Astria.ai

Was ist Astria.ai?

Astria.ai ist eine maßgeschneiderte Plattform zur Erstellung von Bildern, die sich an Entwickler, Bildstudios sowie Teams für KI-Anwendungen richtet. Nutzer können Personen, Produkte, Kleidung, Haustiere oder Stilmaterialien hochladen, spezielle Modelle trainieren und so in großen Mengen Bilder mit höherer Kohärenz erzeugen.

Es bietet sowohl eine Web-Oberfläche als auch eine REST-API und vereint das Modell-Tuning, Prompting, Bildgenerierung, Videogenerierung, Callbacks sowie die Abrechnung in derselben Dienstleistung. Die Plattform eignet sich besonders zur Erstellung von KI-generierten Fotografien, Produktbildern, virtuellen Anproben und Markeninhalten.

Kernfunktionen

• Bild-Tuning: Mit Trainingsbildern werden spezielle Modelle erstellt, die in der Lage sind, bestimmte Personen, Objekte oder Stile zu erkennen.
• Flux LoRA: Auf der Basis des Flux-Modells werden leichte Anpassungsgewichte trainiert, die sowohl die Identitätsbeibehaltung als auch das Verständnis von Prompten berücksichtigen.
• FaceID: Nutzt weniger Referenzbilder, um die Identität einer Person schnell zu bestimmen – es ist kein herkömmliches Gewichtungstraining notwendig.
• Bildgenerierung: Die Ergebnisse werden durch Prompts, negative Prompte, Seed-Werte, Größe und die Anzahl der zu generierenden Bilder gesteuert.
• Bildsteuerung: Unterstützung von Referenzbildern, Pose, Tiefe, Rändern, lokaler Neuzuschnitt sowie verschiedenen ControlNet-Methoden.
• Erweiterte Bearbeitung: Es stehen Optionen wie Gesichtsreparatur, Gesichtswechsel, Überauflösung, Filmkorn sowie Farbstile zur Verfügung.
• Packs-Vorlage: Verpackt die Trainingskonfiguration und eine Reihe von Prompten zu wiederverwendbaren Bild- oder Produktbild-Konzepten.
• Videoerstellung: Unterstützung für Text-zu-Video-, Bild-zu-Video-Generierung, mehrere Referenzen, Anfangs- und Endframes, Audio- sowie Bewegungskontrolle.
• Entwickler-API: Erstellen, Abfragen und Löschung von Aufgaben sowie Empfang von Webhooks über Tune- und Prompt-Ressourcen.

Vergleich der Methoden zur Feinabstimmung von Modellen

Eigenschaften der Flux LoRA-Training-Methode

Der aktuelle Dokument von Astria betrachtet Flux als wichtige Methode für die Feinabstimmung und Inferenz. Die empfohlene Portrait-Einstellung kann außerdem für die meisten Trainingsfälle ohne speziellen Stil verwendet werden. Diese Einstellung kümmert sich um das Ausschneiden von Gesichtern sowie um unscharfe oder in niedriger Auflösung vorliegende Bilder und reduziert so weit wie möglich das Überanpassen des Modells an Kleidung und Hintergrund.

• Die grundlegende Auflösung beträgt 1024 Pixel, und es ist möglich, verschiedene Seitenverhältnisse zu verarbeiten.
• Beschreibende, natursprachliche Prompte eignen sich in der Regel besser für Flux als einfache Tag-Stacks.
• Die Portrait-Einstellung legt Wert auf Identitätsmerkmale, vielfältige Kompositionen und die Übereinstimmung der Anweisungen.
• Die Fast-Einstellung eignet sich für Szenarien, deren Ausgabe den Trainingsdaten ähnelt, gehört aber zu den früheren schnellen Lösungen.
• Die Anzahl der Trainingsschritte beeinflusst die Kosten, die Ähnlichkeit, die Generalisierungsfähigkeit und das Risiko des Überanpassens.
• Für den kommerziellen Einsatz muss weiterhin die Lizenzierung des Basismodells sowie der von der Plattform bereitgestellten Funktionen überprüft werden.

Wie man Modelle für spezifische Charaktere trainiert

1. Wählen Sie LoRA, FaceID oder eine andere Trainingsmethode aus und legen Sie fest, ob letztendlich ein Profilbild, ein Vollkörperfoto oder ein Bild einer Szene erstellt werden soll.
2. Bereiten Sie 4 bis 16 klare Fotos von derselben Person vor, die Nahaufnahmen, Halbporträts sowie verschiedene Ansichten und Gesichtsausdrücke umfassen.
3. Bilder mit starken Filtern, Verdeckungen, Gruppenfotos, wiederholten Kompositionen sowie zu niedriger Auflösung werden ausgeschlossen.
4. Erstellen Sie ein Tune, wählen Sie das Grundmodell, die Kategorie der Personen, die Trainingseinstellungen aus und laden Sie die Trainingsbilder hoch.
5. Erstellen Sie erste Prototypen mithilfe fester Testanweisungen für verschiedene Szenarien und Lichtverhältnisse.
6. Vergleich der Identitätsähnlichkeit, Hand-, Gesichts- und Kleidungskontakte sowie des Overfitting bei dem Hintergrund.
7. Anpassen Sie die Trainingsbilder, Prompt-Wörter, die Stärke von LoRA oder die Generierungsparameter, um schließlich das endgültige Template zu erstellen.

Prompte und Bildgenerierung

Astria bezeichnet eine Bildgenerierungsaufgabe als Prompt und verknüpft sie mit einem bestimmten Tune. Entwickler können die Anzahl der zu generierenden Bilder, das Seitenverhältnis, den Zufallskeim, die Anzahl der Inferenzschritte, die Stärke des Prompts sowie die Callback-Adresse steuern.

• Positive Hinweise beschreiben den Hauptgegenstand, die Kleidung, die Umgebung, die Kameraeinstellungen, das Licht sowie den Stil des Bildes.
• Negative Hinweise dienen dazu, unerwünschte Objekte, Verzerrungen oder visuelle Merkmale auszuschließen.
• Die Festlegung der Samen hilft dabei, Veränderungen der Parameter zu vergleichen, garantiert aber nicht dasselbe Bild über verschiedene Modelle hinweg.
• Der LoRA-Stärke-Controller balanciert zwischen speziellen Eigenschaften und den Fähigkeiten des Basismodells.
• Super-Resolution, Gesichtsreparatur und Face-Swap erhöhen die Verarbeitungsschritte und Kosten.
• Für eine Aufgabe können 1 bis 8 Bilder angefordert werden; die genauen Kosten variieren je nach Modell und den zusätzlichen Funktionen.

Was ist ein Packs-Template?

„Pack“ ist eine Sammlung von Prompten, Klassifizierungsregeln und Trainingseinstellungen, mit der die von dem kreativen Team entworfenen Fotothemen direkt an die Anwendung übergeben werden können. Dadurch werden die im Backend festgelegten Parameter reduziert, und es ist den Betreuern möglich, die Themen zu aktualisieren, ohne das Programm ändern zu müssen.

Wie man mit Packs eine KI-gestützte Fotobearbeitungs-App erstellt

1. Erst werden mehrere visuelle Themen für die Zielgruppe entworfen, und anschließend werden mehrere Testpersonen eingesetzt, um Fairness und Stabilität zu überprüfen.
2. In Pack werden das Basismodell, der Trainingstyp, die Kategorisierung der Personen, die Prompt-Wörter sowie die Generierungsparameter festgelegt.
3. Die Vorderseite sammelt die Fotos der Benutzer ein und überprüft vor dem Hochladen die Anzahl, die Schärfe sowie die Qualität des Gesichts.
4. Die Backend-Plattform erstellt über Pack Tunes, um eine eindeutige Zuordnung zwischen den Geschäftsbestellungen und den Tunes zu speichern.
5. Warten Sie auf die Rückrufmeldung nach Abschluss der Trainierung, um anschließend die Batch-Prompt-Sätze in Pack auszulösen.
6. Zeigen Sie den Benutzern die Erstellungsergebnisse an und dokumentieren Sie gleichzeitig die Auswahlentscheidungen, Fehlschläge sowie die Gründe für Rückerstattungen.
7. Aktualisieren Sie das Pack auf Grundlage echter Rückmeldungen – es ist nicht notwendig, jeden Prompt fest im Backend-Code zu speichern.

Virtuelles Anprobieren und Produktfotografie

Astria kann Personen, Kleidungsstücke oder Produktreferenzen mit Generierungsmodellen kombinieren, um virtuelles Anprobieren sowie die Erstellung von E-Commerce-Inhalten zu ermöglichen. Die Kleidungsstücke können entweder als Bilder von Models in der Kleidung dargestellt werden oder als Flachbildabbildungen – doch die Trainingsanleitungen sowie die Kategorisierungen der Objekte müssen korrekt angegeben werden.

• Kleidungsanprobe: Übertragen der ausgewählten Kleidung auf die Zielperson oder ein virtuelles Model.
• Produktfotografie in Schaufenstern: Erstellung von Produktbildern vor unterschiedlichen Hintergründen, mit unterschiedlichem Licht und in verschiedenen Kompositionen.
• Markenmodel: Beibehaltung derselben Person, mit Wechsel der Kleidung, Haltung und des Ortes.
• Raumgestaltung: Erstellung verschiedener Möbel- und Dekorstile für Innenräume.
• Haustierfotos: Training des Haustieres als Hauptmotiv und Erstellung von Motiven zu Feiertagen, Filmen oder Gemälden.
• Marketing-Varianten: Massenherstellung von visuellen Materialien in Quer-, Hochformat sowie für Social-Media-Profile.

Mehrere Personen und mehrere LoRA-Generierungen

Die mehrfache LoRA-Funktion ermöglicht es, in einem einzigen Bild mehrere bereits trainierte Charaktere zu verwenden. Je mehr Charaktere es gibt, desto höher ist jedoch die Wahrscheinlichkeit von Verwechslungen bezüglich der Identitäten sowie von Problemen bei der Komposition des Bildes. Jeder Charakter sollte ein kompatibles Basismodell verwenden, und seine Position sowie seine Eigenschaften müssen in den Anweisungen klar beschrieben werden.

• Erstellen Sie für jede Figur einen stabilen Flux LoRA mit konstanter Qualität.
• Verwenden Sie dieselben oder kompatible Basismodelle sowie Trainingsmethoden.
• Geben Sie in den Anweisungen Links/Rechts, Vorne/Hinten, Kleidung und Bewegung an.
• Zuerst werden Szenen mit zwei Personen im Halbprofil getestet, anschließend werden komplexe Hintergründe und vollständige Körperbewegungen hinzugefügt.
• Überprüfen Sie Probleme mit der Identifizierung durch Gesichter, überschneidenden Körperteilen und getauschten Kleidungsstücken.

Fähigkeit zur Videoerstellung

Die Video-Schnittstelle von Astria umfasst Video-Generierung aus Text, Video-Generierung aus Bildern, Umwandlung von Referenzbildern in Videos, Verwendung von Referenzvideos sowie Bewegungskontrolle. Der Benutzer kann das Video-Modell, die Bewegungsanweisungen, die Dauer, das Seitenverhältnis, die Anfangs- und Endframes sowie die Audioeinstellungen auswählen.

• DALL·E Video: Erstellt direkt Videos, indem nur Beschreibungen von Aktionen und Szenen eingegeben werden.
• TuSheng-Video: Erst wird der erste Frame erstellt oder hochgeladen, anschließend werden die Personen sowie die Bewegungen der Kamera beschrieben.
• Mehr Referenzvideos: Verwenden Sie mehrere Referenzbilder von Personen oder Produkten, um die Merkmale des Hauptmotivs beizubehalten.
• Anfangs- und Endbild-Kontrolle: Festlegung der Anfangs- und Endbilder des Videos, um den Verlauf der Veränderungen zu steuern.
• Übertragung von Bewegungen: Laden Sie ein Anleitungsvideo hoch, damit die Zielperson die vorgegebene Bewegung nachahmt.
• Audio-Generierung: Einige Modelle können Ton erzeugen oder Referenz-Audio entgegennehmen.
• Video-Länge: Die verfügbaren Werte hängen vom Modell ab; ab der Grundlänge steigen die Kosten in der Regel linear an.

Preise für repräsentative Video-Modelle

In den offiziellen Dokumenten werden die Preise in Cent pro Videoaufgabe angegeben – wobei unterschiedliche Auflösungen, Audioqualitäten, Dauer sowie Modelle zu unterschiedlichen Kosten führen. In der folgenden Tabelle sind nur repräsentative Modelle aufgeführt; die tatsächlichen Gebühren richten sich nach dem aktuellen Preis zum Zeitpunkt der Auftragserteilung.

APIs und Entwicklerfähigkeiten

• REST-Schnittstelle: Bietet mit Tune und Prompt als zentralen Ressourcen Funktionen für Erstellen, Abfragen, Auflisten und Löschung.
• Bearer-Authentifizierung: Jeder Anfrage wird durch die Verwendung der API-Schlüssel des Kontos eine Autorisierung erteilt.
• Webhook-Rückruf: Nach Abschluss des Trainings oder der Erstellung wird das Ergebnisobjekt an den Backend-Service gesendet.
• Idempotente Steuerung: Vermeidung der mehrfachen Erstellung von Modellen oder wiederholten Abrechnungen bei Timeout-Wiederholungsversuchen.
• Mock-Test: Mit dem fast-Test-Modus werden simulierte Tune- und Bilddateien erstellt, ohne dass tatsächliche Erstellungskosten anfallen.
• Automatische Aufladung: Wenn der Saldo auf Null fällt, kann der Kontostand nach Einstellungen wieder aufgefüllt werden – geeignet für kontinuierlich laufende Anwendungen.
• Packs API: Trennt die kreativen Vorlagen von der Backend-Logik und unterstützt Bildergalerien sowie private Packs der Benutzer.
• Bildprüfung: Vor dem Training werden Bilder von schlechter Qualität sowie Merkmale von Personen erkannt, um Probleme bei der Hochladen zu erkennen.

Schritte zur Anbindung an die API

1. Registrieren Sie ein Konto und erstellen Sie in den Einstellungen eine API-Schlüssel – der Schlüssel wird nur auf der Serverseite gespeichert.
2. Zuerst wird das Mock-Modell verwendet, um Authentifizierung, Erstellung von Aufgaben, Abfrage des Status sowie die Verarbeitung von Rückrufen zu überprüfen.
3. Erstellen Sie für jede Geschäftsbestellung einen eindeutigen Titel oder Identifikator und aktivieren Sie die Idempotenz-Einstellungen für das Konto.
4. Laden Sie Trainingsbilder hoch oder geben Sie die Adresse eines kontrollierten Bildes an, erstellen Sie ein Tune und notieren Sie die zurückgegebene Nummer.
5. Der Status der Trainierungsabschluss wird über Webhook empfangen, um häufige Abfragen und damit verbundene Limitierungen zu vermeiden.
6. Erstellen Sie einen Prompt oder rufen Sie Pack auf, um Bilder zu generieren, und dokumentieren Sie die Kosten der Aufgabe sowie den Status der Ausgabe.
7. Für Zeitüberschreitungen und Serverfehler wird exponentielles Backoff verwendet, um zu überprüfen, ob die Aufgabe tatsächlich erstellt wurde.
8. Bei Löschung des Kontos durch den Benutzer oder Beendigung der Bestellung werden Tune-, Trainings- und Ergebnisdateien bereinigt.

Abrechnungs- und Saldo-Regeln

Astria verwendet ein Modell mit vorab zu zahlendem Guthaben sowie Gebühren nach jeder Transaktion. Sowohl die Webversion als auch die API teilen sich das gleiche Guthabenkonto. Die Nutzer können Guthaben kaufen und eine automatische Auffüllung einrichten, doch häufige, kleine Auffüllungen können von der Ausstellungsbank abgelehnt werden.

Da sich die Kosten für das Trainieren und Erstellen von Bildern je nach Modell und Funktionen ändern, sollte der Katalog keine festen Preise aus früheren Jahren mehr angeben. Vor der offiziellen Veröffentlichung sollten die aktuellen Kosten für die jeweiligen Projekte auf der Preisseite überprüft werden. Zudem sollten der tatsächliche Fehlerquotient sowie die Kosten für Wiederholversuche und Speicherung zur Berechnung des Bruttogewinns herangezogen werden.

Datenspeicherung und Löschung

Laut den offiziellen Dokumentationen werden die nach der Trainingsphase erzeugten Bilder sowie die zum Training verwendeten Bilder und Modelle standardmäßig 30 Tage lang aufbewahrt, danach werden sie automatisch gelöscht. Die Benutzer können Tune vollständig vorzeitig löschen oder in den Abrechnungseinstellungen eine Verlängerung der Speicherung des Modells wählen.

• Erhalten Sie vor dem Hochladen die ausdrückliche Genehmigung des Rechteinhabers der Personen und Materialien in dem Foto.
• Vermeiden Sie das Hochladen von Ausweisdokumenten, Zahlungsinformationen, medizinischen Unterlagen oder unbedeutenden privaten Daten.
• Bilder werden über eine vorübergehende Server-Adresse übertragen, wobei Gültigkeitsdauer der Adresse und Zugriffsrechte eingeschränkt werden.
• Erklären Sie den Endnutzern die Standard-Speicherdauer für Modelle, Trainingsgraphen und Generierungsgraphen.
• Es wird ein Lösch-Button bereitgestellt, um gleichzeitig die Geschäftsdatenbank, den Cache sowie die Speicherlösungen Dritter zu bereinigen.
• Für Kinder, Gesichter, biometrische Merkmale und grenzüberschreitende Daten gelten strengere Konformitätsverfahren.

Für welche Benutzer geeignet

• Entwickler von KI-Bild- und Profilbild-Apps: Schnelle Einrichtung von Prozessen für Hochladen, Trainieren, Erstellen und Bereitstellen.
• E-Commerce- und Mode-Team: Erstellung von Produktbildern, virtuellem Anprobieren sowie Marketing-Materialien.
• Fotostudio: Thementemplates in wiederverkäufliche digitale Fotoprodukte umwandeln.
• Marken-Kreativteam: Aufrechterhaltung der Kohärenz von Personen oder Produkten sowie Erstellung von Inhalten in Serien.
• Immobilienvermarkter: Erstellung von Darstellungen der Innenraumgestaltung sowie verschiedener Dekorationsstile.
• Video-App-Team: Kombiniert maßgeschneiderte Elemente, die erste Szene sowie Bewegungsanweisungen zu kurzen Videos.
• AI-Agenten-Nutzer: Fügen Sie Bild- und Videogenerierung über CLI, Skills oder MCP Ihrem Workflow hinzu.

Vorteile des Produkts

• Modelltraining, Inferenz, Vorlagen, Bildverbesserung und Video in einer einheitlichen API zusammenfassen.
• Es werden verschiedene Methoden zur Aufrechterhaltung der Identität bereitgestellt, wie Flux LoRA, FaceID und Checkpoint.
• Packs ermöglicht es den Kreativen, Themen zu aktualisieren, ohne auf die Veröffentlichung von Code im Backend angewiesen zu sein.
• Die offiziellen Dokumente enthalten alle Parameter, Fehlercodes, Empfehlungen für Callbacks sowie Hinweise zur Produktintegration.
• Das Mock-Modell sowie die Idempotenz-Einstellungen tragen dazu bei, das Risiko von Anpassungsproblemen an Schnittstellen sowie wiederholten Abrechnungen zu verringern.
• Offiziell werden CLI, AI-Fähigkeiten, MCP-Dienste sowie Referenzimplementierungen für Open-Source-Fotobearbeitungsanwendungen bereitgestellt.

Nutzungsbeschränkungen

• Die Effektivität der Trainierung hängt stark von der Bildqualität, der Vielfalt der Objekte sowie von der Gestaltung der Anweisungen ab.
• Derselbe Algorithmus kann nicht garantieren, dass auf jedem Bild Gesichter, Hände, Texte sowie Produktdetails korrekt wiedergegeben werden.
• Mehrere Personen, mehrere LoRAs sowie komplexe Bewegungen führen deutlich zu Verwirrung bezüglich der Identitäten und zu fehlerhafter Komposition.
• Die Preise werden für Training, Erstellung, Verbesserung, Video und Speicherung getrennt berechnet; die Skalierungskosten müssen ständig überwacht werden.
• Trainingsdaten, Modelle und Erzeugungsergebnisse werden standardmäßig nach 30 Tagen gelöscht; für eine langfristige Nutzung müssen sie exportiert oder verlängert werden.
• Webhooks gewährleisten derzeit keine automatische Wiederholung, und die Diensteanbieter müssen Mechanismen zur Kompensation von Abfragen entwickeln.
• Einige Tests oder neue Modelle könnten sich im Beta-Zustand befinden und sollten daher ohne vorherige Bewertung nicht direkt in kritischen Produktionsprozessen eingesetzt werden.
• Gesichter, Gesichtswechsel und virtuelles Anprobieren beinhalten Risiken im Bereich des Persönlichkeitsrechts, der Privatsphäre, der Echtheit von Werbung sowie der Urheberrechte.

GitHub und Open Source

Die Astria-Plattform sowie die Hosting-Dienste für Inferenz sind keine vollständig open-source-Produkte. Dennoch stellt die offizielle GitHub-Seite mehrere Clienten, Integrationen und Beispield projekte zur Verfügung. Um diese Codes verwenden zu können, ist dennoch ein Astria-Konto sowie eine API-Lizenz erforderlich.

Grundlegende Informationen

Empfehlungswert

Der Gesamtbewertungswert beträgt 4,4 von 5 Punkten. Astria eignet sich für Teams, die die Fähigkeit benötigen, angepasste Charakter- oder Produktbilder schnell in ihre Produkte zu integrieren. Vorteile sind die umfassenden API-Funktionen sowie die vielfältigen Steuerungsmöglichkeiten. Allerdings muss man sorgfältig mit den Trainingsdaten, den Fehlerraten bei der Erstellung sowie den Kosten pro Aufgabe umgehen.

Häufige Fragen

Was macht Astria.ai hauptsächlich?

Es bietet Anpassungen von Bildmodellen, Erstellung von Bildern, Erstellung von Videos sowie eine Entwickler-API.

Kann man sein Gesicht trainieren?

Ja, die Benutzer können Flux LoRA oder FaceID verwenden, um die Identität der Personen beizubehalten und Fotos in verschiedenen Szenarien zu erstellen.

Wie viele Fotos sind für das Training benötigt?

Personenszenen können in der Regel mit 4 bis 16 hochwertigen Fotos beginnen; die tatsächliche Anzahl hängt von der Trainingsmethode und den Zielen ab.

Wie wählt man zwischen LoRA und FaceID?

LoRA eignet sich besser für eine stabile, langfristige Anpassung von Identitäten, FaceID ist schneller und benötigt weniger Referenzbilder, ist aber hauptsächlich für Gesichter gedacht.

Unterstützt Astria das virtuelle Anprobieren?

Unterstützung: Es ist möglich, anhand von Charaktermodellen, Kleidungsreferenzen und Erstellungshinweisen Anproben- oder E-Commerce-Ansichtsbilder zu erstellen.

Kann Astria Videos erstellen?

Ja, es wird Video-Generierung aus Text, Video-Generierung aus Bildern, mehrere Referenzen, Anfangs- und Endframes, Audio sowie Bewegungskontrolle unterstützt.

Wie berechnet Astria die Gebühren?

Die Plattform verwendet einen Vorab-Ausgleichsbetrag und berechnet Gebühren für Training, Bilder, Verbesserungen, Videos sowie Speicherplatz. Der aktuelle Preis pro Einheit entnehmen Sie der Preisseite des Kontos.

Wird das Modell dauerhaft gespeichert?

Nein, standardmäßig werden die Daten 30 Tage nach Abschluss der Trainingsphase gelöscht. Der Benutzer kann sie jedoch früher löschen oder eine Verlängerung der Speicherung wählen.

Wird ein API-Testmodus bereitgestellt?

Im Mock-Modus können Tune-, Bild- und Callback-Prozesse simuliert werden, ohne dass tatsächliche Kosten anfallen.

Ist Astria ein Open-Source-Tool?

Die Hosting-Plattform ist kein vollständig open-source-Projekt, doch die offiziellen Tools wie CLI, Skills, MCP sowie Vorlagen für Fotoanwendungen sind verfügbar.