Schlagwort: Bildgenerierung

Ideogram

Kurzfassung
▾

Quellen
▾

Ideogram hat mit Version 4.0 sein erstes quelloffenes KI-Modell für die professionelle Bildgenerierung veröffentlicht.
Das System nutzt strukturierte JSON-Dateien für eine präzise Layout-Kontrolle und punktet mit herausragender Textdarstellung.
In unabhängigen Leistungstests übertrifft es andere offene Modelle wie FLUX.2 und nähert sich proprietären Branchenführern an.
Künftig liefert das Modell Bilder direkt mit bearbeitbaren Textebenen und transparenten Hintergründen aus.

Ideogram – Models 4.0
Ideogram – Blogbeitrag zu Ideogram 4.0
GitHub – Ideogram 4 Source Code

Ideogram stellt mit der Version 4.0 sein erstes Open-Weight-Bildmodell vor. Das KI-Modell mit 9,3 Milliarden Parametern richtet sich speziell an professionelle Gestalter und erlaubt eine exakte visuelle Steuerung durch strukturierte Dateneingaben. Entwickler können die Gewichte frei herunterladen und auf eigener Hardware betreiben.

Die Abkehr vom simplen Text-Prompt Ideogram geht bei der Modelleingabe einen unkonventionellen Weg. Statt klassischer Textbeschreibungen nutzt das KI-Modell strukturierte JSON-Dateien für die Bildgenerierung. Dadurch versteht das KI-Modell den logischen Aufbau einer gewünschten Bildkomposition deutlich besser.

Beispiel Prompt

Copy

{
„high_level_description“: „A cinematic 35mm film photograph of a lone wooden sailboat on a glassy lake at sunset, the boat on a right-third vertical with the horizon at the lower third, in a cool muted blue palette.“,
„style_description“: {
„aesthetics“: „Cinematic, minimal, serene, quiet stillness.“,
„lighting“: „Cool overcast dusk light with a small warm sun low at the horizon; muted and low-contrast.“,
„photo“: „35mm motion-picture film still, 16:9 framing, subtle grain, slightly desaturated.“,
„medium“: „Photograph.“,
„color_palette“: [„#1B3A5C“, „#5B8FB9“]
},
„compositional_deconstruction“: {
„background“: „Windless evening on a wide lake; horizon at the lower third. Dusty blue-violet sky with a small amber sun at the horizon and a thin gold streak across the glassy teal water. Subtle 35mm grain.“,
„elements“: [
{ „type“: „obj“, „bbox“: [380, 590, 660, 720],
„desc“: „Lone wooden sailboat on the right-third vertical in the midground, dark varnished hull and a single tall mast with a slack white sail hanging limp in the still air. No visible crew.“ },
{ „type“: „obj“,
„desc“: „Mirror-perfect reflection of the sailboat and its mast doubling straight down into the glassy teal water directly beneath the hull.“ },
{ „type“: „obj“,
„desc“: „Out-of-focus reed tips slicing into the lower-left foreground, soft dark blades against the teal water, blurred from proximity to the camera.“ }
]
}
}

Prompt vollständig anzeigen

Ein integriertes Vision-Language-Modell namens Qwen3-VL dient dabei als Text-Encoder. Dieses verarbeitet die komplexen Beschreibungen und gibt dem eigentlichen Bildgenerator ein tiefes semantisches Verständnis der Szene mit. Anwender können dadurch beispielsweise exakte Koordinaten für Objekte im Bild festlegen. Sogenannte Bounding Boxes definieren präzise, wo eine Person, ein Text oder ein Hintergrundelement im fertigen Layout auftaucht. Auch die exakte Farbgebung lässt sich über spezifische Hex-Codes strikt vorgeben. Wer keine JSON-Codes manuell schreiben möchte, kann einen herkömmlichen Text eingeben, den ein kleines Sprachmodell im Hintergrund automatisch in die nötige Struktur umwandelt. + Quelle: Ideogram Fokus auf Typografie und echte Designarbeit Bei der fehlerfreien Darstellung von Schriften zeigte das Unternehmen bereits in der Vergangenheit große Stärken. Die vierte Generation baut diese Fähigkeit weiter aus und liefert korrekte mehrzeilige Texte in verschiedenen vorgegebenen Schriftarten. Logos und Überschriften landen exakt an der Position, die das digitale Design-Briefing vorgibt. Für den professionellen Einsatz liefert das KI-Modell künftig nicht nur flache Pixelbilder ab. Ein anstehendes Update integriert eine Funktion direkt in das Modell, welche Texte als bearbeitbare Ebenen extrahiert. Zudem stellt das System freigestellte Objekte mit einem sauberen Alpha-Kanal (unsichtbarer Hintergrund) zur Verfügung, sodass Designer diese Elemente direkt in ihre gewohnte Arbeitsumgebung übernehmen können. Aufwendiges manuelles Maskieren oder das nachträgliche Retuschieren von fehlerhaften Buchstaben entfällt somit. Unternehmen können das System mit einer kommerziellen Lizenz außerdem mit eigenen Styleguides oder historischen Kampagnenbildern nachtrainieren. So generiert die Software am Ende Inhalte, die verlässlich der eigenen Markenidentität entsprechen. + Quelle: Ideogram Spitzenplätze in den Leistungstests In aktuellen Vergleichstests setzt sich Ideogram 4.0 klar an die Spitze der offenen KI-Modelle. Auf der Rangliste der LMArena übertrifft es Konkurrenten wie FLUX.2 oder Qwen Image spürbar. Lediglich proprietäre Systeme wie GPT Image 2 von OpenAI liegen derzeit noch vor der Neuentwicklung. + + Quelle: Ideogram Ein ähnliches Bild zeigt eine blinde Auswertung durch professionelle Designer bei ContraLabs. Hier wählten die Fachleute die Ergebnisse von Ideogram in fast der Hälfte aller Fälle auf den ersten Platz. Das geschlossene Modell Gemini 3.1 Flash Image Preview von Google kam in diesem Test lediglich auf eine Siegquote von 30 Prozent. Auch bei der fehlerfreien Lesbarkeit von generierten Schriften schneidet das Modell im standardisierten X-Omni-Benchmark herausragend ab. Obwohl die Architektur mit 9,3 Milliarden Parametern relativ kompakt gebaut ist, schlägt sie die Ergebnisse weitaus größerer Systeme. + Quelle: Ideogram Flexible Auflösungen und moderater Hardware-Bedarf Das KI-Modell berechnet Bilder nativ in Auflösungen von 256 bis 2048 Pixeln Kantenlänge. Dabei passt es den Rauschprozess automatisch an das gewählte Format an, wodurch extreme Seitenverhältnisse von bis zu 6:1 problemlos möglich sind. Ein und dieselbe Datei erzeugt quadratische Vorschaubilder, hochformatige Smartphone-Hintergründe oder extrem breite Werbebanner. Entwickler laden die veröffentlichten Modellgewichte wahlweise in den Formaten nf4 oder fp8 herunter. Die sparsamere nf4-Version benötigt für den Betrieb lediglich eine einzelne Grafikkarte mit 24 Gigabyte Speicher. Das Unternehmen bietet die Rechenleistung wahlweise auch über eine eigene kostenpflichtige Programmierschnittstelle an. Eine Einschränkung gibt es aber dann doch noch. Die beiden Modelle haben eine Non-Commercial-Lizenz. Das heißt, man darf zwar privat alles damit machen, die Bilder aber nicht kommerziell verwenden. Trotzdem stellt es nach langer Zeit mal wieder einen deutlichen Sprung für die Bildgenerierung auf dem eigenen PC dar. Wie immer sind alle Links zu Ideogram 4 und den Open-Weight-Gewichten in den Quellen verlinkt. Anzeige