Genesis

Es begab sich zu der Zeit, als Adobe für das KI-Modell Firefly 6 Wochen Zeit bereitstellte, um u.a. die Videogenerierung ausgiebig und kostenlos zu testen. Also nahm ich mir vor, ein komplettes KI-generiertes Video inklusive Sprecher, Hintergrundmusik und Geräusche zu erstellen.

Für das Projekt wurden ca. 230 Videos á 5 Sekunden generiert und davon 45 Videos ausgewählt und verwendet. Die Auswahl ist natürlich nicht perfekt und nicht reproduzierbar. Fransige Hände bei den Menschen, seltsame Tiere und viele kompromissbehaftete Bilder fanden den Weg in das finale Video.

Der Bibel-Text entstammt der gemeinfreien, unrevidierten Elberfelder Übersetzung von 1932.

Die Generierung des Sprecher-Audios benötigte auch mehrere Anläufe. Der künstliche Sprecher Michael kannte z.B. keine Vögel und sprach das Wort immer als Wögel aus, sodass ich ihm die richtige Aussprache mit der Schreibweise Fögel beibringen musste.

Beim Soundtrack analysiert die KI Text- oder Videomaterial als Ausgangspunkt und komponiert passende und dynamische Musik. Das ist mehr, als die Verwendung von z.B. gemafreier Musik, die oft nur halbwegs zum Video passt.

Fazit: Firefly ist laut Adobe das derzeit einzige rechtssichere generative KI-Modell. Laut Adobe sind Firefly-KI-Modelle „kommerziell sicher“, weil sie ausschließlich mit lizenzierten Inhalten trainiert werden (Stockfotos von Adobe Stock, gemeinfreie Inhalte und ordnungsgemäß lizenziertes Material). Wenn man also bereit ist, für überschaubare Credits die Bedenken beiseite zu schieben, dass man viel Ausschuss generiert und damit viel Energie für den Betrieb externer Server verbraucht, kann generative KI durchaus Bilder und Videos erstellen, die sonst nur mit großem und kostspieligem Aufwand machbar sind.

Die grafische Qualität ist meistens nur ein Kompromiss aus Zufall und vielen Versuchen, das Richtige zu generieren und längst nicht vergleichbar mit dem zielgerichteten Entwickeln von Bildern durch erfahrene Profis.

Sprecher-Audios und Musikstücke sind längst (noch) nicht so qualitativ, wie vom Menschen gemacht, ermöglichen Kreativen aber eine schnelle Produktion, ohne die Buchung von Sprechern oder Musikern. Bei beiden fehlt es der KI an Emotionalität und menschlicher Dynamik passend zum Bild, bzw. wirkt die Musik synthetisch und ein Sprecher irgendwie roberterhaft.

Schauen und hören Sie selbst: