Erstelle einen sprechenden Avatar aus einem Foto
Lade ein Porträt hoch, füge ein Skript oder eine Audiospur hinzu, und Biggsfield macht daraus ein realistisches sprechendes Video. OmniHuman 2 übernimmt die Performance, und ElevenLabs-Stimmen in 29 Sprachen oder deine eigene geklonte Stimme übernehmen die Worte. Videos können bis zu 5 Minuten lang sein.
- 1Lade ein einzelnes Porträtfoto hoch.
- 2Schreib dein Skript mit einer ElevenLabs-Stimme oder lade deine eigene Audiospur hoch.
- 3Rendere mit OmniHuman 2 und lade dein sprechendes Video herunter.
Ein Foto plus Audio wird zum sprechenden Video
OmniHuman 2 von ByteDance nimmt ein Foto und eine Audiospur und animiert die Person dazu, wodurch ein realistisches sprechendes Video von bis zu 5 Minuten Länge entsteht. Du brauchst kein Filmmaterial, keine Kamera und keine Aufnahmesession, nur ein klares Porträt. Ein optionaler kurzer Prompt auf Englisch lässt dich Gesten, Umgebung und Kamera steuern, sodass dasselbe Gesicht am Schreibtisch präsentieren, im Studio stehen oder direkt in die Linse sprechen kann. Es kostet 400 Credits pro 5 Sekunden, und Credits sind nah am tatsächlichen Modellpreis kalkuliert.
Gib deinem Avatar eine echte Stimme
Biggs Voice stellt deinem Avatar ElevenLabs-Stimmen in 29 Sprachen zur Seite, mit Kontrolle über Emotion und Tempo. ElevenLabs v4 liest Inline-Tags wie [whispers] und [laughs], um den Vortrag zu steuern, für 17 Credits pro 1.000 Zeichen. Damit der Avatar wie du klingt, klonst du deine Stimme aus einer kurzen Aufnahme, mit Zustimmung, und sprichst über MiniMax Speech 2.8 HD, das (laughs), (sighs) und Pausen unterstützt. Schon etwas aufgenommen? Voice Changer vertont jede Aufnahme mit einer anderen Stimme neu und behält Timing und Emotion bei.
Schon ein Video? Lippen neu synchronisieren
Wenn du bestehendes Material und eine neue Audiospur hast, synchronisiert Sync Lipsync 3 von Sync Labs die Lippen des Sprechers frame-genau mit dem neuen Audio. Damit korrigierst du eine Zeile, tauschst ein Voiceover aus oder passt eine neue Aufnahme an, ohne neu zu drehen. Kostet 250 Credits pro 5 Sekunden. Für andere Sprachen übersetzt Translate & Lip-sync dein Video in eine andere Sprache mit deiner eigenen Stimme, mit passenden Lippenbewegungen, in einem Schritt. Jeder Durchlauf wird in Credits nahe den tatsächlichen Modellkosten berechnet, fehlgeschlagene Generierungen werden erstattet.
Was du nutzen kannst
Tipps
- Halte den OmniHuman-2-Prompt kurz und auf Englisch, und nutze ihn nur, um Gesten, Setting und Kamera zu steuern.
- Füge deinem Skript ElevenLabs-v4-Tags wie [whispers], [laughs] oder [sighs] hinzu, damit der Vortrag deines Avatars Emotion bekommt.
- Erstelle zuerst einen Biggsfluencer-Charakter, damit dasselbe Gesicht mit eigener Stimme in jedem Foto, Video und Sprechclip auftaucht.
- Nutze Sync Lipsync 3 statt eines neuen Avatar-Renders, wenn du bei einem bestehenden Video nur das Audio ändern musst.
Fragen
Wie lang kann ein sprechendes Avatar-Video sein?
OmniHuman 2 erstellt aus einem Foto und einer Audiospur sprechende Videos von bis zu 5 Minuten Länge.
Was kostet das?
OmniHuman 2 kostet 400 Credits pro 5 Sekunden, ein ElevenLabs-v4-Voiceover 17 Credits pro 1.000 Zeichen. Credits sind nahe an den tatsächlichen Modellkosten kalkuliert, fehlgeschlagene Generierungen werden erstattet.
Kann mein Avatar andere Sprachen sprechen oder meine Stimme nutzen?
Ja. ElevenLabs-Stimmen decken 29 Sprachen ab, und du kannst deine eigene Stimme aus einer kurzen Aufnahme klonen, mit Zustimmung, und dann über MiniMax Speech 2.8 HD sprechen.
Kann ich ändern, was jemand in einem bestehenden Video sagt?
Ja. Sync Lipsync 3 synchronisiert die Lippen in einem bestehenden Video frame-genau mit einer neuen Audiospur, für 250 Credits pro 5 Sekunden.