Google Labs hat in den USA mit Whisk sein neuestes Experiment mit generativer KI gestartet. Anstatt Bilder mit langen Textprompts zu generieren, lässt Whisk die Nutzer:innen hauptsächlich mit Bildern als Eingabe arbeiten.
In Whisk können Nutzer:innen einfach Bilder für das Motiv, die Szene und den Stil in das Tool ziehen eingeben oder direkt dort generieren. Anschließend können sie diese Elemente beliebig neu kombinieren und auf Wunsch mit zusätzlichen Textprompts verfeinern.
Hinter den Kulissen schreibt Googles Sprachmodell, mutmaßlich das neueste Gemini 2.0 Flash, automatisch eine detaillierte Beschreibung der Bilder. Diese Beschreibungen werden dann in Googles neuestes Bildgenerierungsmodell Imagen 3 eingespeist. Dieser Prozess erfasst die Essenz des Motivs, nicht eine exakte Replik.
Keine genauen Replikate, mehr Inspiration
Da Whisk nur wenige Schlüsselmerkmale aus dem Bild extrahiert, kann es Bilder erzeugen, die von den Erwartungen der Nutzer:innen abweichen, warnt Google in einem Blogbeitrag. So könne das generierte Motiv etwa eine andere Größe, ein anderes Gewicht, eine andere Frisur oder einen anderen Hautton haben.
Google ist sich bewusst, dass diese Merkmale für ein Projekt entscheidend sein können und Whisk möglicherweise nicht das gewünschte Ergebnis liefert. Daher können Nutzer:innen die zugrunde liegenden Prompts jederzeit einsehen und bearbeiten.
In ersten Tests mit Künstler:innen und Kreativen wurde Whisk laut Google als eine neue Art von Kreativwerkzeug beschrieben, nicht als herkömmliches Bildbearbeitungsprogramm. Es wurde für schnelles visuelles Design und nicht für pixelgenaue Bearbeitung entwickelt.
Nach einem ersten Erfahrungsbericht von The Verge macht Whisk Spaß, auch wenn die Generierung neuer Bilder einige Sekunden dauert. Dies könnte jedoch auch mit dem erhöhten Interesse zum Start der Webanwendung und den geringen Serverressourcen zusammenhängen. Laut Google gehe es darum, Ideen auf neue und kreative Weise zu erforschen und Dutzende Optionen durchzugehen, um die besten herunterzuladen.
Kürzlich hat auch KI-Bildpionier Midjourney mit Patchwork eine experimentelle Oberfläche vorgestellt, mit der sich auf experimentelle Weise neue Bilder generieren lassen.
Begrenzte Verfügbarkeit
Nutzer:innen in den USA können Whisk ab sofort kostenlos unter labs.google/whisk ausprobieren und Feedback geben, aus anderen Ländern verwehrt Google den Zugang.
Google Labs ist die Experimentierwerkstatt von Google, in der das Unternehmen praktische Anwendungsfälle mit seinen KI-Modellen wie Gemini, Imagen und Veo ausprobiert. Auch Googles neues Videomodell Veo 2 ist dort verfügbar.
In seltenen Fällen entwickelt Google solche Experimente zu vollwertigen Produkten für Endanwender:innen weiter, wie es zuletzt etwa beim Recherchehelfer NotebookLM der Fall war.
