Udnyt grafikkortet til gratis AI-billeder på PC

Generering af AI-billeder på din PC er nu muligt, men der er udfordringer med omkostninger, censur og konsistens. Løsningen er at bruge open source-software som Stable Diffusion.

At generere billeder med AI er blevet super nemt, men der er mindst tre problemer: For det første omkostningerne; hvis man bruger online tjenester, er de ikke gratis. Der er også censurfiltre, der forhindrer os i at slippe fantasien løs og generere det, vi ønsker, uden at føle os "slemme". Det tredje problem er konsistensen: At gå ind på en af de mange sider, der laver billeder, og bede om at se en solnedgang, et landskab eller en tilfældig person, er en ting. At generere et sæt af lignende eller konsistente billeder, der måske skildrer det samme emne, er en helt anden sag.

Det selvfølgelig spørgsmål er: Kan vi generere nye, fantasifulde eller realistiske billeder uden at bruge eksterne tjenester, men kun ved at bruge vores PC, og måske endda gratis uden kreditter og forskellige begrænsninger og censurer?

I modsætning til de chatbots, der skriver tekster (de forklaret i guiden til installation af AI på PC), kræver billeder modeller inden for Deep Learning. De mest kendte er DALL-E og Midjourney, som dog fungerer som indhegninger: du betaler for adgang og følger deres regler. Den eneste ægte vej til frihed er Stable Diffusion. Det er et open source-system, skabt af Stability AI, som kan downloades og køres direkte på din egen maskine.

Arbejdsbænken: Forstå VRAM

Før du fylder harddisken med tunge filer, er det vigtigt at forstå én fundamental ting. At generere et billede er ikke som at åbne et Word-dokument. AI'en skal indlæse milliarder af matematiske beregninger på ét sted: VRAM, altså grafikkortets hukommelse. Forestil dig det som en arbejdsbænk: hvis bænken er for lille, kan du ikke placere alle dele af projektet, og du må hele tiden flytte dem frem og tilbage i lageret (PC'ens RAM), hvilket vil bremse alt enormt.

Desværre giver producenterne ofte ikke nok VRAM i versionerne til almindelige brugere. For at arbejde uden hovedpine er det ideelt at købe et grafikkort med mere VRAM, mindst 12 GB. Hvis du har 6 eller 8 GB, kan du stadig prøve, men du skal bruge meget let software for at undgå, at programmet lukker uventet.

Hvad angår softwaren, bygger det hele på Python og Git. Det lyder som komplicerede navne fra programmører, men i dag findes der måder at installere dem på uden at skulle skrive en eneste linje kode.

Programmer til at begynde at skabe

I fortiden måtte man bruge Windows-terminalen, den sorte firkant, hvor man skriver kommandoer, hvilket kunne medføre konstante fejl. I dag findes der WebUI, hvilket betyder gr interfaces, der åbnes i browseren og gør alt mere enkelt.

Ruten fra WindowsOnlineSolutions for dem, der vil undgå alt stress, går gennem Pinokio. Det er en speciel browser, der automatisk installeret Python og alle AI-programmer med ét klik og tager sig af den kedelige del. Hvis du derimod foretrækker at installere de enkelte software, er her de bedste muligheder:

• Fooocus: Det er ligesom "nem" knappen. Skriv hvad du vil, og den gør alt. Programmet retter automatisk dårligt skrevne prompts og tilføjer detaljer, der gør billederne realistiske uden at du skal studere fotografi. Det er perfekt til dem med lidt VRAM.
• ComfyUI: Det er som at lege med LEGO. Du forbinder blokke med virtuelle ledninger for at skabe en generationsti. Det er det mest kraftfulde og håndterer hukommelsen bedst og undgår nedbrud. For dem med NVIDIA findes der en portable version til download fra den officielle side, det er nok at udtrække mappen og starte den.
• Automatic1111 (A1111): Det er den klassiske, som du finder i alle tutorials. Den har mange skyder og muligheder og er fyldt med extensi ons skabt af fællesskabet, såsom dem der er beskrevet på StableDiffusion.art, men den er betydeligt tungere at køre.

Ud over dette bør også nævnes browseren AI Pinokio, der kan installere gratis generative værktøjer på PC.

valg, helt automatisk, uden at skulle bekymre sig om kode eller afhængigheder.

Vælge Stilen med Checkpoint og LoRA

At installere programmet er kun begyndelsen. Uden de rigtige modeller skaber AI generiske og ofte grimme billeder. For at give sjæl til tegnede billeder kræver det .safetensors-filer, som kan downloades gratis fra HuggingFace eller den mere enkle Civitai.

Checkpoint er hjernen i AI'en. Hvis du vil have billeder, der ser ud som om de er taget med et spejlreflekskamera, skal du downloade en model som Juggernaut XL. Hvis du derimod ønsker billeder i anime-stil, skal du finde en specifik checkpoint til japansk illustration.

LoRA fungerer derimod som små specialiseringskurser. Hvis Checkpoint ved, hvad et menneske er, lærer LoRA at tegne præcist ansigtet på en berømt person eller et tøj fremstillet af et specifikt materiale. Det er lette filer, der tilføjes til hovedmodellen for at give den præcision, som ellers ville mangle.

Den Mest Udviklede Model: Flux

For nylig blev Flux lanceret, skabt af Black Forest Labs. Kort sagt er det AI'en, der forbløffer alle, fordi den forstår kommandoer meget bedre end Stable Diffusion og, vigtigst af alt, skriver ordene korrekt i billederne uden stavefejl. Hvis du beder om et skilt, der siger "Velkommen til Rom", vil det blive skrevet korrekt.

Problemet er, at Flux kræver mange ressourcer. For at køre det på din PC kræves meget kraftige maskiner med mindst 16 eller 24 GB VRAM. Dem uden en workstation-computer kan prøve det gratis på Hugging Face ved at søge efter Flux.1 Dev.

Alternativer til dem med en Svagere PC

Hvis din computer ikke klarer det, er der ikke behov for at købe en ny. Du kan flytte arbejdet til en ekstern server. Google Colab er et fremragende udgangspunkt: det tilbyder en kraftfuld virtuel maskine, hvor du kan starte Fooocus eller ComfyUI.

Alternativt kan du bruge sider, der allerede har alt installeret. Udover de bedste sider til at generere AI-billeder, anbefaler jeg Tensor.art eller Civitai. De tilbyder gratis credits hver dag og tillader brugen af community-modeller uden at skulle konfigurere noget.

Hvordan Skriver Man Kommandoer (Prompt)

Den sidste hindring er sproget. AI-modellerne taler engelsk. Hvis du skriver på italiensk, bliver AI'en forvirret, og resultaterne vil være mærkelige. Det er ikke nødvendigt at være tosproget; det er bare nødvendigt at bruge en ekstern hjælp.

Den hurtigste metode er at åbne Google Gemini eller ChatGPT og spørge: "Skriv mig en detaljeret prompt på engelsk til Stable Diffusion, der beskriver et realistisk billede af...". AI'en vil tilføje tekniske termer som "85mm lens" eller "cinematic lighting", der forbedrer billedet. For dem, der foretrækker at kopiere og indsætte forberedte prompts, er PromptHero det mest omfattende bibliotek, der findes.

Almindelige Dubletter og Nysgerrighed om Lokal AI

• Kan man lave videoer på PC'en? Det kan man, men det er en udfordring. Der findes modeller som Stable Video Diffusion, men de kræver en enorm mængde videohukommelse, og ventetiderne er lange for klip på kun nogle få sekunder. I øjeblikket er det bedre at bruge cloud-tjenester til videoer.
• Fungerer det med AMD eller Intel grafikkort? Ja, men det er meget sværere. Hele systemet er bygget til NVIDIA og dens CUDA-teknologi. Dem med AMD skal installere specielle drivere (som ROCm) og acceptere, at programmet crasher oftere.
• Hvordan ændrer man ansigtet på et billede? Uden at bruge mistænkelige sider, gør man det ved at installere extension Reactor på A1111 eller ComfyUI. Det giver mulighed for at bytte ansigt i et billede næsten øjeblikkeligt og med et meget naturligt resultat.

Generering af videoer, de tjenester, der er længst fremme, er Kling, Hailuo, Hedra, Pika og Runway, nævnt på listen over sider til at generere videoer via AI.