Naar de inhoud
Alle video’s

Replicate, eigen scripts en de vier factoren achter beeldkwaliteit

HoofdstukAI & MarketingDuur: 3:53 minVanaf 4:34 in de opname

Tachmy Dilmy, eCommerce AI Club

Uit de sessie: Training AI Literacy Basic (content)

Tachmy Dilmy loopt in de basistraining AI Literacy verder langs de technische route naar AI-beelden: de Higgsfield-koppeling, Replicate en eigen scripts met je feed. Daarna legt hij uit welke vier factoren de kwaliteit van een AI-beeld bepalen: referentie, prompt, model en iteratie.

Voor wie: Je wilt van losse AI-beelden naar een proces en weet niet waar de kwaliteit vandaan komt.

Hetzelfde moment

Waarom dit ertoe doet

Wie 1 beeld laat maken, werkt in een chat. Wie een heel assortiment wil, heeft een proces nodig. Tachmy laat zien waar dat proces begint: met een script dat je feed of een sheet met nieuwe producten gebruikt. Daarna volgt de les die elke webshop kan toepassen: kwaliteit komt uit referentie, prompt, model en een correctieronde. Volgens zijn slide bepalen referentie en model samen ongeveer 80 procent van het resultaat. Dat is zijn schatting. Zo weet je waar je tijd in moet steken voor je 100 beelden bestelt.

Belangrijkste inzichten

  • Replicate geeft volgens Tachmy via 1 API toegang tot veel modellen, zodat je niet steeds opnieuw koppelt.
  • Met een eigen script kun je je feed of een sheet met nieuwe producten gebruiken om beelden te genereren.
  • Kwaliteit komt uit 4 factoren: referentie, prompt, model en iteratie.
  • Het AI-model kan zelf de prompt schrijven.
  • Plan een correctieronde in: een eerste resultaat is zelden het eindresultaat.

Van chat naar script

Tachmy zegt dat Replicate technischer is dan Higgsfield en 1 API geeft zonder dat je steeds opnieuw hoeft te koppelen. Weet je eenmaal welk model je prettig vindt, dan kun je een eigen script maken dat je feed of een sheet met nieuwe producten gebruikt. Als de beeldkwaliteit gewaarborgd is, kun je alles achter elkaar plakken, zodat het aanmaken van een product inclusief de beelden geautomatiseerd verloopt. Later in de sessie laat hij zien hoe dat met een MCP en met Claude Code werkt.

Referentie en prompt

Voor de kwaliteit begint hij bij de referentie: wat geef je als input aan het model, alleen tekst of ook een beeld. Image-to-image editing werkt volgens hem pas 1 tot anderhalf jaar echt goed, met de laatste Nano Banana-versies. De API-documentatie van OpenAI beschrijft dat je nieuwe beelden kunt maken uit referentiebeelden, in het voorbeeld uit vier tegelijk. Daarna komt de prompt. Je hoeft die niet zelf te schrijven: laat het AI-model een goede prompt maken en gebruik die om het beeld te maken.

Model en iteratie

Het model bepaalt ook de kwaliteit: test meerdere, zoals Nano Banana van Google en het ChatGPT-beeldmodel. Het meest vergeten onderdeel is volgens Tachmy de correctieronde. Een eerste resultaat wordt beter, maar kijk er kritisch naar, zoals je ook bij handmatig gemaakte beelden doet. Een tekst, lichtinval of een plastic uitstraling moet soms nog worden aangepast, of het beeld gaat door een ander model. Zijn samenvatting: referentie, prompt, model, test veel en itereer.

Probeer dit deze week

  1. Test hetzelfde product met 2 modellen en dezelfde prompt en noteer het verschil.
  2. Laat een AI-model eerst een prompt voor je schrijven en vergelijk met je eigen versie.

Begrippen

Referentiebeeld
Een foto die je als input meegeeft zodat het model het echte product kan nabouwen.
Iteratie
Een correctieronde waarin je een eerste resultaat gericht bijstuurt.

Verdiep je in de gids

Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

Waar we later ook naar gaan kijken is de MCP, waarmee je eigenlijk jouw AI kan koppelen met jouw systemen en dat je dus plaatjes direct kan laten maken met zo'n Higgsfield Waar ik zelf vaak gebruik van maak is Replicate en Replicate is eigenlijk veel meer iets technischer waarbij je eigenlijk direct koppelt waar je direct toegang krijgt tot één API zonder dat je, als je dan even snel een ander model wil proberen, dan kan dat heel makkelijk, dan hoef je niet eigenlijk tien keer opnieuw te gaan koppelen, maar dan koppel je één keer met een Repticate, en dan kan je gelijk verschillende modellen je plaatsjes laten maken. Uiteindelijk, als je weet waar je het wil laten doen, met welk model je het prettigst werkt, dan zou je dus eigenlijk ook een eigen script kunnen maken. Daar gaan we later ook even over hebben, dat je kan koppelen met bijvoorbeeld jouw eigen feed, of stel je voor dat jij een sheet hebt met allemaal nieuwe producten die je aan wil maken, Dan laat je eigenlijk een script draaien als je eenmaal weet wat voor plaatjes je wil hebben en dat je daar de kwaliteit van hebt gewaarborgd. Dan kun je daar gewoon alles achter elkaar plakken. Zodat je een product aanmaken, inclusief de plaatjes, al automatiseerder verloopt dan dat je dat met de hand zou moeten doen. Als je even teruggaat naar de basis, wat maakt nou de kwaliteit van een plaatje als je dat laat genereren? Dan gaat het eigenlijk heel erg om een stukje referentie. Dus wat geef je als input mee aan het model om dat plaatje te genereren? Is dat bijvoorbeeld alleen maar de tekst of is dat ook een referentie-image? Image-to-image editing is eigenlijk iets wat eigenlijk pas een jaar, anderhalf jaar wellicht, echt goed kan. Eigenlijk met de komst van de laatste Nano Banana versies zie je dat dat steeds beter wordt. Dat als je een foto van een model erin stopt, een model kan een persoon zijn, maar het kan ook een product zijn. dan zie je dat ze steeds beter in staat zijn om het model te representeren. Na te maken zoals ze het in het echte opdracht zien. Zonder dat hij gaat hallucineren, dingen gaat erbij verzinnen. En vooral textuele zaken, er zijn logo's op producten, die worden nu echt steeds beter. En die modellen kunnen daar gewoon steeds beter mee omgaan met teksten, logo's en dat soort zaken. Wat bepaalt nog meer de kwaliteit? Is natuurlijk de prompting die je meegeeft. En zeker op het promptinggebied kan je natuurlijk weer alles proberen zelf te doen en zelf te optimaliseren, maar je kan natuurlijk ook het AI-model gebruiken. Dus daar geef ik ook zo wat voorbeelden van. Wat zou je moeten prompten om een goede prompt weer te kunnen maken, zodat je met die goede prompt weer het plaatsje kan maken. Nou dan, onder het AI-systeem is natuurlijk een bepaald model, waar we het net over hadden, Nano Banana van Google. Of je gebruikt het ChatGPT-image model. die bepaalt natuurlijk ook weer de kwaliteit. En eigenlijk wat mensen ook vaak vergeten is dat je het eerste in one shot, dat wordt steeds beter, maar gebruik zeker ook het model of human intervention om even te kijken wat er uitkomt om dan een iteratieslag te doen op de plaatsjes. Want zelfs dan nog steeds kan je van die 95% wellicht 80% maken. Dus die iteratieslag is iets wat niet altijd de tijd voor gegeven wordt, en ook niet gegund wordt, maar eigenlijk zou je ook plaatjes die handmatig gemaakt worden, daar kijk je ook altijd nog kwalitatief naar. Dat zou je dus ook met die AI-images moeten doen, dat je dus niet verwacht dat alles in een one-shot goed komt. Het kan nog best zijn dat er toch nog een stukje tekst aangepast moet worden, of lichtinval, of dat het toch nog een stukje plastic eruit ziet. Misschien moet je het dan nog een keer door een ander model heen halen. Dus altijd de referentie, en wat is de image die je als input meegeeft, wat is de prompt, de prompt kan je laten maken door AI weer, het model wat je gebruikt, test daar gewoon heel veel mee, en itereer,

Spreker: Tachmy Dilmy, eCommerce AI Club

Bronnen

Meer over AI & Marketing