Was KI alles kann

Sprache zu Text umwandeln 

Die erste Open Source an dieser Stelle ist Whisper, ein Spracherkennungsmodell von OpenAI. Als Open Source kann sie heruntergeladen und auf dem eigenen Desktop ausgeführt werden. Dafür nutzt die KI die GPU Deines PCs und wandelt blitzschnell Sprache zu Text um. 

Mit Whisper bekommst Du eine leistungsstarke Lösung, mit der Audiodateien in Text verwandelt werden können. Du nutzt dafür einfach dein Mikrofon am PC oder stellst eine bereits aufgenommene Audiodatei bereit. Wirklich perfekt ist Whisper nicht, doch das sind andere KIs auch nicht. Dennoch meinen Computerexperten, dass diese KI heute besser ist als die Transkriptionssoftware, die noch vor einigen Jahren für viel Geld als Profi-Anwendung auf dem Markt war. 

Hochskalieren von Bildern 

Von einigen Anbietern gibt es mittlerweile eine mehr oder weniger leistungsfähige KI zur Bildbearbeitung und zum Hochskalieren von Bildern. Die Tools sind cloudbasiert und werden online genutzt. Ein Beispiel ist Adobe Photoshop, wobei dieses die Cloudserver von Adobe nutzt. 

Willst Du die Auflösung auf Deinem PC verbessern, ist Upscayl ein empfehlenswertes Tool. Du kannst diese lokale KI nutzen, um Bilder zu verbessern, die Du beispielsweise für bestimmte Anwendungen brauchst. Du musst für einen Benutzerausweis ein Bild hochladen und hast kein Passfoto zur Hand? Nutze eine KI, mit der Du aus einem normalen Bild ein Passbild machst und danach Upscayl, um die Bildqualität zu verbessern. Die lokale KI ist ideal, wenn Du Deine Bilder nicht erst in die Cloud hochladen möchtest, sondern direkt auf dem PC bearbeiten willst. 

Effekte für Webcam und Mikrofon erstellen 

Windows Studio Effects gehört zur PC-Suite Copilot+ und hat einige KI-Funktionen zu bieten. Darunter Windows Studio Effects, mit der sich KI-Webcam-Effekte erstellen lassen. Hast Du einen neuen Laptop, findest Du entsprechende Webcam-Filter im Startmenü. 

Für einen leistungsstarken Gaming-PC, der mit einem NVIDIA RTX-Grafikprozessor ausgestattet ist, nutzt Du am besten NVIDIA Broadcast als App. Die ist kostenlos und schaltet auf Wunsch „Beleuchtung in Studioqualität“ und andere High-End-Effekte dazu. Das sogar in Echtzeit, sodass dein nächstes Videomeeting oder das Live-Streaming eines Spiels in bester Qualität und mit Effekten möglich wird.

Hochskalieren von Videos 

Videos lassen sich hervorragend mit dem PC hochskalieren. Du kannst sie beispielsweise mit Topaz Labs bearbeiten, wobei diese App kostenpflichtig ist. 

Topaz Labs ist nicht nur kostenpflichtig, sondern auch sehr teuer, immerhin handelt es sich um eine Profi-Anwendung. Sie wurde für anspruchsvolle Nutzer entwickelt und zeigt perfekt, was eine lokale KI leisten kann. Kostenfrei hingegen ist Video2X, auch damit kannst Du Videodateien hochskalieren. Die Anwendung ist zudem quelloffen. Das Endprodukt wird nicht ganz so stark optimiert wie bei einer kostenpflichtigen Anwendung, doch für den Hobbygebrauch ist diese KI völlig ausreichend. 

Stimmen klonen 

KI-Tools für das Klonen von Stimmen sind noch nicht so ausgereift, doch es gibt sie und sie zeigen, was bereits jetzt möglich ist. 

Die KIs zum Stimmen Klonen bieten eine Weboberfläche und die Nutzung ist meist mit dem Herunterladen großer Dateien verbunden. Beispiele sind GPT-SoVITS und RVC, wobei sich bei der Anwendung zeigt, dass sie noch etwas verbesserungswürdig sind. Sie haken teilweise, dennoch zeigen sie sehr gut, was eine KI leisten kann. Ein großes Manko ist die fehlende benutzerfreundliche Oberfläche. 

Musik per KI erzeugen 

Vor allem in sozialen Medien ist sie zur Hintergrunduntermalung zu hören: Musik, die von einer KI – meist Suno – erzeugt wurde. Suno ist eine cloudbasierte Anwendung und leicht zu bedienen. Lokale KIs befinden sich in diesem Bereich immer noch in einem frühen Stadium der Entwicklung und sind noch verbesserungswürdig.

Ein Beispiel dafür ist YuE, ein Open Source Tool, das durchaus Potenzial hat. Es kann bereits heruntergeladen und auf der eigenen Hardware genutzt werden, doch wirklich ausgereift ist es noch nicht. Der Zugang zu Funktionen, die auf Cloudservern arbeiten, wird mit YuE leichter möglich. Wirklich gut: Die Erstellung einer Audiodatei von 30 Sekunden Länge dauert nur rund sechs Minuten bei Nutzung einer RTX 4090 GPU. 

Musik ohne Gesang erstellen 

Du singst gern Karaoke und findest nicht das passende Playback zu deinem Lieblingssong? Erstelle Musik ohne Gesang einfach selbst! Das geht zum Beispiel mit dem Ultimate Vocal Remover, was sogar nur wenige Minuten dauert. 

Du lädst für diese Anwendung einfach eine MP3-, WAV- oder FLAC-Datei herunter und erstellst blitzschnell eine Version, die nur auf Instrumente setzt. Niemand stört Deinen eigenen Gesang und Du kannst dich als Vocal-Künstler versuchen.