Wie frei darf das Bildmodell sein?
Die Beispiele stammen aus Testläufen mit einem lauten, dicht besetzten Stück. Welches es ist, bleibt offen: Es geht um das Verfahren, nicht um das Lied. Stand: Oktober 2026.
Wie frei darf das Bildmodell sein?
Drei Regler entscheiden, wie weit sich ein lokal laufendes Bildmodell von der Skizze entfernen darf. 48 Bilder je Stil, vier Videos zeigen den Verlauf.
- 3Regler: Denoise, Guidance, LoRA-Stärke
- 48Bilder je Stil
- 4Morphing-Videos durch das Raster
- 2,5 minRechenzeit je Bild
Ein lokal laufendes Bildmodell malt nicht aus dem Nichts. Es bekommt eine Skizze, die aus den Messdaten des Songs entsteht: Wo setzt welches Instrument ein, wie laut ist es, wie dicht? Drei Regler entscheiden, wie weit sich das Modell von dieser Skizze entfernen darf. Bleibt es zu nah, wirkt das Ergebnis wie ein Diagramm. Entfernt es sich zu weit, geht die Zeitachse verloren, und das Bild erzählt etwas anderes als der Song.
- Denoisewie viel der Skizze überschrieben wird
- 0,72
- 0,80
- 0,88
- 0,95
- Guidancewie streng das Modell dem Text folgt
- 1,5
- 2,0
- 2,5
- 3,5
- LoRA-StärkeAnteil des Digifro-Stils
- 1,0
- 1,25
- 1,5
4 × 4 × 3 = 48 Bilder je Stil · Skizze, Prompt und Startwert bleiben gleich
Anlass war ein leises, dünn besetztes Stück: Das Ergebnis wirkte dort eher wie verstreute Punkte als wie ein Abrieb mit dem Bleistift, während ein anderer Weg desselben Stücks sofort nach Frottage aussah. Also wurde das Verhalten systematisch vermessen: Je Bildstil entstehen 48 Bilder, alles bleibt gleich, nur die drei Regler verschieben sich.
Die vier Videos laufen durch dieses Raster, ein Stil pro Video. Es sind keine Animationen des Modells. Zwischen zwei Stufen wird nur übergeblendet, damit sichtbar wird, wo sich das Bild allmählich verändert und wo es springt.
Morphing durch die Gewichte
Pure16 Stufen · 25,9 s · LoRA 1,00 Emotional16 Stufen · 25,9 s · LoRA 1,00 Flow16 Stufen · 25,9 s · LoRA 1,00 Genesis13 Stufen · 20,8 s · LoRA 1,00
So liest sich das Raster
Erste Beobachtungen, noch nicht ausgewertet
- Mit steigendem Denoise löst sich die Anordnung der Skizze. Bei 0,95 laufen Bänder diagonal über das Blatt, die Zeitachse ist kaum noch zu lesen. Niedrige Werte halten die Anordnung, wirken stellenweise aber wie Spray.
- Hohe Guidance bringt glatte, geometrische Formen ins Bild: Kreise, Strahlenkränze, saubere Rechtecke. Das Regelwerk kennt sie nicht, sie sind kein Abrieb.
- Die Stufen mit mehr LoRA-Stärke (1,25 und 1,5) liegen als Bilder vor. Die Videos zeigen vorerst nur 1,0.
Technischer Hintergrund
Versuchsaufbau
Ein lautes, dicht besetztes Stück, ein fester Startwert (Seed 3), eine neutrale Konfiguration (keine Overrides, Format 2:1, Stem-Set „Original“). Skizze, Prompt und Stil bleiben in allen Bildern gleich. Verändert werden nur drei Gewichte, zusammen 4 × 4 × 3 = 48 Bilder je Stil.
| Regler | Stufen | Herleitung |
|---|---|---|
| Denoise wie viel der Skizze überschrieben wird | 0,72 · 0,80 · 0,88 · 0,95 | 0,72 und 0,80 sind die bisherigen Stilprofile (Genesis und Flow 0,72, Pure und Emotional 0,80). Bei 0,68 hielt die Skizze fast eins zu eins, bei 0,85 deutete das Modell freier. 0,88 und 0,95 liegen näher am reinen Text zu Bild, das die dichteste Frottage malt, aber die Zeitachse verliert. |
| Guidance wie streng das Modell dem Text folgt | 1,5 · 2,0 · 2,5 · 3,5 | 1,5 ist der bisherige Standard, 2,0 und 2,5 stammen aus früheren Testreihen, 3,5 ist der Standardwert des Modells und der Wert eines früher bestätigten Rezepts. |
| LoRA-Stärke Anteil des Digifro-Stils | 1,0 · 1,25 · 1,5 | Nie unter 1,0, sonst entstehen glatte 3D-Formen. 1,25 bis 1,5 sind verstärkende Stufen. |
Bewusst fest bleiben CFG 1,0 (darüber entsteht glatte Filzstift-Clipart, und bei CFG 1 wirkt kein Negativ-Prompt), 20 Schritte, der Sampler und die Stärke des Textanteils. Ein Bild braucht rund 2,5 Minuten, ein Stil mit einem Startwert etwa zwei Stunden.
Vorab geprüft wurden zwei Eckzellen eines anderen, leisen Stücks (Denoise 0,80 und LoRA 1,0 gegen Denoise 0,95 und LoRA 1,5): Die zweite zeigte deutlich kräftigere Bleistift-Schraffur statt Punktwolke. Weil sich dort beide Regler zugleich änderten, sagt das noch nichts über den einzelnen Regler. Dafür ist das Raster da.
So entstehen die Videos
Je Stil sind es 16 Bilder, bei Genesis 13 (drei Zellen sind noch nicht gerechnet). Die Reihenfolge ist eine Schlangenlinie: Denoise Zeile für Zeile, Guidance abwechselnd auf- und absteigend, damit Nachbarn ähnlich bleiben. Jede Stufe steht 0,4 Sekunden, die Überblendung dauert 1,3 Sekunden mit weicher S-Kurve. Das ist eine Mischung der Pixel zweier fertiger Bilder, keine Zwischenbilder des Modells: Was dazwischen zu sehen ist, hat das Modell nie gemalt.
Format 1536 × 768 Pixel, 30 Bilder pro Sekunde, 26 Sekunden (Genesis 21). Die Anzeige unter dem Video folgt der Wiedergabe und nennt die jeweils nächstliegende Stufe.