Het antwoord: Je kunt nu zelf een AI-model trainen voor minder dan een euro per uur, zonder dat je een dure videokaart in huis hoeft te halen. Door gebruik te maken van cloud GPU-diensten zoals RunPod, wordt het trainen van een eigen model bereikbaar voor kleine ondernemers en zzp’ers die geen duizenden euro’s willen investeren in hardware.

Wat er aan de hand is De AI-toolkit van Ostris, een open-source toolset voor het trainen van AI-modellen, is nu beschikbaar als een kant-en-klare Docker-container. Dit betekent dat je de software niet zelf hoeft te installeren of configureren. Je kunt de toolkit direct starten op een cloud GPU-platform zoals RunPod, waar je per uur betaalt voor rekenkracht. De auteur van het artikel gebruikte een RTX 5090 GPU voor €0,79 per uur (ongeveer $0,89) en had het model binnen 1 uur en 10 minuten getraind. Dit is een fractie van de kosten van een eigen high-end videokaart, die al snel €1500 of meer kost.

Wat dit betekent Voor ondernemers die AI willen inzetten voor hun bedrijf, opent dit de deur naar maatwerk zonder grote investeringen. Denk aan het trainen van een model dat specifiek jouw producten, stijl of klantgroep herkent. Waar je eerder een dure workstation nodig had of afhankelijk was van dure abonnementen op AI-diensten, kun je nu zelf aan de slag met een betaalbaar uurtarief. Vooral voor kleine bedrijven en zzp’ers is dit interessant: je betaalt alleen voor de rekentijd die je daadwerkelijk gebruikt, zonder vaste lasten. Het nadeel is dat je wel enige basiskennis nodig hebt van hoe je een dataset voorbereidt en hoe je de toolkit bedient, maar de drempel is lager dan ooit.

Hoe je dit kunt toepassen Als je een webshop runt en productfoto’s wilt genereren in jouw stijl. Je zou een dataset kunnen maken van je bestaande productfoto’s, deze uploaden naar de toolkit, en het model trainen om nieuwe afbeeldingen te maken die passen bij jouw merk. Denk aan het genereren van variaties van producten voor social media of advertenties, zonder dat je elke keer een fotograaf hoeft in te huren. Een mogelijkheid is om te beginnen met een kleine dataset van 20 tot 50 afbeeldingen om te testen of het resultaat bevalt, voordat je investeert in een grotere set.

Als je een creatief bureau bent en unieke visuals wilt maken voor klanten. Overweeg om per klant een apart model te trainen, zodat je consistent dezelfde stijl kunt aanhouden in campagnes. Je zou bijvoorbeeld een model kunnen trainen op eerdere ontwerpen van een klant, en dat model vervolgens gebruiken om nieuwe concepten te genereren. Dit bespaart tijd en zorgt voor een herkenbare look-and-feel. De kosten per training zijn laag genoeg om dit voor meerdere projecten te doen.

Als je een productontwikkelaar bent en prototypes wilt visualiseren. Stel dat je een nieuw productidee hebt, maar nog geen fysiek prototype. Je kunt een model trainen op schetsen of 3D-renders van vergelijkbare producten, en het model vervolgens vragen om nieuwe varianten te genereren. Dit helpt om snel ideeën te verkennen zonder dure ontwerpsessies. Een optie is om te starten met een eenvoudige dataset van producttekeningen en de resultaten te gebruiken als inspiratie voor je ontwerpteam.

Als je een marketeer bent en gepersonaliseerde beelden wilt maken voor campagnes. Je zou een model kunnen trainen op afbeeldingen van je doelgroep of locatie, en het model gebruiken om advertentiebeelden te genereren die beter aansluiten bij specifieke segmenten. Denk aan het aanpassen van achtergronden, kleuren of stijlen per regio of doelgroep, zonder dat je een grafisch ontwerper nodig hebt. De praktische toepassing hangt af van jouw situatie, maar de mogelijkheid om snel en goedkoop te experimenteren is nu binnen handbereik.

Bron: Weird Wonderful AI (https://weirdwonderfulai.art/tutorial/training-z-image-turbo-lora-with-ostris-ai-toolkit/)