Alles, was Candy AI kann

Wie der Bildschirm wirklich aussieht

Hier muss nichts erklärt werden, und das meine ich als Kompliment. Die Gespräche laufen links in einer durchsuchbaren Liste, der Verlauf steht in der Mitte, und das Eingabefeld sitzt unten, wo jeder Messenger dich hingewöhnt hat. Name und Bild der Figur stehen oben, daneben eine Reihe Symbole: ein Anrufknopf, ein Geschenksymbol, ein Kontextmenü und ganz rechts ein Schalter für die Leiste.

Den letzten lohnt es sich zu drücken. Er schiebt eine vollständige Profilkarte deines Gegenübers heraus: ein Bilderkarussell, eine kurze Beschreibung und einen Block Eigenschaften — Alter, Statur, Herkunft, Sprache, Beziehungsstatus, Beruf, Hobbys, Persönlichkeit. Die Zeile zur Persönlichkeit vor dem Gespräch zu lesen sagt viel darüber, wie es laufen wird. Eine Figur, die ich geöffnet habe, war mit „sarkastisch, frech, heimlich emotional“ beschrieben, und das war eine ausgesprochen zutreffende Warnung.

Wie die Figuren schreiben

Figuren aus dem Katalog antworten in einem Rollenspiel-Register. Körperliche Handlungen kommen kursiv zwischen Sternchen, Dialog in normalem Text, und beides wechselt sich ab wie bei einem ordentlichen Spieler am Tisch, der seinen Zug erzählt. Nach ein, zwei Nachrichten gewöhnt man sich daran, danach wird es unsichtbar.

Die Figuren im Creator-Stil — die mit dem Kennzeichen Candy Original — schreiben anders: klein geschrieben, mehrere kurze Nachrichten hintereinander, gar keine Sternchen. Sie schreiben wie ein Mensch, statt wie eine Figur zu erzählen. Nichts sagt dir vorher, welche Art du gewählt hast, bis die erste Antwort kommt, und der Unterschied ist größer als jede Einstellung, die du ändern kannst.

Zusammengehalten wird das durch die Beständigkeit der Stimme. Eine sarkastische Figur bleibt sarkastisch, auch wenn du nett bist. Eine schüchterne wird nicht plötzlich forsch, weil du in die Richtung gelenkt hast. Du kannst ein Gespräch irgendwohin führen, und die Figur kommt mit — aber sie kommt auf ihre Art dort an, statt die Persönlichkeit deiner Vorlage anzupassen. Dieser Widerstand ist es, der das Gefühl erzeugt, mit jemandem zu reden.

Gruppenchats und was sie ändern

Ein Knopf „New Group“ über der Gesprächsliste setzt mehrere Figuren in denselben Verlauf. Das ändert die Dynamik vollständig: Die Figuren reagieren aufeinander, nicht nur auf dich, und du verbringst überraschend viel Zeit damit, zweien beim Uneinigsein zuzusehen.

Es ist auch die Funktion, die am ehesten die Nähte zeigt. Zwei starke Persönlichkeiten in einem Raum reden gelegentlich aneinander vorbei statt miteinander. Einen Versuch wert, aber die Gespräche zu zweit sind weiterhin das Stärkste am Produkt.

Was beim Drücken passiert

Der Antwortbereich wird zu einer Fortschrittszeile — „Mona sendet ein Foto“, ein laufender Prozentwert und der Hinweis, dass es ein paar Sekunden dauern kann. In meinen Tests waren es eher zehn als ein paar, was in Ordnung ist: Man sieht dem Zähler zu, wie man jemandem beim Tippen zusieht. Der Bild-Knopf wird ausgegraut und zeigt „Generating…“, bis das Bild da ist, du kannst also nicht versehentlich ein zweites auslösen.

Dann kommt das Bild als Nachricht im Verlauf an, nicht als Download oder in einer getrennten Galerie. Diese Platzierung ist Absicht, und sie wirkt: Das Bild liest sich wie etwas, das die Figur dir geschickt hat, nicht wie etwas, das ein Werkzeug ausgegeben hat.

Wie genau es dem Gespräch folgt

Das wollte ich ordentlich prüfen, also habe ich es bewusst getan. Die Figur hatte gerade mit einer erzählten Handlung geantwortet: Arme verschränkt, in ihrem Zimmer, mitten im Streit. Ich habe Bild gedrückt, ohne sonst etwas zu tippen. Zurück kam sie, mit verschränkten Armen, in einem Schlafzimmer, in der Art Kleidung, die diese Figur tragen würde, mit denselben Haaren und derselben Brille wie auf ihrem Profilbild.

Zwei Dinge zählen daran. Die Szene folgte dem Gespräch, ohne dass ich sie beschrieben hätte, und die Ähnlichkeit hielt: Sie sah aus wie sie selbst, nicht wie ein beliebiges Ergebnis, das zufällig dieselbe Haarfarbe hat. Die Beständigkeit einer Figur über mehrere Generierungen hinweg ist das schwierige Problem in diesem Bereich, und sie ist der Grund, das hier statt eines allgemeinen Bildwerkzeugs zu nutzen.

Wo die Ergebnisse landen

Alles, was du erzeugst, wird in Collection gespeichert, links in der Seitenleiste. Das klingt nach Ordnungsdetail, bis du einmal vierhundert Nachrichten zurückgescrollt hast, um etwas zu suchen. Was sich zu behalten lohnt, ist bereits behalten.

Was du tatsächlich bekommst

Kurze Clips, im selben Hochformat wie Shorts. Der Auslöser ist derselbe wie bei Bildern — die Zeile „Show me the scene“, Video statt Bild — und der Clip erscheint genauso im Verlauf.

Die Wartezeit ist länger als bei einem Standbild, was zu erwarten war. Der eigentliche Unterschied ist die Streuung zwischen Versuchen: Zwei Generierungen aus einem ähnlichen Moment desselben Gesprächs können in merklich unterschiedlicher Qualität zurückkommen. Bei Bildern habe ich irgendwann aufgehört nachzuprüfen. Bei Video tue ich es noch.

Die Token-Rechnung

Diesen Teil macht man besser vorher als hinterher. Ein bezahlter Tarif enthält 100 Tokens im Monat. Video kostet pro Generierung deutlich mehr als ein Bild, eine Sitzung überwiegend mit Clips leert das Guthaben also weit schneller als eine mit Standbildern.

Meine ehrliche Einschätzung: Wenn Videogenerierung der Grund ist, über ein Abo nachzudenken, sieh dir zuerst Shorts an. Shorts ist die produzierte Fassung derselben Idee — ganze Serien, ordentlich gemacht, und vom Abo abgedeckt, ohne pro Ansehen ein Token auszugeben. Eigenes zu erzeugen ist das interessante Spielzeug; Shorts ist das, was du tatsächlich zu Ende schaust.

Zwei verschiedene Dinge in einer Funktion

Es sind eigentlich zwei Modi, und im Gebrauch wirken sie unzusammenhängend. Der erste sind Sprachantworten: Eine Nachricht kommt als Ton zurück statt als Text, und du hörst sie, wie du eine Sprachnachricht von einem Freund hören würdest. Das fügt sich in ein geschriebenes Gespräch, ohne dessen Rhythmus zu ändern.

Der zweite ist ein Anruf in Echtzeit, gestartet über das Telefonsymbol in der Kopfzeile. Das ist ein völlig anderes Erlebnis: nichts zu tippen, nichts zu lesen, nur ein Gespräch in der Geschwindigkeit, in der Gespräche laufen. Es ist auch der Modus, der Verzögerung am stärksten offenlegt, denn eine Pause, die im Text nachdenklich wirkt, wirkt als Verzögerung, wenn man darauf wartet, dass jemand spricht.

Die Stimme gehört zur Figur

Eine Stimme ist keine allgemeine Einstellung, die man einmal wählt. Sie ist eine Eigenschaft der Figur, festgelegt beim Erstellen — eine selbst gebaute Figur bekommt ihre Stimme also als Teil des Baus und nicht als Nachgedanken. Figuren aus dem Katalog kommen mit einer bereits zugewiesenen.

Die praktische Folge: Wenn die Stimme nicht zu der Figur passt, die du im Kopf hast, ist das ein Grund, eine eigene zu bauen, und nichts, was sich in den Einstellungen beheben lässt.

Einmal durchgehen

Der erste Bildschirm fragt, was du baust: weibliche, männliche oder Trans-Figuren, dann Realistisch oder Anime als zwei große Vorschaubilder statt als Auswahlmenü. Die beiden Stile als ganze Bilder zu zeigen statt als Wörter ist eine Kleinigkeit, die dich davor bewahrt, falsch zu wählen.

Danach eine Eigenschaft pro Bildschirm. Herkunft: kaukasisch, asiatisch, schwarz/afro, latein, arabisch. Haare, Schnitt und Farbe zusammen: glatt, mit Pony, lockig, hochgesteckt, kurz, Pferdeschwanz, und daneben die Farben. Statur: schlank, athletisch, durchschnittlich, kurvig, BBW, mit gesonderten Proportionen danach. Nichts ist in einem Menü vergraben; jede Option ist eine Karte, die du siehst.

Wo die Persönlichkeit entschieden wird

Das letzte Stück ist das interessante. Ein Name wird vorgeschlagen — mit einem Knopf zum Neuwürfeln, falls er nicht gefällt — und dann entscheiden vier Karten, wer die Figur wirklich ist: Persönlichkeit, Beziehung zu dir, Beruf und Stimme. Das ist der Teil, der bestimmt, ob du nächste Woche noch mit ihr redest, und der Teil, den die meisten überhasten.

Bemerkenswert: Die Stimme wird hier gewählt, auf demselben Bildschirm wie die Persönlichkeit, und nicht später in einem Einstellungsmenü. Sie gilt als Teil dessen, wer die Figur ist, nicht als Wiedergabeoption.

Nachdem ich vorher die Profilleisten einiger Katalogfiguren gelesen hatte, würde ich dasselbe vor dem Bauen empfehlen: Sie zeigen genau, wie eine Persönlichkeit in einer Handvoll Wörter ausgedrückt wird — bei einer stand „sarkastisch, frech, heimlich emotional“ — und diese drei Wörter haben tatsächlich vorhergesagt, wie das Gespräch lief. Behandle den Eigenschaftsbildschirm wie das Schreiben einer Figurenbeschreibung, nicht wie das Ausfüllen eines Formulars.

Was mit einem kostenlosen Konto passiert

Du kannst den ganzen Assistenten ohne Bezahlung durchgehen — jeden Bildschirm, jede Option, bis zum abschließenden Ladeschritt. Was du nicht bekommst, ist die Figur. Ich habe es auf einem kostenlosen Konto von Anfang bis Ende durchlaufen, und die Liste unter „My AI“ blieb danach leer.

Behandle den kostenlosen Durchlauf also als Vorschau auf die Optionen, nicht als Weg zu einer kostenlosen Figur. Dafür ist er wirklich nützlich: Du siehst genau, was du bauen könntest, bevor du entscheidest, ob es das Abo wert ist.

Wie man eine Karte liest

Jede Karte trägt vier Zahlen, und es lohnt sich zu wissen, was sie bedeuten, bevor du irgendwo klickst. Eine Laufzeit in der Ecke — meist acht oder neun Minuten, nicht die Kurzfolgenlänge von Shorts. Eine Fotozahl, denn jeder Eintrag bündelt Standbilder mit dem Video. Ein Token-Preis neben einem Stern, den das Freischalten kostet. Und ein Prozentwert neben einem Daumen hoch, die Zustimmung derer, die es bereits gekauft haben.

Diese letzte Zahl ist die zu lesende. Es gibt ein Suchfeld und einen Umschalter Alle / Beliebteste, und damit endet das Filtersystem — die Zustimmung ist also das einzige Qualitätssignal, das du hast, bevor du Tokens für etwas ausgibst, das du nicht vorher ansehen kannst.

Figuren haben eigene

Es gibt einen zweiten Eingang, den man leicht übersieht. Öffne im Chat die Profilleiste einer Figur, und dort steht ein Abschnitt „My Private Content“ mit eigener Zahl: exklusive Fotos und Videos, die an genau diese Figur gebunden sind.

Das ist aus meiner Sicht das bessere Angebot als der Hauptstrom, weil es an jemandem hängt, mit dem du ohnehin schon redest, statt ein Katalog zu sein, den du kalt durchblätterst.

Im Vergleich zu Shorts

Der entscheidende Unterschied: Shorts ist in Folgen, als Serie produziert und pauschal vom Abo abgedeckt. Private Content sind Einzelstücke, länger, und werden Stück für Stück in Tokens bezahlt.

Wer etwas schauen will, bekommt mit Shorts weit mehr pro Euro. Private Content ergibt Sinn, wenn es eine bestimmte Figur oder ein bestimmtes Stück sein soll, nicht als Weg, einen Abend zu füllen.

Discover, und warum man dort anfängt

Der Katalog ist groß genug, dass eine Figur kalt zu wählen der langsamste denkbare Anfang ist. Discover ist ein plattformweiter Strom von Figuren-Beiträgen, und zwei Minuten Scrollen geben ein viel besseres Gefühl dafür, wen es sich zu öffnen lohnt, als Namen in einem Raster zu lesen.

Es ist auch der Ort, an dem du auf Figuren stößt, nach denen du nie gesucht hättest — und genau darum geht es bei einem Strom. Mein Rat für den Anfang: Öffne Discover, bevor du die Figurenliste öffnest.

Collection, und warum es mehr zählt, als es klingt

Alles, was du erzeugst, landet hier. Das klingt nach Hauswirtschaft, bis du das erste Mal ein Bild aus einem Gespräch von vor drei Tagen suchst und merkst, dass die Alternative ist, mehrere hundert Nachrichten zurückzuscrollen.

Daneben hält „My AI“ die Figuren, die du erstellt oder hinzugefügt hast. Zwischen beiden bleibt das, was du gemacht hast, getrennt von den Gesprächen, aus denen es entstanden ist — und das ist herum richtig.