Kolors

Kolors setzt ein Sprachmodell als Text-Encoder ein und keine rein englische Lösung, also behandelt es chinesische und englische Prompts gleich. Das Fenster von 256 Tokens ist rund dreimal so groß wie bei älteren Encodern, was zählt, wenn ein Prompt mehrere Motive, Farben und Positionen nennt. In der Praxis trifft eine lange, konkrete chinesische Beschreibung deutlich näher an das, was Sie sich vorgestellt haben. Das Team nennt genau diesen Encoder als den Punkt, an dem das Modell bei komplexen Prompts vorn liegt.

Korrekte Schriftzeichen sind für jedes Bildmodell schwer, und Chinesisch ist wegen der Zeichenmenge und des Strichdetails noch schwerer. Kolors wurde dafür gebaut und gibt chinesische Wörter bis hin zur Kalligrafie in der Szene wieder. Englische Schrift funktioniert ebenso, sodass Plakat- und Coverarbeit ohne nachträgliches Einkleben möglich ist. Komplexe Zeichen können in einem Durchlauf dennoch misslingen, also behandeln Sie mehrstellige Phrasen als Fall zum Wiederholen, nicht als Garantie.

Die Web-App bringt fertige Stile wie Pixar, Blind-Box-Cartoon, Anime und hochauflösenden Realismus mit, sodass Sie zu einem Look kommen, ohne einen Prompt zu bauen. Die Stil-Anpassung geht weiter: Sie laden ein Foto hoch, wählen ein Thema wie Ton, Aquarell oder Kinderporträt, und der Stil ändert sich ohne jeden Prompt. Dieser Weg passt zu allen, die ein Ergebnis wollen, keinen Workflow.

Die Gewichte sind offen, also können Sie sie herunterladen und alles offline betreiben. Das Basismodell ist relativ klein, doch der Text-Encoder wiegt ordentlich, also planen Sie mehr Speicherplatz als bei einem reinen Stable-Diffusion-Setup. In ComfyUI sind 8 GB VRAM ein machbarer Boden und 12 GB oder mehr komfortabel, mit quantisierten Encodern für kleinere Karten. Lokal zu laufen heißt keine Kosten pro Bild und keine Daten, die Ihren Rechner verlassen.

Das Team hat die Bausteine veröffentlicht, die ein Diffusionsmodell steuerbar machen: ControlNet für Canny, Tiefe und Pose, ein Inpainting-Modell, IP-Adapter für Bild-Prompts, IP-Adapter-FaceID für Identität und den Dreambooth-LoRA-Trainingscode. Zusammen machen sie aus Kolors ein lenkbares Werkzeug statt einer reinen Texteingabe. Wer diese Erweiterungen schon auf Stable Diffusion genutzt hat, findet sich zurecht.

Kolors integriert sich in ComfyUI, Gradio und die diffusers-Bibliothek und fügt sich damit in bestehende Setups ein, statt ein neues zu verlangen. Es liegt auf Hugging Face und ModelScope, was hilft, wenn Ihr Netzwerk mit einem besser klarkommt. Für Teams, die ein Produkt ausliefern, stellt die Kling-API Kolors 2.1 als gehosteten Aufruf bereit und tauscht das lokale Setup gegen einen Preis pro Generierung.