Von einem Entwickler, der selbst fast drei Tage gebraucht hat, bis alles lief — und dir jetzt zeigt, wie du es in 30 Minuten schaffst.
Willkommen zu meinem ersten großen Blogartikel. Heute bauen wir zusammen etwas, das vor zwei Jahren noch einen Haufen Server und ein ganzes Team gebraucht hätte: eine Anwendung, die ein Foto entgegennimmt, es analysiert und das Ergebnis direkt vorliest. Klingt nach Zauberei? Ist es fast — aber nur, weil die richtige API dahintersteckt. Wir gehen Schritt für Schritt durch: vom Registrieren bis zur ersten funktionierenden Sprachausgabe. Wenn du noch nie eine API angerührt hast: genau richtig hier.
Was bedeutet eigentlich "multimodal"?
Der Begriff klingt nach Hochglanz-Marketing, ist aber wirklich simpel: Eine KI kann mehrere Eingabe-Kanäle gleichzeitig verarbeiten. Wir Menschen sind multimodal — wir sehen ein Bild und verstehen es, wir hören Ton und verstehen ihn. Moderne KI kann das auch, und wir kombinieren heute zwei dieser Kanäle.
Unser Bauplan für heute
- Wir senden ein Foto an die KI und bekommen eine Beschreibung zurück.
- Wir geben diese Beschreibung an eine zweite KI weiter, die daraus eine MP3-Datei macht.
- Wir packen beide Schritte in ein einziges Python-Skript mit etwa 50 Zeilen.
Schritt 1: Konto erstellen bei HolySheep AI
Bevor wir loslegen können, brauchst du einen Account. Das Schöne an HolySheep: Du kannst mit WeChat oder Alipay zahlen (perfekt für asiatische Kunden), der Wechselkurs steht 1:1 — also kein schmerzhafter Aufschlag wie bei manchen US-Anbietern, wo du effektiv 3–5% an Kartengebühren verlierst — und es gibt kostenlose Start-Credits zum Testen. Jetzt registrieren
Screenshot-Hinweis: Auf der Startseite oben rechts auf "Registrieren" klicken. Mit E-Mail oder Mobiltelefon anmelden. Nach dem Login findest du im linken Menü den Punkt "API-Schlüssel". Dort klickst du auf "Schlüssel erzeugen", kopierst den Wert (er beginnt mit hs-) und fügst ihn gleich in dein Skript ein.
Schritt 2: Eine API ist nichts weiter als eine Steckdose
Drei Zutaten brauchst du, damit das Ganze funktioniert:
- Die Adresse der Steckdose — das ist die
base_url. - Dein persönlicher Schlüssel, der beweist, dass du zahlen kannst (der API-Key).
- Den Stecker — also das Bild, das wir hineinschicken.