Die meisten enttäuschenden Ergebnisse bei sprechenden Fotos liegen am Ausgangsbild, nicht am Modell: ein zu kleines Gesicht, zur Seite gedreht, verwackelt oder im Schatten verloren. Wer vorher prüft, spart sich ein unnötiges Rendering und sieht genau, was er vor dem Hinzufügen einer Stimme ändern sollte.
Was der Check für sprechende Fotos prüft
Jedes Foto durchläuft neun Prüfungen. Die ersten drei sind harte Grenzen von OmniHuman 2, der Rest sind Qualitätssignale, die darüber entscheiden, wie natürlich die Bewegung wirkt.
- Datei: JPG, PNG, WebP und andere gängige Formate bis 30 MB.
- Auflösung: mindestens 300 px an der kürzeren Seite und höchstens 6000 px an der längeren; empfohlen sind 720 px oder mehr.
- Seitenverhältnis: alles von 2:5 (sehr hoch) bis 5:2 (sehr breit), also passen Smartphone-Porträts, Quadrate und Breitbildformate.
- Gesicht: ob überhaupt ein Gesicht gefunden wird und wie viele, mit einer Gesichtserkennung direkt auf dem Gerät.
- Gesichtsgröße: wie viel vom Bild das Gesicht ausfüllt und wie viele Pixel Mund und Augen bekommen.
- Bildausschnitt: ob der Kopf vom Bildrand abgeschnitten wird.
- Kopfhaltung: ob die Person ungefähr in die Kamera schaut und der Kopf aufrecht ist.
- Schärfe: ein Unschärfewert, der am Gesicht selbst gemessen wird, nicht am Hintergrund.
- Beleuchtung: ob das Gesicht zu dunkel, ausgebrannt oder so flach ist, dass die Züge verschwimmen.
So liest du deine Ergebnisse
Ein grüner Haken bedeutet: Prüfung bestanden. Ein gelber Tipp heißt, das Foto funktioniert, aber eine Änderung an diesem Detail verbessert das Video wahrscheinlich. Ein rotes Zeichen bei Datei, Auflösung oder Seitenverhältnis bedeutet, dass das Studio die Datei ablehnt, bis du sie korrigierst, meist durch Export als JPG, Verkleinern oder Zuschneiden.
Wird kein Gesicht gefunden, kannst du das Foto trotzdem ausprobieren: Stilisierte Kunst, Statuen und Tiere lassen sich manchmal gut animieren, die Ergebnisse sind aber weniger vorhersehbar als bei einem klaren Porträt eines Menschen. Der Rahmen in der Vorschau zeigt genau, was die Erkennung gesehen hat, was hilft, wenn ein Gruppenfoto oder ein unruhiger Hintergrund sie verwirrt.
Schnelle Lösungen für häufige Probleme
Fast jede Warnung lässt sich in einer Minute mit dem eingebauten Editor deines Handys oder einer beliebigen kostenlosen Foto-App beheben:
- 1Gesicht zu kleinSchneide so zu, dass Kopf und Schultern den Großteil des Bilds füllen. Ein großes Original zuzuschneiden bewahrt mehr Details, als ein kleines zu vergrößern.
- 2Kopf gedreht oder geneigtWähle eine Aufnahme, auf der beide Augen sichtbar sind und die Nase ungefähr zur Kamera zeigt, oder richte einen schiefen Scan mit dem Drehwerkzeug gerade.
- 3Unscharf oder weichNimm die Originaldatei statt eines Screenshots oder einer Kopie aus einer Messenger-App, die stark komprimiert sind. Vermeide Aufnahmen aus der Bewegung.
- 4Zu dunkel oder zu hellHebe die Tiefen an oder senke die Lichter, bis die Haut Struktur zeigt. Weiches Tageslicht am Fenster ist für Animationen das gnädigste Licht.
Privat von Grund auf: Es wird nichts hochgeladen
Der Check lädt ein kleines Gesichtserkennungsmodell (Googles Open-Source-Modell MediaPipe BlazeFace) und führt es mit WebAssembly in deinem Browser aus. Messwerte wie Unschärfe und Helligkeit werden auf einem Canvas auf deinem Gerät berechnet. Dein Foto wird weder an unsere Server noch an andere gesendet, und mit dem Schließen des Tabs ist es verworfen.
Da keine Serverarbeit anfällt, ist das Tool kostenlos und beliebig oft nutzbar, ohne Anmeldung und ohne Wasserzeichen. Es läuft in aktuellen Versionen von Chrome, Edge, Safari und Firefox auf Desktop und Mobilgerät.
Vom geprüften Foto zum sprechenden Video
Wenn der Check sagt, dass dein Porträt bereit ist, bringt dich die Schaltfläche Sprechen lassen mit demselben Foto ins Studio von OmniHuman 2.0, sodass du es nicht erneut hochladen musst. Melde dich mit Google an, füge eine Sprachaufnahme oder Audiodatei zwischen 4 Sekunden und 5 Minuten hinzu und sieh dir die Vorschau an, bevor du einen Tarif wählst.
Planst du eine Gruppenszene, einen Song oder einen Produktsprecher? Die Anleitungen unten erklären, wie du Audio und Prompts für jeden Fall vorbereitest.
FAQ
Ist der Check für sprechende Fotos wirklich kostenlos?
Ja. Er läuft auf deinem eigenen Gerät, also entstehen uns keine Kosten und für dich gibt es kein Limit, kein Konto und kein Wasserzeichen.
Wird mein Foto irgendwohin hochgeladen?
Nein. Gesichtserkennung und alle Messungen laufen in deinem Browser. Hochgeladen wird es nur, wenn du ins Studio weitergehst und damit ein Video erstellst.
Garantiert Bestanden ein perfektes Video?
Das kann kein Tool versprechen, aber ein Bestanden beseitigt die häufigsten Ursachen für steife oder verschmierte Lippen. Sauberes Audio ist genauso wichtig.
Warum steht dort, dass kein Gesicht gefunden wurde?
Die Erkennung sucht menschliche Gesichter, die ungefähr zur Kamera zeigen. Sehr kleine Gesichter, Profile, starke Schatten und Cartoons können übersehen werden.
Kann ich ein Gruppenfoto prüfen?
Ja. Jedes gefundene Gesicht bekommt einen Rahmen. OmniHuman 2 kann mehrere Personen animieren; gib im Prompt an, wer spricht.
Funktioniert das auch für andere KI-Apps für sprechende Fotos?
Die Qualitätsprüfungen gelten für jedes Lip-Sync-Modell. Datei- und Größenlimits sind spezifisch für OmniHuman 2.
Welche Formate kann ich prüfen?
JPG, PNG, WebP, GIF und BMP funktionieren überall. HEIC öffnet sich in Safari; anderswo exportierst du es zuerst als JPG.