Stable Diffusion auf dem Mac: Simple Text-zu-Bild-App „Diffusion Bee“

Wenn ein Trend derzeit für verdrehte Köpfe im Web sorgt, dann die noch relativ jungen Text-zu-Bild-Generatoren, die auf Basis von KI-Modellen und maschinenlernenden Algorithmen Bilder auf Kommando generieren können.

Im Laufe der vergangenen Wochen seid ihr im Netz sicher schon mit einigen Beispielen konfrontiert worden. Dies hat unter anderem mit der rasanten Popularitätszunahme von „DALL-E“ und „Stable Diffusion“ zu tun. Bei letztgenanntem handelt es sich um ein quelloffenes Text-zu-Bild-Modell, das weitgehend frei genutzt werden kann und alle interessierten Anwender zum Experimentieren einlädt.

Vereinfacht Installation massiv

Größte Hürde bislang war dabei die Installation von „Stable Diffusion“ auf dem eigenen System. Hier mussten Software-Abhängigkeiten erfüllt, teils esoterische Bibliotheken installiert und nicht selten umfangreiche Abstecher ins Terminal unternommen werden.

Vorhang auf für Diffusion Bee. Der nur 561 Megabyte große Mac-Download unterstützt euch bei der Installation von Stable Diffusion auf aktuellen Macs mit Apple-Prozessoren und macht diese so einfach wie die typische Installation neuer Mac-Apps. Ihr öffnet den Download, zieht die DiffusionBee.app in den Programme-Ordner und startet diese per Doppelklick. Fertig.

Nachdem Diffusion Bee kurz nach dem Erststart noch die benötigten Modelle aus dem Netz geladen hat, könnt ihr die App jetzt mit beliebigen (englischsprachigen) Text-zu-Bild-Vorgaben füttern und experimentieren, welche Bildergebnisse die App dabei ausspuckt. Wer Inspiration für mögliche Eingaben benötigt schaut hier nach.

Ergebnis der Texteingabe: „a photograph of an astronaut riding a horse“

Faszinierender Zeitfresser

Je nach Texteingabe, der aktuellen Parameter-Konfiguration und der sonstigen Beanspruchung des eigenen Rechners benötigen die Bilderstellungen zwischen 30 Sekunden und mehreren Minuten und lassen sich bei Gefallen im PNG-Format sichern.

„Diffusion Bee“ steht hier zum Download bereit, setzt kein technisches Hintergrundwissen voraus und benötigt zum Einsatz einen Mac mit M1 bzw. M2-Prozessor. Zudem sollten mindestens 16 GB RAM vorhanden sein.