KI-Video mit eigenem Gesicht: Welche Modelle ein echtes Foto annehmen (November 2026)
Live-Zahlen zuletzt geändert · 5 Min. Lesezeit · Das GenMagic-Team
Für ein KI-Video mit Ihrem eigenen Gesicht brauchen Sie ein Modell, das Fotos echter Menschen annimmt: Wan 3.0 setzt Sie anhand eines oder mehrerer Fotos in eine neue Szene, Kling 3.0 und Veo 3.1 erwecken ein Foto als erstes Bild zum Leben, und HeyGen Avatar IV lässt Ihr Foto einen Text lippensynchron sprechen. ByteDances Seedance lehnt echte Gesichter ab, bei GenMagic und in den meisten Apps.
Dieser Leitfaden zeigt welche Modelle ein echtes Foto annehmen, wie Sie sich in eine neue Szene setzen, wie ein Foto lebendig wird, wie Ihr Foto spricht, welches Foto sich eignet, was es kostet und beantwortet Fragen.
Wer das schreibt: GenMagic betreibt alle hier genannten Modelle über ein gemeinsames Guthaben. Die Beispiele unten entstanden im November 2026 im Studio und über die API von GenMagic, aus dem Foto einer Person, die mit einem KI-Bildmodell erzeugt wurde: Es ist kein echter Mensch zu sehen. Mit Ihrem eigenen Foto funktionieren die Modelle genauso.
Inhalt
- Welche Modelle ein echtes Foto annehmen
- Sich selbst in eine neue Szene setzen
- Ein Foto zum Leben erwecken
- Das Foto sprechen lassen
- Welches Foto sich eignet
- Was es kostet
- Fragen
Welche Modelle ein echtes Foto annehmen
| Modell | Wie es Ihr Foto nutzt | Clip-Länge | Ton |
|---|---|---|---|
| Wan 3.0 | Als Referenz: Sie erscheinen in einer neuen Szene, die der Prompt beschreibt; mehrere Fotos gleichzeitig (Sie, eine zweite Person, ein Ort) | 2 bis 30 s | Ja |
| Kling 3.0 | Als erstes Bild: Der Clip beginnt auf Ihrem Foto und bewegt sich von dort aus | 3 bis 15 s | Ja |
| Veo 3.1 | Als erstes Bild, und Sie können einen kurzen Satz mit Ton sprechen | 4 bis 8 s | Ja |
| HeyGen Avatar IV | Ihr Foto spricht einen Text Wort für Wort, lippensynchron, mit einer Stimme Ihrer Wahl | So lang wie der Text | Sprache |
| Seedance (2.0, 2.5) | Lehnt Fotos echter Menschen ab |
Die Ablehnung durch Seedance ist eine Regel von ByteDance und gilt in den meisten Apps, die Seedance anbieten (einige, die Seedance direkt bei ByteDance einkaufen, bieten stattdessen eine Einwilligungserklärung an; der Fehler „may contain real person“ erklärt, auf Englisch). Gezeichnete, gemalte und 3D-Figuren nimmt Seedance weiterhin an.
Sich selbst in eine neue Szene setzen
Geben Sie Ihr Foto Wan 3.0 als Referenz und beschreiben Sie die Szene: wo Sie sind, was Sie tun, wie sich die Kamera bewegt. Das Modell baut die Szene um Sie herum und übernimmt Gesicht, Haare und Kleidung aus dem Foto.
The woman from the reference photo, in the same beige T-shirt, walks along a seaside promenade at golden hour, then stops, turns to the camera and smiles. Keep her face, freckles and hair exactly as in the photo. Handheld camera, warm natural light, the sound of waves and gulls.
- Schreiben Sie „the person from the reference photo“ (englische Prompts funktionieren am zuverlässigsten) und was gleich bleiben soll: Gesicht, Haare, Kleidung. Braucht die Szene andere Kleidung, schreiben Sie es in den Prompt.
- Zwei Personen: je ein Foto pro Person anhängen und beide benennen („the man in the first photo, the woman in the second“). Ein Foto pro Person funktioniert besser als ein Gruppenfoto.
- Lange Einstellungen: Wan 3.0 macht bis zu 30 Sekunden am Stück; für längere Videos setzen Sie vom letzten Bild aus fort und schneiden die Clips zusammen.
Dafür nutzten viele die Cameos von Sora. Sora wurde am 26. April 2026 eingestellt ( OpenAIs Hilfe-Center); alle Alternativen: Sora-Alternative auf Deutsch.
Ein Foto zum Leben erwecken
Geben Sie das Foto bei Kling 3.0, Wan 3.0 oder Veo 3.1 als erstes Bild und beschreiben Sie eine kleine, natürliche Bewegung. Der Clip beginnt genau auf Ihrem Foto, das passt für Porträts, Familienfotos und alte Aufnahmen.
Mehr zu alten Fotos: alte Fotos animieren.
Das Foto sprechen lassen
Für einen sprechenden Kopf mit Ihrem genauen Text animiert HeyGen Avatar IV das Gesicht auf Ihrem Foto, lippensynchron, mit einer seiner Stimmen, so lange der Text dauert. Sie bezahlen die Sekunden Sprache.
Für einen kurzen Satz innerhalb einer Szene, mit dem Ton des Raums, kann auch Veo 3.1 aus einem ersten Foto sprechen: Schreiben Sie den Satz in Anführungszeichen in den Prompt. Schritt für Schritt: sprechendes Foto.
Welches Foto sich eignet
- Eine Person, Gesicht gut sichtbar, ungefähr in die Kamera, bei gleichmäßigem Licht.
- Keine Sonnenbrille, keine tief sitzende Mütze, keine starken Filter: Das Modell übernimmt, was es sieht.
- Scharf und ausreichend groß: Ein Handyfoto genügt, ein winziger Ausschnitt aus einem Gruppenfoto nicht.
- Ihr eigenes Foto, oder eines, das Sie verwenden dürfen, von Erwachsenen, die zugestimmt haben. Lassen Sie keinen echten Menschen etwas sagen oder tun, was er nicht gesagt oder getan hat.
Was es kostet
Jeder Clip wird einzeln von Ihrem GenMagic-Guthaben bezahlt, der Preis steht vor dem Generieren fest. Heute:
| Clip | Preis heute |
|---|---|
| Wan 3.0, 6 s in 480p mit Ton (das Beispiel oben) | $0.27 |
| Wan 3.0, 20 s in 480p | $0.90 |
| Kling 3.0, 5 s in 720p mit Ton | no longer listed |
| Veo 3.1 Lite, 8 s in 720p mit Ton | $0.60 |
| HeyGen Avatar IV, pro Sekunde Sprache | $0.075 |
Ein neues Konto erhält $0.50 Startguthaben, sobald die E-Mail-Adresse bestätigt ist. Aufladungen gibt es ab $5, sie verfallen nicht, und an der Kasse zahlen Sie in Euro. Nichts verlängert sich, außer Sie wählen einen Monatsplan. Das Beispiel auf Wan 3.0 ausprobieren, dann Ihr eigenes Foto einsetzen.
Fragen
Mit welchem KI-Videogenerator kann ich ein Video mit meinem Gesicht erstellen? Wan 3.0 (als Referenz, in jeder Szene), Kling 3.0 und Veo 3.1 (als erstes Bild) und HeyGen Avatar IV (sprechendes Foto) nehmen Fotos echter Menschen an. Seedance nicht.
Wie kann ich ein KI-Video von mir selbst erstellen? Mit Wan 3.0: Hängen Sie ein Selfie als Referenz an, beschreiben Sie die Szene und was gleich bleiben soll. Ein klares Foto genügt, ein zweiter Blickwinkel hilft.
Kann ich ein KI-Video erstellen, in dem ich spreche? Ja: HeyGen Avatar IV lässt Ihr Foto einen Text Wort für Wort sprechen, lippensynchron, mit einer Stimme Ihrer Wahl. Für einen kurzen Satz in einer Szene kann Veo 3.1 aus einem ersten Foto sprechen.
Warum lehnt Seedance mein Foto ab? ByteDances Seedance-Modelle lehnen jedes Bild ab, das wie ein echter Mensch aussieht, auch Ihr eigenes Gesicht, bei GenMagic und in den meisten Apps. Für echte Fotos nehmen Sie Wan 3.0 oder Kling 3.0.
Kann ich das kostenlos ausprobieren? Ein neues GenMagic-Konto erhält $0.50 Startguthaben nach Bestätigung der E-Mail-Adresse, etwa 11 Sekunden Wan 3.0 in 480p mit Ton.
Darf ich ein Foto einer anderen Person verwenden? Nur mit deren Zustimmung, und nie, um sie etwas sagen oder tun zu lassen, was sie nicht gesagt oder getan hat.