NotebookLM: Aus Text Audio-Diskussion erzeugen

„NotebookLM now lets you listen to a conversation about your sources“ (s.a. https://blog.google/technology/ai/notebooklm-audio-overviews/)
Kurz gesagt, dieses Google-KI-Tool kann hochgeladene Dokumente in spannende Audio-Diskussionen („Podcast“) umsetzen.
Laut FAQ: „NotebookLM befindet sich noch in der frühen Testphase, daher werden derzeit keine Gebühren für den Zugriff erhoben.“

Im Folgenden ein Test auf der Grundlage einer fiktiven Kurzgeschichte, die ich schon vor längerer Zeit geschrieben habe. Aus einer einzigen DIN A4 Seite deutschen Textes machte NotebookLM knapp 10 Minuten thematische Diskussion auf englisch! Das unterhaltsame Audio-Ergebnis finde ich ausgesprochen beeindruckend, und es klingt so gar nicht mehr nach KI: Unten gerne zum Nachlesen und Vergleich des Originaltextes mit dem NotebookLM-Audio – viel Spaß!

Vorgehensweise

  1. http://notebooklm.google/
  2. Anmeldung mit persönlichem Google-Account
  3. Mindestens 1 Datei hochladen (z. B. Format PDF, txt)
  4. Rechts auf „Detaillierte Unterhaltung Zwei Hosts (nur auf englisch) – Generieren“ klicken und einige Minuten warten
  5. Download der „wav“-Datei und/oder Freigabe-Link erzeugen (zum Nutzen Google-Anmeldung nötig)

Screenshot NotebookLM

Originaltext meiner Kurzgeschichte

Urlaub mit Folgen

Susanne und Stefan blickten entgeistert auf das Durcheinander in ihrer Wohnung. Das war jetzt genau das, was man brauchte. Gestern hatten sie noch am Strand gelegen und sich auf zu Hause gefreut. Und nun war das einzig Erfreuliche, dass der Fischfutterautomat funktioniert hatte und das große Aquarium nebst Fischen aussah, als wäre man nicht 2 Wochen im Urlaub gewesen. Die Polizei konnte ihnen auch keine großen Hoffnungen machen. Es gab so viele Wohnungseinbrüche in der Stadt – gerade in besseren Wohnvierteln gehörte das inzwischen schon fast dazu. Doch so einfach wollten Susanne und Stefan es sich nicht machen. Wer hatte denn gewusst, dass sie nicht da waren? Die Arbeitskollegen natürlich, die Nachbarn, der Hausarzt – nein, solche Überlegungen führten nicht weiter. Und nun war alles weg: die Sammlung Eurocheques, die moderne Hifi-Anlage, sogar vor dem Computer hatten die Einbrecher nicht Halt gemacht. Wenigstens waren die Backup-Disketten noch da. Aber das Gefühl, dass womöglich jetzt jemand die geschäftlichen Daten und auch die privaten Briefe lesen würde, war ziemlich schockierend. Irgendjemand würde jetzt sehr viel von ihnen wissen. Ein Gespräch mit den Nachbarn ergab, dass sie vorgestern Abend ein paar Handwerker ins Haus gehen sahen. Aber wer denkt da gleich an Einbruch? Gut, also vorgestern war es dann wohl passiert. Während Stefan an seinem Schreibtisch saß und überlegte, stöhnte Susanne, dass sie doch lieber nur eine Woche auf der Insel hätten verbringen sollen und dass dann das alles nicht passiert wäre. Schließlich hätte es in der zweiten Woche sowieso nur ständig geregnet. Letzteres konnte Stefan nicht bestreiten; selbst die Einheimischen konnten sich nicht daran erinnern, wann es das letzte Mal um diese Jahreszeit derart viel geregnet hatte. Und dann waren da ja noch diese aufdringlichen Werbeleute gewesen, die ihnen am Anfang ihrer zweiten Woche unbedingt eine Timesharing-Option hatten aufschwatzen wollen. Natürlich nicht mit dieser Bezeichnung; dann hätte man sich ja nie auf ein Gespräch eingelassen, das stand ja schon im Reiseführer. Einen Ferientag hatten Susanne und Stefan damit verbracht, sich eine – zugegebenermaßen schöne – neue Ferienanlage anzuschauen. Naja, die Besichtigung und das Gespräch hatten über 2 Stunden gedauert und ein schon eingeplantes Mittagessen gekostet. Schlimmer war der Ärger, den sie nachmittags darüber empfunden hatten, zu höflich gewesen zu sein, um schon früher verärgert das Gespräch abzubrechen. Dieser Werbemensch war aber auch wirklich übel gewesen. Moment mal, könnte da etwa ein Zusammenhang bestehen zu dem Einbruch bei ihnen? Ein Anruf bei der Polizei konnte ja nicht schaden. Der Beamte, mit dem sie telefonierten, fand den Gedanken gar nicht so abwegig, wie sie befürchtet hatten und versprach, sich darum zu kümmern. Schließlich hatte man ja immerhin den Namen des Hotels, in dem die Veranstaltung stattgefunden hatte und mit etwas Glück war auch der Werbetyp noch da. Frank war der Name gewesen; er erzählte ihnen, er käme ursprünglich aus einem kleinen Ort bei Braunschweig. In 2 Monaten wollte er Urlaub auf Hawaii machen – etwas, dass man sich nur leisten könnte, wenn man Optionen bei seiner Urlaubsfirma erwerbe. Naja, vielleicht lag das aber wiederum eher daran, dass er selbst gewisse Nebeneinkünfte hatte … Schließlich hatte er sie für die Statistik nach ihrem Nachnamen gefragt und später im Gespräch hatten sie sich auch darüber unterhalten, aus welchem Ort sie stammten. Im Nachhinein konnte Stefan sich nicht mehr vorstellen, auf sowas Blödes hereingefallen zu sein, aber im Urlaub war man halt lockerer und rechnete auch nicht gleich mit dem Schlimmsten.
Tage später klingelte bei Stefan das Telefon und ein Polizeibeamter unterrichtete ihn, dass sein Verdacht begründet gewesen war. Sie waren nicht die einzigen Süd-Urlauber gewesen, deren Wohnung während ihrer Abwesenheit ausgeräumt worden war: Mit Hilfe der spanischen Kollegen hatten man in einer Durchsuchung bei Frank belastendes Material gefunden. Hawaii würde für ihn doch weiterhin nur ein Traum bleiben…

 

Ergebnis NotebookLM Audio-Diskussion

a) Lokale Ablage nach Umwandlung in MP3: https://www.idethloff.de/blogfiles/20240927/ID-Story-Urlaub-mit-Folgen-NotebookLM.mp3

b) Freigabelink (Google-Anmeldung erforderlich): https://notebooklm.google.com/notebook/9f1de117-e5e1-42d1-953f-edf09e32dd26/audio

Sprechende Avatare mit HeyGen

Heute ein kleiner HeyGen-Test. Dieses Tool ist ein „AI Video Generator“-Tool und bringt nach Registrierung einige kostenlose Funktionen mit sich. https://www.heygen.com/

Beispielsweise lässt sich ein kurzes Video mit einem eigenen Photo-Avatar erzeugen, der einen zuvor eingegebenen Skript-Text mit einer der HeyGen-KI-Stimmen wiedergibt.

 

Hierbei war es möglich, ein vorhandenes HeyGen-Template hinsichtlich Farben, Text und eigenen Assets (hochgeladenes Bild) zu editieren. Die ausgewählte KI-Stimme konnte man bereits vor Klick auf „Submit“ testen, die Animation des Avatars sieht man allerdings erst in dem (recht schnell) erzeugten Video. Anschließend das Video im mp4-Format herunterladen – fertig.

Hier noch der Sharing-Link auf der HeyGen-Plattform:
https://app.heygen.com/share/ceb61eb1cbd443009fe164dae743b533

HeyGen ist auch in der Lage, Übersetzungen in andere Sprachen zu erstellen, aber das ist ein Test für einen anderen Tag…

 

Bilder generieren mit ideogram.ai

Auf der Suche nach einer Alternative zu DALLE-3 stieß ich auf ideogram.ai – auch aufgrund des Hinweises, dass ideogram.ai sehr gut mit Texten in Bildern umgehen kann. Das Web-Tool hat mir sowohl von der Qualität als auch von der Geschwindigkeit her sehr gut gefallen. Wie inzwischen so ziemlich alle Tools, erfordert es ein persönliches Login (Google, Apple) – auch für einen freien Account mit max. 25 Prompts täglich. Hier die ideogram.ai-Dokumenation: https://docs.ideogram.ai/using-ideogram/generating-images und die Nutzungsbedingungen: https://ideogram.ai/tos

ideogram.ai-Testbericht

Programm-Oberflaeche

Mit jedem Prompt werden 4 Bilder erzeugt, von denen eines automatisch zum Cover-Bild gewählt wird. Dennoch kann man manuell einzelne Bilder aus verschiedenen Kollektionen anpinnen an den eigenen Account (s.u. Screenshot). Die erzeugten Bilder sind downloadbar im jpg-Format inkl. Exif-Daten. Die Option „share“ scheint im ideogram.ai-Bereich intern zu bleiben, daher hier im Blogbeitrag manuell hochgeladene Ergebnisse.

Standardmäßig ist „Magic Prompt“ angehakt zur Optimierung der eigenen Text-Eingabe, was man auf Wunsch aber deaktivieren kann. Ansonsten kann man noch zwischen verschiedenen Ausgabe-Formaten wählen und das ist es dann schon mit der Wahlfreiheit bei einem kostenlosen Account: Erzeugte Bilder sind „public“ und man kann sie nicht löschen. Der Editor steht auch nur für Bezahl-Accounts zur Verfügung.

Screenshot meiner angepinnten ideogram.ai-Ergebnisse

Programm-Oberflaeche(zum Vergrößern anklicken)

Einzelbilder zum genaueren Anschauen


Prompt = 3 raccoons, a cat and a waterfall. wildlife photography


Prompt = a blue heron standing on a desk in front of a keyboard and looking at a monitor. mysterious yellow light, black and white items. a small pink raccoon logo in the upper right corner.


Prompt = Create an aspect ratio of 9:16 depicting half of a face of a raccoon and the other half with text „RACCOONS IN KASSEL FOREVER“ with bold and grunge effect on the text, black and white illustration with pink background, typography.

Magic Prompt = A striking black and white illustration with a 9:16 aspect ratio, capturing half of a raccoon’s face looking intently towards the viewer. The other half of its face is replaced by bold, grungy text that reads „RACCOONS IN KASSEL FOREVER“ in a playful and rebellious tone. The illustration is set against a vibrant pink background, adding an unexpected pop of color. The overall design is edgy and artistic, with a strong typography element that adds to its visual impact.
-> Mein Prompt war inspiriert von einem Beispiel auf X (Ex-Twitter): https://twitter.com/ideogram_ai/status/1775512625851375812
Meine Formatangaben wurden durch die gesetzte Option Aspect Ratio = 1:1 übersteuert.


Prompt = Stelle den Vorgang der Photosynthese symbolisch dar.

Magic Prompt = A creative visual representation of photosynthesis, where a large tree stands tall in a sunlit meadow. The tree’s leaves are depicted as glowing, capturing sunlight and converting it into energy. A series of tiny, colorful insects and birds surround the tree, symbolizing the interconnectedness of the ecosystem. In the background, there is a golden sun and a gentle, blue sky. The overall ambiance of the image is serene, with a touch of magic and life.


Prompt = cute young woman sitting on a beach reading a book labeled „Raccoons forever“, photo realistic style, mysterious sun light, typography.

-> Der Text im Bild klappte auf Anhieb, der Text auf dem Buchtitel nicht ganz so gut …


Prompt = a learning space designed with areas for quiet study, online learning, hybrid learning, power generation via exercise bikes and a comfortable relaxing atmosphere. empty – no students.

Magic Prompt = A futuristic and innovative learning space, designed for a variety of educational experiences. In the center, there are several exercise bikes connected to power generators, providing an eco-friendly way to produce energy while students study. The quiet study area features modern, comfortable seating and natural lighting, while the online and hybrid learning zones are equipped with state-of-the-art technology and interactive displays. The entire space is empty, awaiting the arrival of eager students to explore and learn in this unique environment.
-> Meine Eingabe „no students“ wurde leider ignoriert und auch die entsprechende automatisch erzeugte Eingabe des Magic Prompts … Die Darstellung der Personen ist zudem extrem schlecht – im Gegensatz zu meinem Beispiel mit dem Chemiker.


Prompt = a typical north german landscape. one blue sheep. sunny day.

Magic Prompt = A serene, sunny scene of a typical north German landscape, featuring a lush green field with various types of tall grass and wildflowers. In the center, a single, unique blue sheep grazes peacefully, contrasting with the surrounding natural colors. The sky is a brilliant blue, with fluffy white clouds floating above. The overall atmosphere is tranquil and idyllic, capturing the essence of a perfect rural day.


Prompt = Historisches Wasserschloss im Abendlicht. Bleistiftzeichnung.


Prompt = Louvre pyramid with giraffes next to it. Evening light. Photo.

Magic Prompt = A stunning photograph of the Louvre Pyramid bathed in the golden glow of evening light. Two elegant giraffes gracefully pose next to the pyramid, casting elongated shadows on the polished floor. The background reveals a serene, open plaza with a few people admiring the striking scene. The combination of modern architecture and graceful wildlife creates a harmonious and enchanting atmosphere.


Prompt = raccoon with balloon., graffiti


Prompt = Laborraum. Ein Chemiker mit einem Reagenzglas auf dem Tisch. Fotorealistisch.


Prompt = raccon for president. poster. typography

Magic Prompt = A vibrant and humorous political poster featuring a raccoon wearing a stylish suit, holding a microphone with the slogan „Raccoon for President.“ The raccoon’s face is replaced with the American flag, emphasizing its patriotic message. The background is a cityscape with skyscrapers, and the typography is bold, modern, and eye-catching. The overall tone of the image is playful and satirical, poking fun at the political landscape.


Prompt = a classroom. van Gogh style.


Prompt = a raccoon, a giraffe and a cat looking at the sunset over a river. black & white coloring book style illustration.


Prompt = self portrait of a emperor penguin as an artist, painting on a canvas in a historical setting that echoes the ambience of a 17th century Europe.


Prompt = 3 raccoons, a cat and a waterfall. wildlife photography

Magic Prompt = A serene wildlife photo capturing three raccoons and a cat coexisting peacefully near a picturesque waterfall. The raccoons display a mix of curiosity and caution, while the sleek cat observes intently from a distance. The waterfall cascades in the background, casting a mist that shines in the sunlight. The lush greenery and rocks in the foreground give a sense of the animals‘ natural habitat.


Prompt = Bergpark Kassel, Tiger, Katze und Maus., 3d render

Magic Prompt = A stunning 3D rendered scene of Bergpark Kassel, a majestic mountain park featuring a gigantic tiger, a curious cat, and a playful mouse. The tiger stands proudly on a hill, surveying the expansive park, while the cat and mouse engage in a lighthearted game nearby. The setting is a lush, green environment with vibrant flowers and trees, creating a serene atmosphere., 3d render
-> Der „Bergpark Kassel“ war dem Tool offensichtlich kein Begriff … (im Gegensatz zum Begriff „Louvre“)


Prompt = Louvre pyramid with giraffes next to it. Evening light. Photo.

Magic Prompt = A stunning photograph of the Louvre Pyramid illuminated by the warm evening light, with a delicately blurred effect. Near the base of the pyramid, two majestic giraffes gracefully pose, their long necks reaching towards the sky. The background reveals a picturesque view of the Louvre Museum and a serene cityscape. The overall atmosphere of the image is peaceful and enchanting, blending architecture, wildlife, and urban elegance.

GPT4All – Chatbot mit Open Source KI-Sprachmodellen lokal installieren

Ist es niederschwellig möglich, auch ein LLM lokal zu installieren und zu nutzen? Dies Frage stellte sich mir nach der erfolgreichen Installation eines KI-Bildgenerators. Antwort: Ja, mit einer gewissen Hardware.
Ein Kollege (danke, Steffen) machte mich auf GPT4All aufmerksam. Hier gibt es Installer für verschiedene Betriebssysteme und man kann sich anschließend eines der dafür passenden Open-Source-Modelle herunterladen.
https://gpt4all.io

Auch hier habe ich mein MacBook Air (M1,2020) genutzt:


1. Download und Installation von OSX Installer mit Desktop Chat Client


2. Anschließend Auswahl aus den angebotenen Sprachmodellen, hier Download eines Mistral-basierten und einem Llama2-basierten Modells

Aufforderung zum Modell-Download

2a. Mistral OpenOrca 3,83GB (= mistral-7b-openorca.gguf2.Q4_0.gguf) sowie

Auswahl MistralDownload Mistral

2b. Hermes 6,86GB (= nous-hermes-llama2-13b.Q4_0.gguf)

Auswahl Llama2Download Llama2


3. Fertig, gewünschtes heruntergeladenes Modell oben auswählen und unten bei „Send a message“ Prompt formulieren

Eingabemoeglichkeit nach Auswahl Modell Mistral


Die Antwortzeiten sind sehr gut und es funktioniert alles ohne Internet. Zunächst war ich bei meinen Prompts etwas irritiert über die Antworten – Mistral verstand die Bedeutung von poems nicht, mischte deutsch und englisch und fand 1kg Federn leichter als 1kg Wasser… Dies war bei Llama2 deutlich besser (das Modell ist auch fast doppelt so groß), aber nach und nach überzeugte mich auch Mistral bei weiteren Anfragen zu birthday cards, kleinen PHP-/HTML-Beispielen, sightseeing points, hybrid learning settings, PowerPoint presentations about Johannes Gutenberg, ski jumping, musical preferences etc.
Mein kurzes Fazit: OpenAI gefällt mir besser, aber das hätte ich auch nicht anders erwartet im Vergleich zu einer wirklich lokal laufenden Installation von OpenSource-Modellen – dennoch: Es lohnt durchaus, ein LLM einmal lokal zu installieren und auszuprobieren!

Stable Diffusion locally on MacBook Air via App „Draw Things“

It would be nice to have a local installation of the open source text-to-image model Stable Diffusion… that was my idea this weekend. As I didn’t find any convincing installation manuals and even wasn’t sure if my Windows PC’s hardware would be sufficient, a very simple article about „Draw Things“ came to my attention: https://www.unidigital.news/draw-things-ki-bilder-kostenlos-unterwegs-generieren/ Unfortunately my iPad and my iPhone are too old, but with my MacBook Air (M1,2020) the installation was no problem:
Downloading the app „Draw Things“ from the Apple Store and afterwards downloading the proposed model „SDXL Refiner v1.0 (8-bit)“. My first text prompt with default options, 1024×1024 etc. and waiting time of some minutes, was a disaster, my second prompt was a disaster and so it went… double things and not nearly what I wanted. O.k., I’m a little bit spoiled because of mostly using ChatGPTPlus and Bing Image Creator, but what was that thing? Totally disappointed, I deleted all the results.

Here is one disturbing example from today „young woman holding an umbrella“:

image with model SDXL Refiner v.10 8-bit
(click to enlarge)

Today, I thought maybe I should be modest and download/install an older Stable Diffusion model in my „Draw Things“ app and therefore chose „Generic (Stable Diffusion v2.1)“ which would result in a lower resolution image 512×512. For my prompt I chose something about cats (because, normally „cats always work“) and finally, I got results resembling a cat:

image with model Generic, Stable Diffusion v2.1image with model Generic, Stable Diffusion v2.1image with model Generic, Stable Diffusion v2.1image with model Generic, Stable Diffusion v2.1
(click to enlarge)

The good results with the older model led me to the assumption, that the SDXL model was the problem and I googled… a YouTube video „Fix Double-Headed Glitches in Stable Diffusion with Kohya Hires Fix!“ helped me understand the problem (Link: https://youtu.be/SbgMwHDXthU?feature=shared). As I don’t have a local installation but the Apple Store App „Draw Things“, I can’t install any extensions, but I looked instead at the menu „Advanced“ in my „Draw Things“: There is indeed already a solution, that means a configuration option named „High resolution fix“ (description „[…] it avoids duplicate objects when generating directly“), which I simply had to enable in order to avoid double heads in my results.

First result after enabling „High Resolution Fix“:

image with model SDXL Refiner v.10 8-bit
(click to enlarge)

That’s the problem with news articles regarding the topic IT or AI: they become obsolete faster than you can think – I don’t mean any offense – and next time, I will go through the advanced options even when I don’t want to experiment deeper with a software.

At last, I can start generating images with my local installation of Stable Diffusion via App „Draw Things“:

Draw Things Screenshot
(click to enlarge)

Thanks to the developer of „Draw Things: AI Generation“!