SillyTavern External Media 2026: ein echter Test

External Media in SillyTavern bezeichnet die Möglichkeit, Bilder, Audiodateien oder andere Medien an Nachrichten anzuhängen, die an den AI-Charakter gesendet werden. Ist die Funktion aktiviert, enthält der Kontext des Charakters Metadaten oder Beschreibungen der Medien, sodass die AI sie wahrnehmen und darauf reagieren kann. Unterstützt wird die Funktion von mehreren API-Backends, darunter KoboldAI, OpenAI (mit Vision-Modellen wie GPT-4V) und Claude. Die Medien werden je nach API meist in eine Textbeschreibung oder eine base64-kodierte Eingabe umgewandelt. Ein Bild eines Sonnenuntergangs kann die AI zum Beispiel als „ein warmer orangefarbener Himmel über einem ruhigen Ozean“ beschreiben, und der Charakter kann das ins Rollenspiel einbauen. External Media ist standardmäßig nicht aktiviert und muss in den Erweiterungseinstellungen manuell konfiguriert werden. Es ist ein starkes Werkzeug für kreatives Schreiben, visuelles Erzählen und interaktive Abenteuer, erhöht aber auch den Token-Verbrauch und die Antwortzeit.

Um External Media in SillyTavern zu aktivieren, stelle zuerst sicher, dass du eine kompatible API nutzt. Für OpenAI brauchst du GPT-4V oder neuer; für KoboldAI ein Modell mit Vision-Unterstützung wie LLaVA. Öffne die SillyTavern-Oberfläche und gehe ins Menü Extensions (Puzzle-Symbol). Suche die Erweiterung „External Media“ oder „Media Upload“ und schalte sie ein. Eventuell musst du eine maximale Dateigröße (z. B. 5 MB) und erlaubte Dateitypen (png, jpg, mp3) festlegen. Konfiguriere dann den API-Endpunkt: Bei OpenAI setzt du das Modell auf „gpt-4-vision-preview“ und prüfst, ob dein API-Schlüssel Zugriff hat. Bei KoboldAI verweist du auf deine lokale Instanz mit einem Vision-fähigen Modell. Nach der Aktivierung erscheint ein Upload-Button (Kamera- oder Büroklammer-Symbol) in der Chat-Eingabeleiste. Lade ein Bild oder eine Audiodatei hoch und sende die Nachricht. Die AI verarbeitet das Medium und erzeugt eine Antwort, die darauf Bezug nimmt. Beachte, dass manche APIs die Bildverarbeitung pro Token berechnen – behalte den Verbrauch im Blick.

Die External-Media-Erweiterung von SillyTavern unterstützt mehrere Formate: Bilder (JPEG, PNG, GIF, WebP), Audio (MP3, WAV, OGG) und in manchen Konfigurationen Video oder PDF. Die Dateigrößenlimits hängen vom API-Anbieter ab. Bei OpenAI GPT-4V darf jedes Bild bis zu 20 MB groß sein, größere Bilder werden aber herunterskaliert. Lokale KoboldAI-Modelle haben oft niedrigere Limits, meist 5–10 MB pro Datei. Audiodateien sind mit der Whisper-Integration von OpenAI in der Regel auf 25 MB begrenzt. SillyTavern selbst erzwingt keine harten Limits, aber in den Erweiterungseinstellungen kannst du eine maximale Upload-Größe (Standard 5 MB) festlegen und bestimmte MIME-Typen blockieren. Für Rollenspiele eignen sich Bilder unter 2 MB am besten, weil sie schnell verarbeitet werden. Animierte GIFs werden unterstützt, von manchen APIs aber als Einzelbild behandelt. Die Audio-Transkription nutzt Whisper und verarbeitet 30-Sekunden-Clips. Video-Uploads sind experimentell und müssen in Einzelbilder umgewandelt werden.

Wie sich External Media verhält, hängt vom API-Backend ab. Mit OpenAI GPT-4V werden Bilder nativ verarbeitet – das Modell sieht das Bild und kann es genau beschreiben. Das ist ideal für visuelles Erzählen (z. B. das Teilen eines Charakterporträts). KoboldAI mit LLaVA oder ähnlichen multimodalen Modellen unterstützt ebenfalls Bilder, die Qualität hängt aber von der Modellgröße ab (7B vs. 13B Parameter). Bei Audio transkribiert Whisper von OpenAI die Sprache, die dann in den Chat-Kontext einfließt; der Charakter kann sie „hören“ und antworten. Auch Claude (Anthropic) unterstützt über einen Proxy Bildeingaben. Nicht alle Modelle sind jedoch multimodal: Nutzt du ein reines Textmodell, werden Medien ignoriert oder als Textlink angehängt. Für die besten Ergebnisse wähle ein Modell, das ausdrücklich für Bild oder Audio ausgelegt ist. Das SillyTavern-Wiki listet kompatible Modelle für jedes Backend. Denk daran, dass die Medienverarbeitung zusätzliche Tokens verbraucht – ein Bild kann 1.000+ Tokens kosten, also plane entsprechend.

Das Hochladen von External Media in SillyTavern hat Folgen für die Privatsphäre. Nutzt du eine Cloud-API wie OpenAI, werden deine Bilder und Audiodateien an deren Server gesendet und gemäß deren Datenschutzrichtlinie verarbeitet. Für sensible Inhalte solltest du eine lokale API wie KoboldAI oder llama.cpp mit einem multimodalen Modell nutzen, damit alle Daten auf deinem Rechner bleiben. SillyTavern speichert Medien nicht dauerhaft; sie werden als Teil des Chat-Kontexts gesendet und bleiben eventuell in Chat-Protokollen erhalten, wenn du diese speicherst. In den Erweiterungseinstellungen kannst du die Protokollierung von Medien deaktivieren. Beachte außerdem, dass manche APIs (z. B. OpenAI) hochgeladene Bilder für das Modelltraining nutzen können, sofern du nicht widersprichst. Prüfe immer die Datenrichtlinien des API-Anbieters. Für maximale Privatsphäre betreibst du alles lokal mit einem Modell wie LLaVA 13B, das Bilder auf deiner GPU ohne externe Übertragung verarbeiten kann.

Wenn External Media nicht gesendet wird, prüfe zuerst, ob dein API-Schlüssel Berechtigungen für Vision-/Audio-Endpunkte hat. Sieh in der SillyTavern-Konsole (F12) nach Fehlermeldungen: „400 Bad Request“ bedeutet oft, dass die Datei zu groß oder das Format nicht unterstützt ist. Reduziere die Bildauflösung auf 1024x1024 Pixel oder wandle in JPEG um. Bei Audio achte darauf, dass die Datei unter 25 MB liegt und korrekt kodiert ist (Mono, 16 kHz für Whisper). Ignoriert das Modell Medien, fehlt ihm wahrscheinlich die multimodale Unterstützung – wechsle zu GPT-4V oder LLaVA. Ein weiteres häufiges Problem: Die Erweiterung „External Media“ ist deaktiviert oder kollidiert mit anderen Erweiterungen wie „Character Expressions“. Deaktiviere andere Erweiterungen nacheinander, um den Konflikt einzugrenzen. In Rollenspiel-Szenarien reagiert die AI eventuell nicht auf Medien, wenn die Character Card keine entsprechenden Anweisungen enthält. Füge der Charakterbeschreibung einen Hinweis hinzu: „Du kannst Bilder sehen, die der Nutzer sendet.“ Starte SillyTavern nach Änderungen an den Einstellungen neu.