Text-to-image-generatie

Bij text-to-image-generatie maakt een AI-model een afbeelding op basis van een geschreven beschrijving, de prompt. Je typt "een fiets op een grachtenbrug bij zonsondergang, in aquarel" en krijgt een nieuw beeld. Bedrijven gebruiken het voor beelden op sociale media, illustraties, mock-ups van producten en moodboards. Controleer voor je iets publiceert wat de voorwaarden van de tool toestaan en of het beeld niet te veel op bestaand werk lijkt.

Hoe werkt het?

Een tekstencoder zet de prompt eerst om in embeddings, reeksen getallen die de betekenis vastleggen. Stable Diffusion v1 gebruikt daarvoor CLIP van OpenAI. Met Imagen (2022) ontdekte Google dat een grotere tekstencoder, het taalmodel T5, de beelden meer verbeterde dan een groter beeldmodel (Saharia e.a.). Daarna bouwt een beeldmodel de afbeelding op. Er zijn drie hoofdaanpakken:

• Diffusiemodellen beginnen met willekeurige ruis en halen die stap voor stap weg, gestuurd door de tekst. Stable Diffusion en DALL-E 3 werken zo.
• Autoregressieve modellen schrijven het beeld als een reeks beeldtokens, zoals een taalmodel tekst schrijft. De eerste DALL-E van OpenAI (2021) en Parti van Google (2022) deden dat (Ramesh e.a., Yu e.a.), en OpenAI noemt de beeldgeneratie in GPT-4o (maart 2025) autoregressief (aanvulling op de system card).
• Flow matching, een trainingsmethode waarvan diffusie een speciaal geval is, vormt de basis van de FLUX.1-modellen van Black Forest Labs, uitgebracht in augustus 2024 (aankondiging).

Hoe stuur je het beeld?

Open tools zoals de bibliotheek diffusers, waarmee je Stable Diffusion draait, laten je meer instellen dan de prompt:

• een negatieve prompt, voor wat niet in het beeld mag komen;
• de guidance scale, standaard 7,5: een hogere waarde volgt de prompt nauwer, ten koste van de beeldkwaliteit;
• het aantal stappen waarin ruis wordt weggehaald, standaard 50: meer stappen geven meestal een beter beeld, maar duren langer;
• een seed voor de toevalsgenerator, zodat dezelfde instellingen opnieuw hetzelfde beeld geven.

ControlNet (2023) voegt sturing op de opbouw toe, met randen, een dieptekaart of een lichaamshouding.

Waar gaat het mis?

De model card van Stable Diffusion v1 (2022) noemt de typische zwakke plekken: geen leesbare tekst, moeite met composities zoals "a red cube on top of a blue sphere", gezichten en mensen die mislukken, zwakkere resultaten buiten het Engels, en het deels onthouden van beelden die vaak in de trainingsdata voorkomen. Nieuwere modellen doen het op een deel daarvan beter. Volgens OpenAI zet GPT-4o betrouwbaar tekst in beelden; bij DALL-E 3 noemde het die vaardigheid onbetrouwbaar.

Mag een bedrijf de beelden gebruiken?

Dat hangt af van de tool. Volgens de voorwaarden van Midjourney (mei 2026) ben je eigenaar van de beelden die je maakt, maar een bedrijf met meer dan $1 miljoen omzet per jaar heeft daarvoor een Pro- of Mega-abonnement nodig. Adobe zegt Firefly nooit op klantcontent te hebben getraind, betaalt de makers van Adobe Stock van wie het werk is gebruikt, en noemt de modellen commercieel veilig. Stable Diffusion v1 leerde van delen van LAION-2B(en), een openbare verzameling van meer dan 2 miljard beelden met Engelse bijschriften. Geen contract geeft meer dan de wet toestaat: in de Verenigde Staten concludeerde het Copyright Office in januari 2025 dat puur door AI gemaakt materiaal niet auteursrechtelijk beschermd is en dat prompts alleen niet genoeg zeggenschap geven. Om beelden als AI-werk te markeren, voegt OpenAI volgens een verklaring van maart 2025 C2PA-metadata toe aan alle beelden van GPT-4o, en gebruikt Google SynthID.

Voorbeeld

Stel: een bakkerij wil een lenteposter. De eigenaar beschrijft de scène, laat een paar versies maken en kiest er een. De prijzen zet ze er achteraf in met een opmaakprogramma, omdat het model tekst kan verminken. Voor het drukken controleert ze of de voorwaarden van de tool commercieel gebruik toestaan en of het beeld niet lijkt op een bekend merk of kunstwerk.