Videomodelle
Wan 2.2 5B vs 14B: Welchen Wan solltest du für deine Grafikkarte herunterladen
Wan 2.2 gibt es als zwei verschiedene Modelle: das 5B Einzel-Checkpoint, das 720p Clips auf einer Consumer-Karte macht, und das zwei-Experten 14B Paar, das die beste offene Videoqualität liefert, aber 24 GB oder mehr braucht. Was jedes Modell ist, wie viel Speicher sie wirklich brauchen, welche LoRAs mit welchem funktionieren, wie lange ein 5-Sekunden-Clip dauert und die kurze Antwort für 8, 12, 16, 24 und 32 GB Karten.
Fehler & Lösungen
Wie viel VRAM brauche ich eigentlich für lokale KI?
Die ehrliche Antwort, nach Modell und nicht nach Budget: 8 GB reichen für 8B-Chatmodelle und SDXL, 12 bis 16 GB für 14B-Modelle, Flux fp8 und kurze Videos, 24 GB sind der Sweet Spot für 30B-Klassen-LLMs und FLUX.2 oder Qwen Image, 48 GB und mehr sind 70B-Territorium, und 64 GB System-RAM sind nicht dasselbe wie eine 64 GB GPU. Mit der Rechnung für Gewichte, Kontext und Puffer, einer Speicherebenentabelle von 8 GB bis 512 GB und Kais Video über alle Wege, 128 GB VRAM zu erreichen.
Fehler & Lösungen
Safetensors vs .ckpt und .pt: Wie du KI-Modelle sicher herunterlädst und mit SHA-256 überprüfst
Warum .ckpt und .pt Dateien beim Laden Code ausführen können und .safetensors nicht, wie du eine konvertierte oder umbenannte Datei erkennst, wie du einen Download mit den auf den Modellseiten gezeigten SHA-256- und AutoV2-Hashes überprüfst, wo du herunterladen solltest, was du bei einem Hash-Fehler tun kannst und wie die Cloud-Partner das ganze Problem umgehen.
Modelle
KI-Bildvergrößerung: ESRGAN-Modelle, hires-fix, gekachelte Diffusion und wann man was benutzt
Die drei Arten der Vergrößerung und wofür sie gut sind: schnelle Pixel-Upscaler (4x-UltraSharp, Real-ESRGAN, SwinIR, DAT) für saubere Vergrößerung, hires-fix für mehr Details während der Generierung und gekachelte Diffusion (Ultimate SD Upscale, SUPIR, Flux-basiert) um ein 1024-Bild in einen detaillierten 4K-Druck zu verwandeln; inklusive Denoise-Werten, Kachelgrößen und den Modellen, die sich zum Download lohnen.
Fehler & Lösungen
GPU- und VRAM-Leitfaden für KI-Bild- und Video-Modelle: Was jedes Modell braucht und was man kaufen sollte (oder nicht)
Wie viel Grafikspeicher jede Modellfamilie wirklich bei nutzbarer Geschwindigkeit braucht (SD 1.5, SDXL, Flux, FLUX.2, Qwen Image, Z-Image, Wan 2.2, LTX-2, H3), was fp8- und GGUF-Quantisierung bringen, warum auch System-RAM und Festplatte wichtig sind, eine Rangliste von Grafikkarten von 8 bis 32 GB, Hinweise zu Mac und AMD sowie ab wann Mieten günstiger ist als Kaufen.
Prompting
Schritte, CFG, Sampler, Scheduler und Seeds: Die Generationseinstellungen mit sicheren Standardwerten erklärt
Was jede Einstellung im Generierungsfenster verändert, welche Werte für die jeweiligen Modellfamilien (SD 1.5, SDXL, Flux, Qwen, Z-Image, Wan) funktionieren, welche Sampler wichtig sind, warum distillierte Modelle andere Regeln haben und wie du Seeds nutzt, um immer nur eine Sache zu ändern.
Modelle
Checkpoint vs LoRA vs Embedding vs ControlNet: Welche Datei macht was
Die sechs Arten von Modelldateien, die du kennenlernst, was jede verändert, wie groß sie sind, wo sie hinkommen und wann du sie benutzt: Checkpoints und Fine-Tunes, LoRAs und ihre LyCORIS-Verwandten, Textuelle Inversion Embeddings, ControlNets und IP-Adapter, VAEs und Upscaler.
Modelle
Wie generative KI-Bildmodelle funktionieren: Diffusion, Latents und Text-Encoder einfach erklärt
Die Mechanik hinter Stable Diffusion, SDXL, Flux und den Videomodellen ohne Mathe: was Rauschen damit zu tun hat, warum Modelle in einem komprimierten latenten Raum arbeiten, was der Text-Encoder und VAE machen, was Schritte und Guidance wirklich verändern und warum Trainingsdaten bestimmen, was ein Modell zeichnen kann.