HeyGen Avatar V: ein Moderatorenvideo aus einer Sprachaufnahme

Sie haben einen Sprechertext und niemanden, der sich vor die Kamera stellt. HeyGen Avatar V schließt diese Lücke: Sie wählen einen seiner fertigen Moderatoren, laden eine Sprachaufnahme hoch, und es liefert ein Video, in dem dieser Moderator Ihre Worte lippensynchron spricht, in bis zu 4K. Es gibt kein Prompt-Feld und kein Gesicht zum Hochladen. Zwei Eingaben, ein paar Einstellungen, und die ganze Arbeit besteht darin, diese richtig zu wählen.

Schritt 1: den Moderator nach Name, Haltung und Winkel wählen

Die Avatarliste umfasst Hunderte Einträge, und ihre Namen lesen sich wie eine Drehliste: ein Vorname, dann ob die Person sitzt oder steht, dann die Umgebung (ein Büro, ein Sofa, eine Küche, eine Yogamatte, ein Picknick), dann der Kamerawinkel, frontal oder seitlich. 'Annie, Büro, sitzend, frontal' und 'Annie, Büro, sitzend, seitlich' sind also dieselbe Moderatorin im selben Raum aus zwei Kameras.

Das ermöglicht einen günstigen Schnitt mit zwei Kameras. Rendern Sie dieselbe Aufnahme zweimal, einmal mit der frontalen und einmal mit der seitlichen Version desselben Moderators, und schneiden Sie an den Satzpausen zwischen beiden hin und her. Das wirkt wie ein gefilmtes Interview statt wie eine einzige starre Einstellung.

Schritt 2: das Audio vorbereiten

Das Audio steuert alles: den Mund, die Pausen, den Rhythmus des Kopfes. Eine saubere Aufnahme in einem ruhigen Raum schlägt einen perfekten Text, der in einer hallenden Küche gelesen wird. Wenn Sie Ihre eigene Stimme lieber nicht aufnehmen, erzeugen Sie eine mit einem Text-to-Speech-Modell von der Modellseite und verwenden diese Datei. Schreiben Sie den Text fürs Ohr: kurze Sätze, eine Pause dort, wo eine Folie wechseln würde, Zahlen so ausgeschrieben, wie sie gesprochen werden sollen.

Schritt 3: das Format nach dem Abspielort wählen

Als Seitenverhältnis gibt es 16:9 (Standard), 9:16, 1:1, 5:4 und 4:5. Entscheiden Sie nach dem Ziel, nicht nach Geschmack: 16:9 für eine Website oder eine Präsentation, 9:16 für kurze vertikale Clips, 4:5 oder 1:1 für einen Feed. Der Ratgeber zu Seitenverhältnissen erklärt diese Wahl ausführlicher.

Die Auflösung ist 720p, 1080p (Standard) oder 4K. 1080p passt für fast alles, was man auf dem Handy oder im Browser ansieht. Heben Sie 4K für einen großen Bildschirm auf oder für Material, das Sie später noch zuschneiden.

Schritt 4 (optional): den Hintergrund tauschen

In den erweiterten Einstellungen können Sie ein Hintergrundbild hinzufügen. Jeder Avatar bringt schon seinen eigenen Raum mit, Sie brauchen es also nur, wenn der Raum nicht zu Ihrer Marke passt: Ihr Laden, Ihr Büro, eine schlichte Farbe hinter einem Tutorial. Nehmen Sie ein Bild mit derselben Kamerahöhe und etwas Unschärfe, sonst wirkt der Moderator wie aufgeklebt.

Avatar V oder einer seiner Nachbarn?

• Avatar V: ein fertiger Moderator, Ihr Audio, bis 4K. Am besten, wenn Sie eine Person im Bild brauchen und es Sie nicht stört, dass nicht Sie es sind.
• Avatar IV: Ihr eigenes Porträtfoto statt eines fertigen Moderators, mit schriftlichen Anweisungen für die Mimik. Der Avatar-IV-Ratgeber erklärt es.
• Avatar V Digital Twin: arbeitet mit Text oder Audio und kann den Hintergrund für ein transparentes Video entfernen.

Was es nicht kann

Ihr eigenes Gesicht können Sie hier nicht verwenden, und die Darbietung lässt sich nicht inszenieren: Es gibt keinen Prompt, Gesten und Mimik kommen also allein aus dem Audio und dem gewählten Avatar. Soll der Moderator bei einem bestimmten Wort überrascht wirken, sprechen Sie das Wort mit genau dieser Energie ein, oder wählen Sie ein Modell mit einem Feld für Regieanweisungen. Weitere Wege, eine Person auf dem Bildschirm zu bewegen, finden Sie unter ein KI-Videomodell wählen.