Die Leute suchen aus einem nachvollziehbaren Grund nach Image-to-Prompt-Tools. Du hast ein Bild, das dir gefällt — ein Zimmer, ein Produktfoto, ein Stil — und du möchtest mehr davon oder genau das Gleiche mit einer kleinen Veränderung. Das Prompten des Bildes herauszulesen fühlt sich wie der richtige Einstieg an.
Also haben wir die Rundreise ehrlich durchgespielt. Ein Bild generieren, es so sorgfältig wie möglich in Worte fassen, dann nur anhand dieser Beschreibung erneut generieren und schauen, was zurückkommt.
Das Original
Besonderheiten, die man sich merken sollte: Der Beistelltisch ist rund, steht links und hat eine Marmorplatte mit dünnen Messingbeinen. Auf den Büchern steht eine Messingschale. Ein gerahmter Ätzdruck einer Kirche hängt an der Wand. Der Schrank rechts ist grün gestrichen mit Efeu, der darüber herabhängt, und über die Lehne des Sessels liegt ein Fransenwurf.
Die Beschreibung
Wir haben das bewusst gut geschrieben — kein Strohmännchen. Es ist detaillierter als das, was die meisten Image-to-Prompt-Tools zurückgeben:
Innenraumaufnahme einer gemütlichen häuslichen Büroecke. Ein dunkelgrüner Samtsessel steht schräg nach rechts gerichtend. Dahinter und links davon steht eine schlanke Messing-Stehlampe mit konischem Schirm. Rechts vom Sessel steht ein kleiner runder Holz-Beistelltisch mit einem Stapel dreier Hardcover-Bücher. Ein gestreifter cremefarbener und grauer Teppich bedeckt den Boden. Warmes Nachmittagssonnenlicht fällt von einem Fenster links ein und wirft weiche Schatten nach rechts. Neutral gestrichene Wand im Hintergrund. Keine Menschen, kein Text.
Was zurückkam
Jeder Punkt auf der Liste ist vorhanden. Grüner Samtsessel, Messing-Lampe, drei Bücher, gestreifter Teppich, Fenster links, neutrale Wand. Gemessen am Standard „hat es dem Prompt Folge geleistet”, ist das ein Erfolg.
Es ist zugleich ein völlig anderer Raum. Der Beistelltisch wanderte auf die andere Seite und wurde zu einem massiven Nussholz-Sockel. Die Lampe trat hinter den Sessel hervor und stand nun daneben. Der Ätzdruck wurde zu einer Öllandschaft. Der grüne Schrank wurde zu einem dunklen Holzbuchregal. Die Messingschale, der Wurf und der Efeu sind einfach verschwunden. Der Sessel blickt in die andere Richtung.
Warum das passiert, und warum eine bessere Beschreibung es nicht beheben würde
Eine Beschreibung benennt Kategorien. Ein runder Holz-Beistelltisch ist eine Kategorie, die Millionen von Tischen umfasst. Das Bild ist ein ganz bestimmtes Mitglied dieser Kategorie, und die Worte bieten keine Möglichkeit, auf genau dieses hinzuweisen.
Sie könnten weiter gehen — „Marmortop, drei dünne gespitzte Messingbeine, die unten durch einen Ring verbunden sind” — und der Tisch würde sich dem Original annähern. Aber machen Sie das jetzt mit der Lampe, dem Streifenrhythmus des Teppichs, dem genauen Grün des Schranks, dem Lichteinstrahlwinkel, der Schattengeform an der Wand, der Efeu. Irgendwann hört die Beschreibung auf, einen Prompt darzustellen, und wird einfach nur eine schlechtere Kopie des Bildes, das Sie schon haben.
Alles, was Sie nicht fest vorgeben, wird neu gerollt. Sie können nicht alles fest vorgeben. Das ist die gesamte Grenze dieses Ansatzes, und es ist kein Qualitätsproblem, das Sie sich promptbar vorbeimogeln können.
Die Alternative: überhaupt nicht in Worte übersetzen
Wenn Sie diesen Raum mit einer Änderung wollen, sind die Worte das falsche Medium. Übergeben Sie das Bild selbst mit der Änderung — Bild-zu-Bild-Bearbeitung statt Bild-zu-Prompt-zu-Bild. Dann bedeutet „Abend machen” dieser Raum zu einer anderen Tageszeit, nicht ein anderer Raum zu einer anderen Tageszeit.
Der Tisch bleibt, wo er ist, weil niemand nach dem Tisch gefragt hat.
Wann Bild-zu-Prompt wirklich das richtige Werkzeug ist
Es hat echte Anwendungen, und das ist nicht die, wonach die meisten Leute suchen:
- Wortschatz lernen. Sie mögen einen Look, können ihn aber nicht benennen. Eine Beschreibung gibt Ihnen die Begriffe, um sie gezielt wiederzuverwenden.
- Sie können das Bild nicht wiederverwenden. Ein Foto von jemand anderem oder eines, für das Sie keine Lizenz haben, es irgendwo einzuspeisen. Eine Beschreibung, die Sie selbst geschrieben haben, gehört Ihnen.
- Ihr Zieltool akzeptiert nur Text. Einige Tools haben überhaupt keine Bildeingabe. Dann sind Worte das Einzige, was Sie haben.
- Sie wollen das Genre, nicht die Instanz. „Etwas in dieser Art” ist genau das, wofür eine Beschreibung gut ist.
Die limitierende Tatsache
Mit dem Bild statt mit einer Beschreibung zu arbeiten, macht nicht alles reproduzierbar. Fragen Sie eine große Änderung an — einen anderen Raum, einen anderen Stil — und Sie landen wieder beim Neu-Rollen, weil Sie danach gefragt haben. Der bildbasierte Weg schützt das, was Sie nicht erwähnt haben. Er kann nicht das schützen, was Sie ersetzen wollten.
Und wenn das Original nicht in Ihrem Besitz ist, macht kein Workflow daraus etwas, das Ihnen gehört. Das ist eine Rechtsfrage, keine Tooling-Frage.
Mit 300 Gratis-Credits starten — ohne Kreditkarte