Bilder und Stimmen mit eigenen Keys: wie Medien-Generierung in Personarium läuft
BYOK gilt bei Personarium nicht nur für Text. Bilder, Stimme und optional Video folgen genau demselben Prinzip: dein Schlüssel, dein Anbieter, kein Personarium-Server dazwischen.
Bilder: ein Klick, kein zweites Setup
Standardmäßig laufen Bilder über denselben OpenRouter-Schlüssel, den du für den Text-Chat schon eingerichtet hast — kein zusätzlicher Schritt nötig. Willst du mehr Modellauswahl, kannst du optional fal.ai als zweiten Anbieter mit eigenem Schlüssel einrichten. Referenzbilder halten das Aussehen deines Charakters über mehrere Generierungen konsistent, und die WebP-Varianten für unterschiedliche Anzeigegrößen werden lokal auf deinem Gerät berechnet (Rust image/libvips) — dein generiertes Bild wird für die Größenanpassung nicht noch einmal irgendwohin geschickt.
Vorlesen mit eigenem TTS-Schlüssel
Für das Vorlesen (TTS) verbindest du dich mit deinem eigenen Schlüssel bei Inworld oder ElevenLabs und weist jedem Charakter eine eigene Stimme zu. Erzeugtes Audio wird als Opus komprimiert und lokal zwischengespeichert — sagt ein Charakter denselben Satz zweimal, zahlst und wartest du nicht zweimal für dieselbe Audiodatei.
Video ist ein Feature-Flag mit eingebauter Warnung
Video-Generierung ist optional und läuft über denselben fal.ai-Schlüssel wie zusätzliche Bildmodelle (etwa Kling, Veo oder WAN) — nach dem Prinzip Bild zuerst, dann Bild-zu-Video, damit dein Charakter konsistent bleibt. Läufe dauern Minuten und laufen als Job in einer Warteschlange im Hintergrund weiter. Weil ein Video 10- bis 100-mal mehr kostet als ein einzelnes Bild, zeigt Personarium vor jedem Klick verpflichtend die geschätzten Kosten an — dein Schlüssel, aber keine Überraschung auf der Anbieter-Rechnung.
Was das für dich bedeutet
Auf keiner dieser drei Schienen — Bild, Stimme, Video — verlangt Personarium einen Aufschlag; die Membership berührt diese Preise nicht, sie sind eine komplett eigene Rechnung bei deinem gewählten Anbieter. Die gesetzlich verpflichtenden Schutzmaßnahmen (Altersfeld ≥ 18, Prompt-Blocklisten) gelten dabei identisch für alle Medienarten, nicht nur für Text.
Bilder, Stimme, Video — dieselbe Regel wie beim Text-Chat: dein Schlüssel, dein Anbieter, kein Aufschlag von uns.