Klar bräuchte das mehr Speicher, wäre aber mit 24GB oder eingeschränkt mit 16GB auch machbar. Man kann brauchbare LLMs mit ~6-8GB Bedarf laden, dann wären noch 8/16 Rest für SDXL. Bestimmt ginge es auch noch kleiner, mit weiteren Optimierungen oder so.. Das Zusammenspiel von ChatGPT ist aber wahrsch. auch noch anders implementiert als CLIP bei SD funktioniert, oder? Es ist einfach krass, wie ein abstraktes BIld, wie eine halbe, entkernte Avocado, die bei einem Psychiater sitzt, dessen Kopf ein Löffel ist, und ihm sagt: "Ich fühle mich so leer" und das ganze durch T2I direkt so umgesetzt wurde. Sobald es surreal ist, wird es bei SD schon schwierig, dass da trotzdem dieses Niveau der genauen Umsetzung gewahrt bleibt ist schon um Welten besser, als wir es bisher hatten. Textabbildung scheint auch einwandfrei zu funktionieren.
Mal schauen, wie die Entwicklung bei SD weitergeht. Für mich ist das sehr faszinierend, also Dall-E, aber käme aufgrund der zensierten & online Nutzung nicht in Frage als Alternative..
Wie man ja an meiner Antwort auch erkennt ^^
