So richtest du Gruppenfotos ein, bereitest Dialog-Audio vor und legst fest, wer was macht.
Ein Foto für ein KI-Video mit mehreren Personen vorbereiten
Jede Person, die sich bewegen soll, braucht ein sichtbares Gesicht – idealerweise ähnlich groß und ohne Überlappung. Zwei bis vier Personen nebeneinander im Querformat sind der einfachste Einstieg – denk an einen Podcast-Tisch, eine Interview-Couch oder eine Aufstellung auf der Bühne. Gleichmäßiges Licht auf allen Gesichtern verhindert, dass eine Person flacher wirkt als die anderen.
Sind die Personen sehr unterschiedlich weit von der Kamera entfernt, dominieren die näheren Gesichter. Wähle den Ausschnitt so, dass die Sprecher im Mittelpunkt stehen.
Dialog-Audio vorbereiten
Lade eine gemischte Audiodatei mit dem gesamten Gespräch hoch, in der Reihenfolge, in der es abgespielt werden soll. Lass kleine Pausen zwischen den Sprechern, damit die Sprecherwechsel klar erkennbar sind, und vermeide längere Passagen, in denen zwei Personen gleichzeitig reden.
Podcast- und Interviewaufnahmen funktionieren so, wie sie sind – schneide den gewünschten Abschnitt zu, normalisiere die Lautstärke und lade ihn als MP3 oder WAV hoch, bis zu fünf Minuten.
Festlegen, wer spricht und wer reagiert
Beschreib die Personen im Prompt anhand ihrer Position; halte es kurz:
- „Left host speaks first, right host nods and laughs, then answers.“ (Linker Host spricht zuerst, rechter Host nickt und lacht, dann antwortet er.)
- „Woman on the right leads the verse, man on the left joins on the chorus.“ (Frau rechts singt die Strophe, Mann links steigt im Refrain ein.)
- „Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.“ (Interviewer links fragt, Gast rechts gestikuliert beim Erklären, statische Totale.)
- „Whole family waves at the end, gentle push-in.“ (Die ganze Familie winkt am Ende, sanfte Ranfahrt.)
Formate, die plötzlich möglich werden
Videopodcasts aus einem einzigen Standbild, Sketch-Comedy mit zwei Figuren, Interview-Teaser, Duette und Chorclips, Familiengrüße und Rollenspiele im Unterricht. Früher musste man dafür mehrere Personen gemeinsam filmen; heute reichen ein Foto und eine Aufnahme.
Typische Probleme in Gruppenszenen
Scheint die falsche Person zu sprechen, formuliere die Positionen im Prompt eindeutig – „the person on the left“ (die Person links) statt eines Namens, den das Modell nicht sehen kann – und prüfe, ob die Gesichter der Sprecher im Bild ungefähr gleich groß sind. Bewegen sich alle zu viel, schreib „listeners stay mostly still“ (Zuhörende bleiben überwiegend ruhig), damit die sprechende Person heraussticht.
Bei sehr großen Gruppen verteilen sich die Details auf viele kleine Gesichter. Schneide bei Chor- oder Teamfotos auf die vordere Reihe zu und halte den Clip kurz.
Dialoge für zwei Stimmen schreiben
Kurze Wechsel funktionieren am besten: Eine Person fragt, die andere antwortet in ein, zwei Sätzen, und die Zeilen gehen schnell hin und her. Lange Monologe in einem Gruppenfoto lassen der zuhörenden Person wenig zu tun; lockere sie mit Reaktionen oder Rückfragen auf.
FAQ
Wie viele Personen können in einem Video sein?
Gruppen funktionieren, aber zwei bis vier gut sichtbare Gesichter liefern die zuverlässigsten Ergebnisse.
Brauche ich für jede Person separates Audio?
Nein. Lade eine gemischte Datei des Gesprächs hoch und beschreib im Prompt, wer spricht.
Können Personen reagieren, während andere sprechen?
Ja. Zuhörende nicken, lächeln und blicken zur sprechenden Person, wenn du das im Prompt angibst.
Hat OmniHuman 1.5 mehrere Personen unterstützt?
Version 1.5 nutzte eine Maske, um eine sprechende Person auszuwählen. Performances mit mehreren Personen sind neu in 2.0.
Kann ich ein Familienfoto verwenden?
Ja, mit der Erlaubnis aller Beteiligten. Klare, frontal ausgerichtete Gesichter funktionieren am besten.
Wie lang darf die Szene sein?
Bis zu 5 Minuten in einem Take.
Kann jede Person eine andere Stimme haben?
Ja. Nimm den Dialog mit der Stimme jeder Person auf oder misch ihn in eine Audiodatei – in der Reihenfolge, in der gesprochen wird.
Bleiben die Zuhörenden komplett regungslos?
Nein – sie machen kleine, natürliche Bewegungen. Wünsch dir Reaktionen wie Nicken oder Lächeln, wenn du mehr willst.
Muss das Gruppenfoto im Querformat sein?
Nicht unbedingt, aber ein breiter Bildausschnitt gibt jedem Gesicht mehr Raum. Hochformatige Gruppenfotos funktionieren am besten mit zwei Personen dicht übereinander.