Glossar zur KI-Bild- und Videoerzeugung: 60 Begriffe von Checkpoint bis VAE, jeweils in einem Satz erklärt
Überblick
Jede Community erfindet ihren eigenen Wortschatz, und hier wurde schnell ein großer geschaffen. Das untenstehende Glossar ist die Referenz, auf die sich die anderen Guides auf dieser Seite beziehen; jeder Begriff bekommt einen Satz, die Familie oder das Tool, zu dem er gehört, wenn es wichtig ist, und den nächsten längeren Guide zum Weiterlesen. Die Begriffe sind gruppiert: Modelle und Architekturen, Dateien, Einstellungen, Techniken, Prompting, Video, Hardware.
Familien auf dieser Seite (Flux, SDXL, Wan und so weiter) werden auf eigenen Hub-Seiten erklärt, und jede Modellseite zeigt die Begriffe in Gebrauch: Typ, Familie, Trigger-Wörter, empfohlene Einstellungen. Wenn ein Wort auf einer Modellseite hier nicht steht, ist der Community-Chat, der im FAQ verlinkt ist, der richtige Ort zum Fragen.
Referenz
Name | Typ | Bedeutung |
|---|---|---|
Checkpoint / base model | file | Die kompletten Modellgewichte in einer Datei (oder ein paar Dateien bei Flux-Ära-Modellen). Funktioniert allein. Siehe checkpoint vs LoRA vs embedding. |
Fine-tune | model | Ein Checkpoint, der mit neuen Daten nachtrainiert wurde (DreamShaper, Illustrious, Pony). Gleiche Architektur wie das Basis-Modell. |
Merge | model | |
LoRA / LyCORIS / DoRA | file | Ein kleines Add-on, das das Verhalten eines Checkpoints ändert; braucht ein Trigger-Wort und ein Gewicht. Siehe den LoRA-Guide. |
Embedding / textual inversion | file | Ein gelernter Token für den Text-Encoder, nach Namen getippt; meist negative Embeddings bei SD 1.5 und SDXL. |
VAE | component | Encoder/Decoder zwischen Pixeln und Latents; falscher VAE bedeutet ausgewaschene Farben. |
Text encoder (CLIP, T5, LLM) | component | Wandelt den Prompt in Zahlen um; entscheidet den Prompt-Dialekt (Tags vs Sätze). |
U-Net / DiT / MMDiT | architecture | |
MoE (mixture of experts) | architecture | Mehrere Sub-Modelle, von denen pro Schritt eines läuft (Wan 2.2 High-/Low-Noise-Experten, HunyuanImage 3). |
Diffusion / flow matching | training | Lernen, Schritt für Schritt Rauschen zu entfernen; Flow Matching ist die geradlinigere Formulierung ab 2024+. Siehe wie Modelle funktionieren. |
Distilled (Turbo, Lightning, Schnell, Klein, Hyper) | model | |
Guidance-distilled | model | CFG ist eingebaut (Flux-Dev); ein Guidance-Wert ersetzt CFG und der negative Prompt hat keine Wirkung. |
precision | Wie Gewichte gespeichert werden; geringere Präzision bedeutet kleinere Dateien und weniger VRAM, leicht geringere Qualität. Siehe den VRAM-Guide. | |
Safetensors / ckpt | format | Sicheres reines Tensor-Format vs Code-ausführendes Pickle. Siehe sichere Downloads. |
Steps | setting | Denoising-Durchläufe; 20-30 normal, 4-8 distilled. |
CFG scale | setting | |
Sampler / scheduler | setting | Numerische Methode und Rauschkurve (Euler, DPM++ 2M; Karras, simple, beta). |
Seed | setting | Das Start-Rauschen; fester Seed, reproduzierbares Bild. |
Denoise | setting | |
Shift / sigma | setting | |
Latent | concept | Das komprimierte Arbeitsbild (1/8 oder 1/16 Größe), das der Denoiser bearbeitet. |
Resolution / native size | concept | |
Hires-fix | technique | |
Upscaler (ESRGAN, SwinIR) | technique | Pixelvergrößerungsnetzwerk, das nach der Erzeugung läuft. |
technique | ||
Inpainting / outpainting | technique | Maskierten Bereich neu generieren / Leinwand erweitern. |
ControlNet / T2I-Adapter | technique | |
IP-Adapter / Redux / reference | technique | Bildbasierte Stil- oder Identitätskonditionierung. |
Face detailer / ADetailer | technique | |
Tiled diffusion / Ultimate SD Upscale | technique | |
Prompt / negative prompt | prompting | |
Trigger word | prompting | |
Weight (word:1.3) | prompting | Aufmerksamkeitsgewichtung bei CLIP-Modellen. |
Quality tags / score tags | prompting | |
Token limit (77) | prompting | |
Prompt bleeding | prompting | Ein Attribut hängt am falschen Objekt. |
T2I / T2V / I2V / TI2V / V2V | video | Text zu Bild / Text zu Video / Bild zu Video / beides / Video zu Video. |
Frames and fps | video | |
High-noise / low-noise expert | video | |
First / last frame | video | Keyframe-Konditionierung (FLF2V) für kontrollierte Bewegung. |
VACE / Fun ControlNet | video | Video-Editing- und Kontrollmodelle in der Wan-Familie. |
Frame interpolation (RIFE, FILM) | video | Zwischenframes erzeugen, um fps zu erhöhen. |
VRAM / offloading / block swap | hardware | GPU-Speicher; Teile eines Modells in den Systemspeicher auslagern, wenn es nicht passt. Siehe VRAM-Guide. |
CUDA / MPS / ROCm | hardware | NVIDIA / Apple / AMD Compute-Backends. |
tool | Ein gespeicherter Node-Graph; eingebettet in ComfyUI-PNGs. Siehe ComfyUI-Anfänger-Guide. | |
Custom node | tool | Eine ComfyUI-Erweiterung; mit dem Manager installiert. |
Heat score | this site | Wie beliebt ein Modell gerade ist, basierend auf Downloads, Läufen und Suchanfragen; erklärt auf der FAQ-Seite. |
Schritt für Schritt
- Lies eine Modellseite von oben nach unten mit offenem Glossar: Typ, Familie, Trigger-Wörter, Einstellungszeile unter jedem Beispiel.
- Such dir die drei Begriffe aus, die dich verwirrt haben, und lies den verlinkten Guide dazu; die Guides sind so geschrieben, dass dieses Glossar genug Kontext gibt.
- Wenn du in einem Forenthread einen neuen Begriff siehst, schau, ob es eine Datei, eine Einstellung, eine Technik oder ein Video-Begriff ist; die meisten Verwirrungen kommen vom Vermischen dieser Kategorien.
- Komm wieder, wenn eine neue Familie auftaucht; die Hub-Seiten fügen eigene Begriffe hinzu (Wan 2.2 Experten, Flux Guidance) und diese Liste wird aktualisiert.
Beispiele
Eine Einstellungszeile auf einer Modellseite, entschlüsselt
"<lora:zavy-cinematic-xl:0.7> zavy cinematic, ... | 1024x1024 | DPM++ 2M Karras | 28 steps | CFG 6 | seed 4471"
LoRA at weight 0.7 with its trigger word; native SDXL size; sampler + scheduler; 28 denoising steps; CFG 6; fixed seed
Ein Wan 2.2 Workflow-Name, entschlüsselt
wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors -> Wan 2.2, image to video, the high-noise expert, 14B parameters, fp8 precision, safetensors format
Tipps
- Wenn zwei Guides bei CFG widersprechen, sprechen sie von verschiedenen Familien; schau nach, welche.
- "Modell" bedeutet in den meisten Sätzen Checkpoint, aber auf dieser Seite ist "Modell" jeder Katalogeintrag inklusive LoRAs; das Typ-Label sagt dir, was es ist.
- Video-Begriffe sind dieselben Ideen mit einer Zeitachse; wenn du T2I und img2img kennst, kennst du auch T2V und I2V.
- Die Cloud-Partner benutzen denselben Wortschatz: PirateDiffusions Flags sind /steps, /guidance, /seed, /size; BitVectors Panel nutzt dieselben Namen.
Fehlerbehebung
Zwei Quellen verwenden dasselbe Wort unterschiedlich
Warum es passiert
So behebst du es
An der Familie orientieren: CFG für SD/SDXL, guidance für Flux.
"Modell" auf Civitai bedeutet etwas anderes als hier
Warum es passiert
Civitai gruppiert Versionen unter einem Modell; diese Seite listet jede Version einzeln.
So behebst du es
Nach Hash vergleichen, nicht nach Namen.
Eine Einstellung, die auf einer Modellseite genannt wird, fehlt in meiner UI
Warum es passiert
Unterschiedliche UI-Namen (denoising strength vs denoise; hires steps vs second pass).
So behebst du es
Die Glossarzeile nennt die Aliase; der ComfyUI-Node-Guide ordnet Node-Namen zu.
Fragen
Ist ein Checkpoint dasselbe wie ein Modell?
Im Alltag ja. Streng genommen ist ein Checkpoint die gespeicherte Datei eines Modells.
Was ist der Unterschied zwischen guidance und CFG?
CFG ist classifier-free guidance, die zur Laufzeit bei SD und SDXL angewendet wird; Flux-Dev hat sie eingedampft und zeigt stattdessen eine einzelne Guidance-Zahl.
Wo sind die videospezifischen Begriffe?
In der Videogruppe oben und auf den Hub-Seiten von Wan, LTX und H3; der Video-Einstiegs-Guide erklärt sie.
Muss ich das alles wissen, um Bilder zu machen?
Nein. Familie, Trigger-Wort und Denoise decken 80 Prozent der Probleme ab; den Rest lernst du, wenn du darauf stößt.
Links und Quellen
Modelle in dieser Anleitung
Geschrieben von
Leitet dieses Schiff. Hat Meinungen zu VAE-Dekodierzeiten, die niemand gefragt hat. Glaubt, dass Gewichte frei sein wollen und dass jedes Modell, das du nicht herunterladen kannst, ein Abo mit Extra-Schritten ist. Wird keine Fragen zu den 400 GB Checkpoints auf dem NAS beantworten.
Alle Anleitungen von Captain
Verwandte Anleitungen
Erste Schritte mit KI-Bilderzeugung: Dein erstes Bild in zehn Minuten
14. Aug 2025
Wie generative KI-Bildmodelle funktionieren: Diffusion, Latents und Text-Encoder einfach erklärt
28. Aug 2025
Checkpoint vs LoRA vs Embedding vs ControlNet: Welche Datei macht was
8. Okt 2025
Schritte, CFG, Sampler, Scheduler und Seeds: Die Generationseinstellungen mit sicheren Standardwerten erklärt
19. Nov 2025
KI-Videoerstellung für Anfänger: Bild-zu-Video, Text-zu-Video und der erste Clip mit Wan, LTX-2 und H3
29. Apr 2026
Grundlagen des Prompt-Schreibens für KI-Bilder: Aufbau, Reihenfolge, Gewichtung und die zwei Prompt-Dialekte
22. Okt 2025
Weitere Anleitungen
GPU- und VRAM-Leitfaden für KI-Bild- und Video-Modelle: Was jedes Modell braucht und was man kaufen sollte (oder nicht)
7. Jan 2026
KI-Bild- und Videomodelle auf AMD-GPUs ausführen (2026 Anleitung)
7. Okt 2026
VRAM-Anforderungen für alle beliebten KI-Bild- und Videomodelle (2026): Volle Präzision, FP8 und GGUF
6. Okt 2026
Was ist ein LoRA und wie benutzt man ihn in ComfyUI, Forge, Automatic1111 und in der Cloud
20. Mai 2026
CUDA-Speicher voll: wie viel VRAM jedes KI-Modell braucht und wie man es passend macht
18. Mai 2026