Wat is Textual Inversion?

Wat is Textual Inversion eigenlijk?

Stel je voor: je wilt dat een AI-model jouw huisstijl herkent, of die specifieke cartoonachtige stijl van je favoriete illustrator. Normaal zou je het hele model opnieuw moeten trainen — wat enorm veel rekenkracht kost. Textual Inversion is een slimme truc waarmee je dat niet hoeft te doen.

In plaats van het model zelf te veranderen, leer je het een nieuw 'begrip' aan door een speciaal tekstlabeltje (bijvoorbeeld my-style) te koppelen aan een paar voorbeeldafbeeldingen. Het model leert: "Aha, als iemand my-style zegt, bedoelen ze dít soort beelden." Vanaf dat moment kun je dat labeltje gebruiken in je prompts, en het model genereert beelden in die stijl — zonder dat je het model zelf hebt aangepast.

De naam 'Textual Inversion' komt omdat je het proces omkeert: normaal vertaal je tekst naar een beeld, maar hier vertaal je een beeld (of meerdere) terug naar een tekstueel concept dat het model begrijpt.

Hoe werkt het eigenlijk?

AI-modellen zoals Stable Diffusion werken met 'embeddings' —dat zijn reeksen getallen die woorden voorstellen in de taal van het model. Het woord 'kat' heeft bijvoorbeeld zijn eigen reeks getallen die het model herkent.

Bij Textual Inversion maak je een nieuwe embedding aan voor jouw concept. Je geeft het model 3 tot 15 voorbeeldafbeeldingen, en het zoekt naar de getallen die het beste bij die beelden passen. Die getallen stop je in een klein bestandje (vaak maar een paar megabytes). Vanaf dat moment kun je dat bestandje laden en het nieuwe begrip gebruiken in je prompts.

Het grote voordeel: je hoeft niet het volledige model (vaak vele gigabytes) opnieuw te trainen. Je voegt gewoon een nieuw woordje toe aan zijn vocabulaire.

Een voorbeeld uit de praktijk

Stel, je bent grafisch ontwerper en werkt met een specifieke isometrische stijl voor een klant. Je hebt vijf voorbeeldillustraties. Via Textual Inversion train je het model op die beelden en koppelt ze aan het label isometric-client-style.

Vanaf nu kun je prompts schrijven zoals: "A modern office building in isometric-client-style" — en het model genereert een gebouw precies in die herkenbare stijl. Je hoeft niet telkens opnieuw voorbeelden te uploaden of het model te finetunen.

Ook handig: illustratoren gebruiken het om hun eigen stijl te 'leren' aan een model, zodat ze sneller variaties kunnen maken zonder elke keer handmatig te moeten tekenen.

Waar kom je het tegen?

Textual Inversion is vooral populair bij gebruikers van Stable Diffusion — een open-source beeldgenerator. Platforms zoals Hugging Face en Civitai bieden duizenden kant-en-klare Textual Inversion embeddings die je gratis kunt downloaden: stijlen van bekende kunstenaars, specifieke objecten, gezichtskenmerken, of visuele thema's.

In tools zoals Automatic1111 (een populaire interface voor Stable Diffusion) kun je embeddings simpelweg in een map droppen en direct gebruiken. Ook commerciële tools die op Stable Diffusion draaien, ondersteunen vaak embeddings.

Daarentegen bieden gesloten systemen zoals DALL-E, Midjourney en Firefly deze functionaliteit niet publiekelijk aan — daar heb je geen controle over de interne embeddings.

Wat kun je ermee?

Als je regelmatig met AI-beeldgeneratoren werkt en een consistente stijl of specifiek object nodig hebt, is Textual Inversion een laagdrempelige manier om dat te bereiken. Je hoeft geen data scientist te zijn — met wat geduld en een paar voorbeeldafbeeldingen kun je je eigen concepten toevoegen.

Het mooie is dat je embeddings kunt delen: maak je een gave stijl, dan kun je die als klein bestandje doorsturen naar collega's of online delen. Zo bouw je voort op elkaars werk zonder steeds opnieuw te hoeven beginnen.