KI & Bildung 🤖

Optical Character Recognition (OCR) ist eine Technologie mit der man zum Beispiel handgeschriebenen Text nach einem Scan und einem Upload in Computertext umwandeln kann und der sich im Anschluss manuell bearbeiten lässt. Hier kommen auch Sprachmodelle zum Einsatz, auf deren Grundlage spezialisierte Anwendungen entstehen.

Gems sind individuell konfigurierbare KI-Assistenten, wie CustomGPTs, die sich im Gemini-Chat kostenlos entwickeln lassen. Seit Kurzem hat Google ein Update ausgerollt, mit dem User nun direkt in den Gems die „Canvas-Funktion“ und weitere Tools wie das Top-Bildmodell Nano Banana Pro aktivieren können.

Der Gemini-Chat von Google lässt sich vielfältig verwenden und auch Präsentationen kann man problemlos erstellen und diese in Google Docs exportieren, um die Folien hinsichtlich Text & Abbildungen zu bearbeiten. Dies funktioniert mit der „Canvas-Funktion“.

Google erweitert step by step seinen Gemini-Chat, um sinnvolle Funktionen, wie die dynamische Ansicht, die allen Usern auch mit einem kostenfreien Plan zur Verfügung steht. Im Prinzip ist dies Vibe-Coding, aber es fühlt sich nicht mehr so an, da man keinerlei Code mehr einsehen kann.

Es gab viele erfolgreiche Wissenschaftlerinnen, die in unterschiedlichen Disziplinen bahnbrechende Leistungen vollbracht haben, aber leider zu der damaligen Zeit nur recht wenig Anerkennung bekamen und auch weniger auf Bildern abgelichtet wurden, als ihre männlichen Kollegen.

Das französische KI-Startup Mistral AI hat mit Mistral 3 sein neuestes Sprachmodell an den Start gebracht und dies offen für alle zugänglich über Hugging Face veröffentlicht. Das Modell ist unter anderem im Chatangebot „Le Chat“ integriert und es lohnt sich ganz allgemein mal wieder, einen Blick auf den erfolgreichsten europäischen LLM-Anbieter zu werfen.

Flux ist eine der besten Bild-KIs weltweit, wird von deutschen Entwicklern rund um die Firma Black Forest Labs trainiert und hat nun mit Flux.2 ein tolles Update bekommen. Im Playground kann man die Anwendung kostenlos im Rahmen der Bildgenerierung und nachträglicher Anpassung testen.

Cartesia ist ein hochwertiges Audio-Tool, um unter anderem Textinput von einer KI-Stimme in unterschiedlichen Sprachen vorlesen zu lassen oder das Klonen der eigenen Stimme zu ermöglichen. Generell kann man aktuell den Konkurrenten von ElevenLabs gut kostenfrei testen und zwar innerhalb des Playgrounds.

Ja, es gibt mal wieder Neuigkeiten zu Googles Top-KI-Umgebung NotebookLM und dieses Mal betrifft es die Ausgabe von einzelnen Infografiken mit Text und auch ganzen Präsentationen, die User im Anschluss als PDF herunterladen können. Es kommen also Kachel 7 und 8 hinzu.