How I use FREE Gemini to turn hours of work into seconds

0:00 Ich habe nie für den Gemini Pro- oder Plus-Plan bezahlt, weil deren kostenlose Stufe unglaublich großzügig ist. Die meisten Leute verwenden bei Gemini standardmäßig die Web- Benutzeroberfläche, die Anwendung. Vielen von ihnen ist jedoch nicht bewusst, dass es ein KI-Studio von Google gibt, das viele der kostenpflichtigen Funktionen von Gemini Pro und Plus ebenfalls kostenlos bietet. Es ist im Grunde ihr API-Spielplatz, ähnlich dem von Anthropic und Chat GBT, aber für mich übernimmt es verschiedene Aufgaben, wodurch ich Stunden an Zeit spare. Ich zeige Ihnen drei gängige Verwendungsmöglichkeiten dieses Tools, die Sie wahrscheinlich noch nicht ausprobiert haben. Alles klar. Wir werden also verschiedene Dinge durchgehen. Zunächst beginnen wir mit der Frage, warum es kostenlos ist und warum ich speziell für Aufgaben mit langem Kontext standardmäßig Gemini 2.5 Pro verwende. Anschließend sprechen wir darüber, was die Benutzeroberfläche im Speziellen ist, wie man dorthin gelangt und welche Funktionen die Benutzeroberfläche bietet. Und schließlich

0:46 kommen wir zu den drei Anwendungsfällen, die ich erwähnt habe und für die ich es häufig verwende und die auch für Sie von Nutzen sein könnten . Zuerst die Frage: Warum? Warum ist das so günstig? Nun, es gibt wahrscheinlich viele Gründe, warum es billig ist. Hier sind zwei Theorien von mir, die vielleicht zutreffen oder nicht, aber bleiben wir dabei. Google verwendet also hauptsächlich GPUs oder, Entschuldigung, TPUs sowohl für das Training als auch für die Inferenz. Und das verschafft ihnen einen Vorteil hinsichtlich der Kosten, die ihnen der Betrieb und die Verteilung dieser Modelle an Sie verursacht. Sie können diese TPUs dann anstelle der von ihnen entwickelten GPUs verwenden, um Geld zu sparen und solche Dinge auch kostenlos anzubieten. Und wie Sie sicher wissen, verfügt Google über jede Menge Geld, und das bedeutet, dass das Unternehmen kurzfristig eher auf Marktanteile als auf Gewinne aus ist. Sie können also eine Menge Geld verbrennen, indem sie versuchen, in diesem Prozess mehr Benutzer zu gewinnen

1:31 , viele kostenlose Dinge in ihrer kostenlosen Stufe anbieten und dann hoffentlich mit der Zeit größere Marktanteile gewinnen. Das ist also meine These, warum es so günstig ist. Nun stellt sich die Frage, warum ich bei längeren Kontexten standardmäßig auf dieses Modell zurückgreife? Wenn Sie sich unterschiedliche Arten von Benchmarks zur Bewertung der Qualität eines Modells ansehen, werden Sie feststellen, dass die Leute beim Thema Kontextfenster häufig unterschiedliche Optionen verwenden . Eine davon ist die Nadel im Heuhaufen. Dieser spezielle Benchmark ist also inzwischen ziemlich gesättigt und die meisten Modellanbieter sprechen nicht wirklich viel darüber, weil er so gesättigt ist. Also, was ist es? Nun, im Grunde handelt es sich dabei um eine Tatsachenfeststellung. Also hier ist eine, ähm, etwas aktuellere. Das sind also drei Opus. Das ist zwar etwas überholt, bringt aber dennoch die Sache auf den Punkt. Dies ist also ein älteres Bild eines älteren Modells, das nach der Nadel im Heuhaufen sucht und versucht, eine zufällige Tatsache in einem riesigen

2:17 Datensatz zu finden. Stellen Sie sich also vor, wir haben, sagen wir, ein Kriegsstück im Buch und da habe ich irgendwo hineingeschrieben: „Ich liebe Einhörner“ und diese Tatsache muss irgendwo zu finden sein oder zumindest muss eine Tatsache zu finden sein, die heraussticht oder sich von allem anderen im Buch unterscheidet. Die meisten Modelle können dies sehr leicht und bedeutungsvoll finden, wenn es gesättigt ist. Wenn es also nicht gesättigt ist, hat es eine Reihe roter Punkte wie diesen hier unten und dieses Diagramm auf der rechten Seite. Aber auf der linken Seite sehen alle Modelle jetzt so aus, wo im Grunde die gesamte Box grün ist, was bedeutet, dass alle Fakten und alle verschiedenen Kontextfenster gefunden werden, die für die Größe irrelevant sind. Der Grund, warum dies nicht nützlich ist, liegt darin, dass die zufällige Faktensuche in Datensätzen kein praktischer Anwendungsfall ist, der mir in meinem Alltag helfen würde, ähm, meinen alltäglichen Gründen für die Verwendung dieser Tools. Und deshalb gibt es neue Benchmarks wie

3:02 fiction.live, die uns dabei helfen, diese Modelle zu nutzen oder zumindest die Qualität dieser Modelle und Anwendungsfälle zu messen, die für uns wirklich wichtig sind. Anstatt also eine zufällige Tatsache zu finden, müssen diese Modelle auf ihre Fähigkeit getestet werden, Fakten im gesamten Raum zu finden. Was meine ich mit „über den Raum hinweg“? Nun, wenn Sie sich ein Modell ansehen und ihm eine Frage stellen wie: „Hier ist ein Buch.“ In diesem Buch werde ich Ihnen eine ganz konkrete Frage stellen. Um diese Frage effektiv zu beantworten, müssen Sie in der Lage sein, eine Tatsache aus Kapitel 1, einen historischen Bezug aus Kapitel 3, vielleicht eine Charakterreferenz aus Kapitel 6 und dann eine Art Höhepunkt aus Kapitel 8 zu nehmen. Sie müssen alle diese Fakten aneinanderreihen, um meine Frage dann zusammenhängend beantworten zu können. Wenn Ihnen das effektiv gelingt und Sie eine Vielzahl von Kontextfenstern verwenden, zeigt sich, wie hochwertig das Modell ist und wie gut es Fragen im gesamten

3:48 Datensatz beantworten kann, unabhängig von der Größe. Und Sie können in diesem Benchmark genau sehen, was sie testen. Hier haben wir also verschiedene Modelle, die vielen Leuten bekannt sind. Hier haben wir also 03 um 03 Pro. Also 03 Pro3, wir haben Claude Opus 4, Claude Opus oder Sonnet 4. Äh, wir haben Gemini 2.5 Pro und Gro 4. Jetzt wollen wir uns hier die Ergebnisse ansehen. Also ist 03 Pro bis zu einem gewissen Punkt ganz gut. Sobald also 192.000 Token erreicht sind, sinkt die Leistung auf 65 %. Sie können sehen, dass es bis hierhin 100 ist. 97, 194 und 88. Das sind alles wirklich gute Werte, aber wenn die Abweichungen zu groß werden und das Fenster zu groß wird, verschlechtert sich die Leistung. Dasselbe gilt für Opus und Denken. Sie sind also

4:34 bis etwa haltbar. Interessanterweise ist Sonett in dieser Hinsicht tatsächlich besser als Opus, was überraschend ist. Bis 120.000 erreicht es also 81, was immer noch gut ist, aber es wurde nicht darauf getestet, was irgendwie lahm ist. Und hier unten können Sie sehen, dass Gemini 2.5 Pro bei weitem immer noch das Beste ist, wenn es tatsächlich bis 192.000 geht, und hoffentlich werden sie dies noch weiter testen. Sie erreichen also 200 Token, 200.000 Token, 500.000, eine Million usw. Und Sie können die Qualität dieser Modelle an ihrer Fähigkeit erkennen, Fragen im gesamten Raum effektiv zu beantworten, und auch Gro 4 ist von wirklich hoher Qualität. Sie können das kürzlich veröffentlichte Modell bis hin zu 84 für 192.000 sehen. Dies sind also die Arten von Benchmarks, die Sie sich ansehen sollten, wenn Sie die Qualität der Fähigkeit eines Modells beurteilen, lange Kontextfenster zu nutzen. Und deshalb greife ich standardmäßig auf dieses Modell zurück, wenn ich die Anwendungsfälle verwende, die ich Ihnen gleich erläutern werde

5:19 . Und außerdem ist es kostenlos, was ein Bonus ist. Kurze Pause in Ihrer Programmierung. Wenn Ihnen das gefällt, wird Ihnen wahrscheinlich auch meine 30-tägige KI-Einblicksreihe gefallen . Unten finden Sie einen Link, wo es völlig kostenlos ist. Sie erhalten 30 Tage lang kostenlos Einblicke in die KI, die Sie für Ihr Unternehmen, Ihre tägliche Arbeit usw. nutzen können. Wenn Sie also interessiert sind, probieren Sie es aus. Kommen wir zurück zum Video. Also, was ist es? Wenn Sie an Gemini denken, sehen die meisten Leute häufig diesen Bildschirm hier. Dies ist also die grundlegende Gemini-Anwendung, in der Sie deren Funktionen nutzen. Hier haben Sie also Gems, Canvas usw. Alle Dinge, die für Gemini nützlich sind, aber Sie sind in der kostenlosen Stufe ziemlich streng auf die App selbst beschränkt. Ich stoße bei der Nutzung der App immer wieder an die Obergrenze. Aus diesem Grund greife ich standardmäßig auf deren AI Studio zurück, und das ist es. So sieht AI Studio ungefähr aus. Und ich werde Ihnen tatsächlich AI

6:06 Studio auf meinem Bildschirm zeigen. Dies hier ist AI Studio und ich werde Sie durch ein paar Dinge führen . Schauen wir uns also zuerst die rechte Seite an. Hier auf der rechten Seite wählen Sie Ihre Modelle aus. Sie können also 2.5 Pro, Flash usw. verwenden. Sie haben hier eine Reihe von Einstellungen, mit denen Sie herumspielen können , wenn Sie Interesse haben, aber meistens ist es relevant. Und dann haben Sie hier unten auch eine Erdungsfunktion, die ziemlich wichtig ist. Und mein Gesicht ist irgendwie im Weg, aber wenn ich nach unten scrolle, können Sie es wahrscheinlich sehen. Lass mich das machen. Äh, vielleicht nicht. Ja, los geht's. Hier sehen Sie also diese Erdungsfunktion, mit der Sie bei Bedarf im Internet suchen und Dateien hochladen können. Sie können sogar Systemaufforderungen erstellen . Hier sind die Systemanweisungen. Sie können Systemanweisungen hinzufügen . Äh, Sie können eine Reihe anderer Dinge tun. Dies ist also ihr KI-Studio,

6:51 das ihre Gemini-App ziemlich effektiv nachahmt. Es verfügt nicht über alle Funktionen, die es hat, aber es sind genug, um viel damit zu machen. Und wie ich sagte, ist der kostenlose Tarif für dieses AI Studio extrem hoch. Wenn ich also mit der Maus über dieses Modell hier für 2.5 Pro fahre, sehen Sie ganz unten in der Mitte Ratenbegrenzungen mit der Angabe 150 U/min. Das bedeutet, dass Sie 150 Anfragen pro Minute erhalten und die tägliche Obergrenze, glaube ich, bei 500 oder 1.000 liegt. Ich habe diese Grenze nie erreicht und ich bin sicher, dass Sie das wahrscheinlich auch nicht erreichen werden, wenn Sie es über die Benutzeroberfläche verwenden. Wenn Sie versuchen, die API zu verwenden, ist das eine andere Geschichte. Im Moment sprechen wir nur über die Verwendung der Benutzeroberfläche für das KI- Studio. Und wenn ich hier auf Flash gehe , können Sie sehen, dass es 1.000 RPM hat, also 1.000 Anfragen pro Minute. Und dann sind es maximal 500 Anfragen pro Tag , was wahrscheinlich ähnlich wie bei Pro ist, aber hier wird es einfach nicht angezeigt. Das

7:38 ist also die allgemeine Übersicht über die Benutzeroberfläche. Sie können hier noch andere Dinge sehen, aber das ist alles, was wir wirklich für die Anwendungsfälle brauchen, die wir durchgehen werden. Okay, dokie. Kommen wir nun zu den Anwendungsfällen. Der erste Anwendungsfall ist die Verarbeitung großer Dokumente. Es gibt also drei Hauptanwendungsfälle, für die ich dies verwende. Und das erste hier ist die API- Dokumentation. Wenn es also bestimmte API-Dokumente gibt, zu denen ich Fragen haben möchte, bevor ich mit der Entwicklung oder Codierung beginne, lege ich diese häufig in Gemini ab, sofern sie 200.000 oder sogar 120 Token überschreiten. Mit AI Studio können Sie beispielsweise Dokumente beliebiger Größe ablegen , selbst wenn sie über eine Million Token umfassen. Dabei wird Ihnen zumindest die Anzahl der Token angezeigt. Ich habe dort Dateien mit etwa drei bis fünf Millionen Token abgelegt, und das ist offensichtlich zu groß für Gemini. Für mich ist es jedoch gut, den Token- Schwellenwert der Datei zu kennen, die ich einfüge, damit ich weiß, was ich ausschneiden muss, damit ich es dann

8:23 in andere Modelle einfügen kann. Wenn ich also etwas in Gemini und AI Studio ablege, kann ich die Token-Anzahl sehen. Wenn es also unter 120 K liegt, gehe ich oft zu Sonnet 4 oder Opus 4 oder 03 von OpenAI, um die Bewertung durchzuführen oder Fragen zu den API-Dokumenten zu stellen. Aber wenn es über 120.000 oder vielleicht sogar 200.000 liegt, bleibe ich oft einfach im AI Studio und stelle die Fragen dort. Das sind also die API-Dokumente. Ein anderer sieht sich den Code an. Wenn ich also auf einer vorhandenen Codebasis entwickle, lege ich den Code in AI Studio ab und stelle Fragen zur Codebasis, um verschiedene Bereiche der Codebasis zu verstehen und zu beurteilen, wo eine Funktion integriert werden sollte. AI Studio ist hierfür gut geeignet, aber ehrlich gesagt sind Cursor und Claude mit der Zeit sehr gut darin geworden, große Codebasen zu verdichten und verschiedene Bereiche innerhalb dieser Codebasis zu finden. Und wenn ich Cloud erwähne,

9:09 meine ich speziell Cloud-Code. Dies war bisher meine erste Wahl für die Bewertung von Code in Gemini oder AI Studio. Ich würde empfehlen, stattdessen vielleicht Cloud-Code in Betracht zu ziehen, da dieser sich tatsächlich sehr gut für große Codebasen eignet und es ermöglicht, die genauen Bereiche und Funktionen zu finden, die Sie aktualisieren müssen. Und schließlich geht es nur noch darum, verschiedene Dokumente zu verstehen, die ich verstehen und zu denen ich Fragen stellen möchte. Dies ist also ein schönes Symbol der großen, schönen Rechnung, die erst kürzlich beim US BBB herauskam, und ich wollte einige Fragen dazu stellen und inwiefern sie für mich und mein Unternehmen usw. relevant ist. Die ursprüngliche Rechnung, die, glaube ich, vor etwa einem Monat veröffentlicht wurde, umfasste etwa 224.000 Token. Damit übertraf es die Beurteilungsfähigkeit aller anderen Modelle. Also musste ich AI Studio die Fragen stellen, die mit meinem Geschäft usw. in Zusammenhang stehen, damit ich dieses Dokument besser verstehen kann . Dies ist also ein weiterer wirklich guter Ort, um große Dateien abzulegen, um

9:55 den Kontext der Datei und die für Sie wichtigen Dinge zu verstehen. Unser nächster Anwendungsfall sind Fehler. Dies ist also ein üblicher Ablauf, den ich durchlaufe, wenn ich auf knifflige Fehler stoße. Und dieser Ablauf ändert sich etwas, da die Modelle und auch die mit den Modellen verbundenen Tools besser werden. Aber ich verwende es immer noch von Zeit zu Zeit, wenn ich auf einen kniffligen Fehler stoße, den ich nicht innerhalb des Cursors oder der Cloud beheben kann. Daher gehen wir davon aus, dass Cursor und Cloud das Problem, das wir mehrmals versucht haben, beim Starten dieses Prozesses nicht lösen konnten. Was wir in diesem Fall also tun werden, ist, dass ich entweder im Cursor- oder jetzt tatsächlich häufiger im Cloud-Code sein werde und ich werde dieses spezielle Modell in diesem Tool fragen, um die verschiedenen Fehler zusammenzufassen, die bei unseren Lösungsversuchen auftreten, und um sicherzustellen, dass die Erklärung, die es mir liefert, unvoreingenommen ist, und um ihm auch Kontext und Einschränkungen zu geben, sodass wir diese Erklärung an einen anderen KI-Ingenieur weitergeben werden,

10:41 damit dieser dort weitermacht, wo er aufgehört hat. Sobald ich diese Erklärung erhalten habe, werde ich die gesamte Codebasis in eine Datei packen, die ich dann an AI Studio weitergeben kann. Es wird also entweder ein XML oder ein TXT sein. Nun fragen die Leute oft: „Warum lässt man nicht einfach Gemini 2.5 Pro in einem dieser Tools die Codebasis bewerten?“ Wenn Sie nicht unbedingt über den Max-Plan verfügen oder nicht bereit sind, Max innerhalb von Cursor zu verwenden, ist Ihr derzeitiges Limit für alle Modelle im Cloud- Code automatisch auf 128.000 Token begrenzt. Es macht einen guten Job, wie ich sagte. Dies kommt zwar immer seltener vor, ist aber manchmal immer noch der Fall. Und es besteht offensichtlich nicht unbedingt die Möglichkeit, die 1 Million Token zu verwenden, da Gemini nicht darin enthalten ist. Wenn wir Gemini innerhalb des Tools verwenden möchten, ist der Cursor hier also wirklich unsere einzige Anlaufstelle. Und ein weiterer Grund, warum wir es vielleicht aus diesen Tools herausziehen und direkt zum Modell gehen möchten, besteht darin,

11:28 dass Tools wie der Cursor dazu neigen, eine Menge aufgeblähten Kontext darin zu enthalten, der uns nicht bewusst ist. Stellen Sie es sich wie die verschiedenen Schichten eines Kuchens vor. Hier haben wir also die Grundschicht des Kuchens, auf der das Modell sitzt. Darüber haben wir das von uns verwendete Werkzeug und den Cursor und darüber unsere Eingabeaufforderung und den von uns bereitgestellten Kontext. Das Problem besteht hier darin, dass der Kontext, der vom Tool- Anbieter ausgefüllt wird, beispielsweise der Cursor, oft nützlich ist, manchmal jedoch auch hinderlich und überhaupt nicht nützlich sein kann. In diesem Fall möchten wir diese Abstraktion entfernen und direkt zum Modell gehen, damit kein aufgeblähter Kontext entsteht, der uns nicht bewusst ist. So haben wir eine größere Chance, dass das Modell unser Problem behebt, ohne dass wir auf Schwierigkeiten stoßen. Und wir können diesen Datensatz und die gesamte

12:13 Codebasis auf verschiedene Weise komprimieren, beispielsweise mit Tools wie Ye. Das hier ist also einfach das Rust-Logo, aber das Tool heißt Ye und dieses hier heißt Repo Mix. Äh, Sie können diese aus verschiedenen Gründen verwenden. Ich verwende es oft für größere Codebasen, weil es in Rust vorliegt und die Codebasis damit viel schneller komprimiert werden kann. Und dann ist Repo Mix immer noch eine gute Option, wenn Sie das verwenden möchten. Es ist lediglich eine Möglichkeit, Ihre gesamte Codebasis in einer XM- oder TXT-Datei zusammenzufassen, die Sie dann in AI Studio hochladen können, damit Sie die gesamte Codebasis sehen können. Sobald Sie dies getan haben, übergeben Sie ihm sowohl die Erklärung als auch die Codebasis. Und ich werde Gemini bitten, zunächst die Grundursache zu ermitteln. Sobald die Grundursache identifiziert ist, werde ich darum bitten, eine Lösung bereitzustellen. Und sobald der Fix bereitgestellt ist, lasse ich diesen Fix in eine Reihe von Eingabeaufforderungen umstrukturieren. Es hat also die Lösung gefunden, es hat die Lösung bereitgestellt, und ich sage: „Okay, schreiben Sie diese Lösung

13:00 so um, dass ich sie an einen KI-Ingenieur weitergeben kann .“ Konkret möchte ich, dass Sie mir eine Reihe voneinander unabhängiger Eingabeaufforderungen geben, die ich jeweils an die KI weitergeben kann, um diesen Fix dann schrittweise zu implementieren. Stellen Sie also sicher, dass die Eingabeaufforderungen nicht zu groß sind, um es nicht zu überfordern, und nicht zu klein, um sicherzustellen, dass wir bei jeder Eingabeaufforderung zumindest erhebliche Fortschritte machen. Und so sieht das hier ungefähr aus. Wir haben also alle Eingabeaufforderungen, die uns das I-Studio Gemini gegeben hat . Also jede Eingabeaufforderung 1 2 3 usw. Und dann werden wir diese schrittweise beispielsweise in Cloud Code übergeben und Cloud Code die Korrektur im Laufe der Zeit anwenden lassen, wenn wir jede Eingabeaufforderung hinein übergeben. Und am Ende beheben wir oft den Fehler, auf den wir in der Vergangenheit gestoßen sind. Dies ist also eine großartige Möglichkeit, um knifflige Fehler zu beheben, auf die Sie stoßen . Unser letzter Anwendungsfall ist die Transkription. Es gibt zwei gängige

13:46 Möglichkeiten, wie ich derzeit die Transkription mit AI Studio kostenlos verwende: die Umwandlung von Kurzfilmen in LinkedIn-Beiträge. Manchmal nehme ich Kurzfilme für LinkedIn auf und dieses kurze Video, das ich aufnehme. Ich möchte auch eine Art kostenlosen Text dazu haben. Also lade ich den Ton hoch oder eigentlich das gesamte Video in AI Studio. Wenn ich es hochgeladen habe, wird es transkribiert. Sobald die Transkription abgeschlossen ist, gebe ich es an Claude oder GPT weiter, je nachdem, was ich gerade mache. Und dann wird dieser LinkedIn-Beitrag auf Grundlage des Transkripts, das ich ihm gegeben habe, neu geschrieben oder neu verfasst. Wenn ich diesen Inhalt poste, kann ich dann sowohl das Video als auch den Artikel in LinkedIn haben. Das Folgende ist tatsächlich ein interessanter Anwendungsfall, den ich einem Freund namens Anthony vorgestellt habe. Dabei führt man eine Art Geschmackstest für Podcasts durch, die man hören möchte. Also, ich weiß nicht, wie es

14:32 Ihnen geht, aber ich habe in meinem YouTube eine riesige Warteschlange mit einer Menge Podcasts, die ich mir anhören möchte, aber noch nicht dazu gekommen bin. So, das ist meine Darstellung, wie das aussieht. Wir haben also all diese verschiedenen Podcasts, für deren Anhören uns die Zeit fehlt. Aber vielleicht möchten Sie von jedem dieser Songs einen Kosttest machen, um herauszufinden, welche Sie wirklich hören und mit welchen Sie Zeit verbringen möchten. Was Sie also tun können, hängt von der Größe ab. Wenn das Video beim Podcast also normalerweise etwa eine Stunde lang ist, passt es in das Kontextfenster, damit AI Studio es transkribieren kann. Wenn dieser Wert überschritten wird , möchten Sie dies möglicherweise konvertieren, ähm, ich glaube, es ist wie YT DLP, eine Bibliothek, die Sie verwenden können, und die KI im Grunde ein Skript schreiben lassen, das dies für Sie herauszieht, und Sie können auf diese Weise die gesamte Datei und das Transkript abrufen. Wenn Sie das aber nicht möchten, keinen Zugriff darauf haben und die Beschränkung auf weniger als eine Stunde nicht erfüllt ist, können Sie es einfach im AI Studio weitergeben. es wird es für Sie transkribieren. Sobald

15:17 dies transkribiert ist, können Sie es bitten, alle neuen Erkenntnisse aus diesem Podcast herauszufiltern, die Sie mit mir teilen können . Es werden also vielleicht fünf oder zehn neue Erkenntnisse herausgestellt und Sie können diese Zusammenfassungen überfliegen. Nachdem Sie alle Zusammenfassungen aller dieser Podcasts überflogen haben, können Sie sagen: „Okay, aufgrund dessen bin ich wahrscheinlich eher an diesem hier interessiert .“ Und wir können sie alle ignorieren und aus unserer Warteschlange entfernen. Wir konzentrieren uns also auf einen primären Podcast, basierend darauf, wie einzigartig die Erkenntnisse in Bezug auf das sind, was uns interessiert. Dies ist also nur ein weiterer Anwendungsfall, für den ich AI Studio verwende. Und wie gesagt, diese sind alle kostenlos, da die kostenlose Stufe zumindest im Moment äußerst großzügig ist. Wir haben also Transkriptionen, wir haben Fehler und wir haben große Dokumente. Wenn es Ihnen gefallen hat, teilen Sie es bitte mit Ihren Freunden. Und wie ich bereits sagte, finden Sie unten einen Link zu einer kostenlosen 30-tägigen KI-Einblicksreihe, sodass Sie

16:04 30 Tage lang Einblicke wie diese erhalten, wie Sie KI in Ihrem Unternehmen und auch in Ihrer täglichen Arbeit anwenden können. Wenn Sie das interessiert, sehen Sie sich den Link unten an.