Zum Inhalt springen

Anwendungsfall · Aktualisiert am Okt. 2026

Sprechendes Foto mit KI: Lass jedes Bild sprechen

Ein sprechendes Foto mit KI verwandelt ein Standbild in ein kurzes Video, in dem die Person mit deinem Audio spricht oder singt – Lippen, Augen, Augenbrauen und Kopf bewegen sich natürlich. Mit OmniHuman 2.0 klappt das mit modernen Selfies, alten eingescannten Abzügen, Gemälden und Zeichnungen gleichermaßen und geht über bewegte Lippen hinaus: Schultern, Hände und Mimik folgen der Emotion der Stimme.

Foto+Stimme=Video

Stimme
Kein Foto? Probier:
  • Kostenlose Vorschau
  • Anmeldung mit Google
  • Private Uploads
Sprechen
UGC-Anzeigen
Mehrere Personen
pro Video
5 Min.
Ausgabe
720p
Personen pro Szene
Mehrere
Sprachen
6

Menschen nutzen es für Geburtstagsgrüße, Familiengeschichte-Projekte, Storytelling in Museum und Klassenzimmer, Memes und Grußkarten. So bekommst du ein Ergebnis, das lebendig statt unheimlich wirkt.

Welche Bilder das beste sprechende Foto mit KI ergeben

Das Gesicht sollte gut sichtbar sein, ungefähr in die Kamera blicken und nicht von Händen, Haaren oder Brillenreflexen verdeckt werden. Die Auflösung ist weniger wichtig als die Schärfe: Ein scharfer Scan mit 800 Pixeln schlägt ein verschwommenes Handyfoto mit 4000 Pixeln. Alte Schwarz-Weiß-Abzüge funktionieren gut; kleine Kratzer sind kein Problem, starke Schäden im Mundbereich sieht man aber.

Weitere Ausschnitte mit Schultern und Händen geben dem Modell Raum für Gesten. Enge Ausschnitte im Passbildstil sprechen trotzdem überzeugend, bewegen sich aber weniger.

Die Stimme auswählen

Du kannst dich direkt im Browser aufnehmen, eine Sprachnotiz hochladen oder eine Audiodatei aus einem beliebigen Text-to-Speech-Tool verwenden. Bei Familienprojekten berührt eine echte Aufnahme eines Angehörigen, der eine Geschichte erzählt, weit mehr als eine synthetische Erzählstimme. Halte Hintergrundgeräusche gering und lass Musik bei der Aufnahme weg – einen Soundtrack kannst du später in jedem Schnittprogramm hinzufügen.

Stell immer sicher, dass du die Erlaubnis hast, Foto und Stimme zu verwenden – vor allem, wenn die Person noch lebt oder das Bild jemand anderem gehört.

Ideen, die Leute wirklich umsetzen

Ein paar Formate, die zuverlässig funktionieren:

  • Das Hochzeitsfoto der Großeltern liest zum Jahrestag einen kurzen Brief vor.
  • Ein historisches Porträt stellt sich für ein Schulreferat vor.
  • Ein Haustierfoto „beantwortet“ mit lustiger Stimme Fragen für Social Media.
  • Ein Gemälde singt ein paar Takte für einen Museums- oder Galerie-Post.
  • Ein Teamfoto, auf dem jede Person einen Satz für ein Abschiedsvideo sagt.

In drei Schritten zum ersten Clip

Es kostet dich etwa eine Minute; das Rendering läuft im Hintergrund.

  1. 1Bild hochladenZieh das Foto ins Studio. Wir prüfen Sichtbarkeit und Größe des Gesichts sofort.
  2. 2Stimme hinzufügenNimm ein paar Sätze auf oder lade eine MP3/WAV zwischen 4 Sekunden und 5 Minuten hoch.
  3. 3Rendern und teilenSieh dir die Vorschau kostenlos an, dann rendere und lade eine 720p-MP4 ohne Wasserzeichen herunter.

Alte Fotos vorher aufbereiten

Eingescannte Abzüge profitieren von einer kurzen Aufbereitung vor dem Animieren. Schneide auf die Person zu, richte den Scan gerade aus und entferne große Staubflecken oder Risse nahe dem Gesicht mit einem beliebigen Bildbearbeitungsprogramm. Leichtes Nachschärfen hilft; aggressives KI-Upscaling kann Details erfinden, die sich dann seltsam bewegen.

Ist ein Foto sehr klein, scanne es lieber in höherer Auflösung, statt eine niedrig aufgelöste Datei zu vergrößern. Das Modell braucht mindestens 300 Pixel an der kürzesten Seite, und mehr Details um Augen und Mund sorgen für natürlichere Bewegungen.

FAQ

Funktioniert ein sprechendes Foto mit KI auch mit Schwarz-Weiß-Bildern?

Ja. Alte monochrome Scans lassen sich gut animieren, solange das Gesicht klar erkennbar und der Mund nicht beschädigt ist.

Kann ich ein Gemälde oder eine Zeichnung verwenden?

Ja. Porträts in Öl, Bleistift oder als digitale Illustration funktionieren, wenn die Gesichtszüge erkennbar sind.

Kann das Foto singen?

Ja. Lade statt Sprache einen Song hoch, und Gesicht, Atmung und Kopf bewegen sich mit der Musik.

Wie lang darf das Video sein?

Von 4 Sekunden bis zu 5 Minuten, passend zu deinem Audio.

Sieht das Ergebnis echt aus?

Mit einem klaren Foto und sauberem Audio ist die Bewegung natürlich und ausdrucksstark. Verschwommene oder schräg aufgenommene Gesichter wirken weniger überzeugend.

Darf ich das Foto einer anderen Person animieren?

Nur mit deren Erlaubnis oder der des Rechteinhabers. Unsere Nutzungsbedingungen verbieten es, das Abbild einer Person zur Täuschung zu verwenden.

Kann ich ein Foto in einer anderen Sprache sprechen lassen?

Ja. Die Lippenbewegung folgt dem Audio, also nimm Sprache in jeder beliebigen Sprache auf oder lade sie hoch.

Kann ich mehrere Fotos in einem Video sprechen lassen?

Rendere jedes Foto einzeln und füge die Clips im Schnittprogramm zusammen – oder nutze ein einziges Gruppenfoto für eine Szene mit mehreren Personen.

Weiter entdecken

Lass dein Foto sprechen.

Kostenlose Vorschau.