Billedgenerering

Billedgenerering skaber et billede ud fra en tekstbeskrivelse ved hjælp af en AI-model. Du skriver hvad du vil have, modellen beregner et nyt billede og leverer et resultat, typisk i flere varianter. Værktøjer som Midjourney, Stable Diffusion, Nano Banana, ChatGPT Images og Adobe Firefly er almindelige valg til marketing, SoMe og web.

Sådan virker billedgenerering i praksis

Billedgenerering svarer til at give en kunstner en kort beskrivelse og få flere hurtige udkast. Du angiver motiv, stil og stemning, modellen tolker ordene og prøver at rekonstruere et visuelt resultat. Resultatet varierer meget med promptens kvalitet. Det er derfor du ser både fine billeder og mærkelige detaljer som uklare hænder eller mærkelige bogstaver i et logo.

Teknisk set henter modellen mønstre fra træningsdata, men for dig betyder det: jo mere præcis og konkret din beskrivelse er, jo tættere kommer billedet på det, du forestiller dig. Brug variationer, bed om flere versioner, og vælg det billede du vil efterbehandle.

Hvorfor billedgenerering er interessant for SoMe og annoncer

Billedgenerering giver hurtig adgang til skræddersyede billeder uden fotosessioner og kan reducere afhængigheden af stockfotos. Du kan hurtigt teste flere visuelle idéer til annoncer, landingssider eller opslag og få billeder der passer præcis til tekst og tone.

Det sparer ikke altid tid i første omgang. Du skal investere tid i at formulere gode prompts, vælge blandt varianter og ofte redigere i et billedredigeringsprogram bagefter. Men i de fleste marketingforløb er det et sted, hvor I kan tage kontrol over visuel produktion og undgå gentagne bureauudgifter. Men ikke hvis du er lidt smart: gode prompts og et lille redigeringsworkflow gør forskellen.

Eksempel: Billedgenerering hos en dansk grafiker

En grafiker i en butikskædes marketingafdeling skal lave fem annoncer til en kampagne der skal i luften om tre dage. Det er mandag morgen, teamet har en kort briefing og et budget under pres. Grafikeren bruger Stable Diffusion og Midjourney til at generere 40 varianter, hver med små ændringer i lys og farve. Flere billeder har forkerte hænder, og et par varianter viser utydelig tekst på en skilteplade, så grafikeren bruger to timer på at udvælge og retouchere tre billeder i et redigeringsprogram. Én annonce kræver en person med en meget specifik jakke, så grafikeren laver en ny prompt med ekstra detaljer og genererer yderligere varianter.

Resultatet blev tre brugbare annoncer og flere ubrugelige billeder. Arbejdet tog en dag, inklusive redigering. Erfaringen var, at gode prompts sparer tid, men at billedgenerering ofte er et supplement, ikke en erstatning for efterbehandling.

Billedgenerering er ikke det samme som stockfoto eller billedredigering

AI-billeder er nyproducerede billeder, ikke fotos taget af en person. Stockfoto er royalty-baseret indhold med kendte licenser, mens AI-billeder ofte kommer med en leverandørs vilkår og en uklar træningshistorik. Billedredigering ændrer et eksisterende foto; billedgenerering skaber nyt indhold fra tekst.

Forvent forskelle i kvalitet og juridisk klarhed. Nogle tjenester giver tydelig ret til kommerciel brug, andre gør det ikke. Tjek altid tjenestens licens, og antag ikke at du frit kan bruge et AI-billede i annoncer uden at læse vilkårene.

Sådan kommer du i gang med billedgenerering

1. Vælg to tjenester at prøve, for eksempel én der er kendt for realistiske fotos og én for kunstneriske stilarter. Prøv både Midjourney og Stable Diffusion eller Nano Banana og ChatGPT Images.
2. Lær at skrive en god prompt: nævn motiv, antal personer, position, tøj, stemning, stil, baggrund og ønsket format. Tilføj også hvad du ikke vil have, fx "ingen tekst".
3. Generér 8-20 varianter, gem de bedste, og rediger dem i et billedprogram.
4. Test billeder i et lille annonceforløb for at se hvilke der performer visuelt.
5. Lav en intern tjekliste med licens og brug: hvem må publicere, hvor og i hvilken størrelse.

Hvad du skal være opmærksom på

Tekst i billeder er ofte forkert. Hænder bliver forkerte, og ansigter kan se urealistiske ud. Modeller kan gengive kendte varemærker forkert eller uventet. Ophavsret er en væsentlig usikkerhed: modeller er trænet på enorme mængder billeder, og ikke alle generators vilkår er ens. Du må derfor altid tjekke den specifikke tjenestes licens før kommerciel brug.

Endelig: brug et redigeringsstep. Ofte er det billigere at generere et tæt udkast og så lave præcis retouchering, end at forsøge at få det perfekte billede direkte fra AI. Nævn også relaterede værktøjer som ChatGPT for at få hjælp til at skrive bedre prompts, eller vælg en AI-model der understøtter iteration og højere opløsning. En sidste note: billedgenerering er kraftfuldt, men ikke en trylleformular, og kvaliteten kræver øvelse og en lille proces for kontrol af rettigheder.

Skal flere end én i huset kunne noget med billedgenerering, så se, hvordan en AI-workshop er skruet sammen. Det tunge ved billedgenerering er sjældent at komme i gang, men at holde det kørende. Det er jobbet for et AI-team i huset.