, aber die Umsetzung von Experimenten erfordert Python, ein Umfeld für tiefes Lernen sowie Grundkenntnisse in der Videoverarbeitung.

Kann man mit Tutorials Musikvideos für kommerzielle Zwecke erstellen?

Technisch kann man sich daran orientieren, doch die Lizenzen für Code, Modelle, Musik, Porträts und die Ausgabekontente müssen separat überprüft werden.