Text zu Bild

Text zu Bild nimmt eine schriftliche Beschreibung entgegen und gibt ein Standbild zurück. Ein Ausgangsbild ist nicht beteiligt: Der Prompt ist die gesamte Eingabe, und das Modell setzt Motiv, Stil, Licht und Bildausschnitt von Grund auf neu zusammen. Es ist der schnellste Weg zu Bildmaterial, das es noch nicht gibt, und taucht deshalb in Produktkonzepten, Artikelbildern, Storyboard-Frames, Werbevarianten, App-Icons und Referenzgrafiken für Designer auf.

Die Formulierung des Prompts leistet die meiste Arbeit. Motiv, Medium, Lichtstimmung und Seitenverhältnis zu benennen verändert das Ergebnis in der Regel stärker, als immer neue Adjektive anzuhäufen, und eine kleine Serie zu erzeugen und daraus den Gewinner zu wählen schlägt das ewige Feilen an einem einzigen Prompt. Text innerhalb eines Bildes bleibt die Schwachstelle des gesamten Felds: Behandeln Sie Wörter im Ergebnis als Bonus statt als Zusage und legen Sie wichtige Textzeilen selbst darüber. Auch bei den Auflösungsoptionen unterscheiden sich die Modelle, und manche berechnen größere Formate anders.

Auf E2X umfasst diese Kategorie derzeit Googles Nano Banana Familie samt der Varianten Pro und Lite sowie GPT Image 2 von OpenAI. Der Aufruf ist bei allen gleich: Model-Slug und Eingabeobjekt an den Jobs-Endpoint senden und anschließend die zurückgegebene Job-ID abfragen, bis das Ergebnis bereitsteht. Der Wechsel zwischen ihnen ist eine Änderung an einer einzigen Zeichenkette, und Sie zahlen pro Anfrage aus einem Prepaid-Guthaben. Zwei Modelle mit demselben Prompt zu vergleichen kostet also exakt zwei Anfragen.