Sprechendes Foto erstellen: Tools, Kosten, Regeln

Egal welches Tool: Ein sprechendes Foto, KI-generiert, braucht immer zwei Zutaten: ein Porträt und etwas, das gesprochen wird. Für den Ton gibt es drei Wege:

• Text eintippen: Eine KI-Stimme liest dein Skript vor, bei HeyGen etwa aus über 1.000 Stimmen, auch auf Deutsch.
• Eigene Aufnahme hochladen: Du lieferst die Audiodatei, das Tool passt nur noch die Lippen an. Das geht bei D-ID und bei PixVerse.
• Stimme klonen: Deine eigene Stimme wird nachgebildet, bei HeyGen ab dem Creator-Plan, bei D-ID ab Pro, bei Vidnoz AI als bezahltes Add-on.

Mein Rat für den Anfang: Nimm eine eigene Sprachaufnahme, wenn du eine hast. Das Ergebnis klingt dann nach dir und nicht nach einer Stimme, die du erst suchen musst. Die geklonte Stimme würde ich mir aufheben, bis du weißt, ob dir das Format überhaupt gefällt.

Die Übersicht direkt unter diesem Abschnitt zeigt dir pro Tool, ob ein sprechendes Foto möglich ist, ob Ton im Video landet und ob es eine App gibt. Für diese Seite zählt vor allem die Zeile zum Lip-Sync.

Warum HeyGen vorn steht und Kling AI hinten, obwohl Kling die aufwendigeren Clips erzeugt, erklärt sich aus den Kriterien: Hier zählt, wie gut und wie günstig ein Porträt spricht, nicht wie spektakulär die Szene ist. Wie ich die Tools insgesamt einordne, steht auf der Seite So bewerte ich die Tools.

• Akool: Talking Photo lässt ein Foto sprechen, dazu gibt es Text-to-Speech und einen Stimmklon.
• PixVerse: Lip-Sync macht aus einem Charakterbild plus Text oder Audiodatei einen sprechenden Avatar.
• Kling AI: Der KI-Avatar baut aus einem Bild plus Ton oder Skript ein sprechendes Video, Credits je nach Länge.

Für mich ist die Grenze klar: Wer ein ruhiges Porträt eine Nachricht sprechen lassen will, nimmt eines der drei Avatar-Tools. PixVerse und Kling AI lohnen sich, wenn das Bild eine Figur zeigt, die zusätzlich in einem richtigen Clip auftauchen soll. Das eigene Lip-Sync-Werkzeug von Kling AI für hochgeladene Videos ist übrigens immer bezahlt.

Deutschen Dialog kann Kling erst ab 4.0 und vorerst nur im Ultra-Jahresabo, für ein deutsches Skript würde ich dort eine eigene Tonaufnahme hochladen. PixVerse nennt die Credit-Kosten für Lip-Sync nicht, und bei Akool entfernt erst Starter für ca. 10,55 € im Monat das Wasserzeichen.

PixVerse und Kling AI können beides, weil sie aus einem Foto auch einen freien Clip mit Start- und Endbild machen. HeyGen animiert ein Standbild ebenfalls per Textbeschreibung mit Schwenks, Zooms und Bewegung.

Die Qualität hängt stark vom Ausgangsbild ab. D-ID nennt dafür klare Regeln: frontal aufgenommen, Gesicht mindestens 200 x 200 Pixel, Datei bis 10 MB. Ich würde diese Werte als Faustregel für alle Tools nehmen. Ein Porträt von der Seite oder ein winziges Gesicht in einem Gruppenfoto ergibt fast immer ein unsauberes Ergebnis.

Und noch etwas, das beim Wechsel vom Foto zum Video oft übersehen wird: Ein sprechendes Foto wirkt am besten kurz. Eine lange Rede vor einem starren Hintergrund ermüdet schnell. Weitere Rubriken, von Avataren bis zu Clips aus Text, sammelt meine Startseite zum Thema KI-Video.

• HeyGen: 3 Videos pro Monat mit bis zu 1 Minute, bis zu 3 Foto-Avatare, mit Wasserzeichen. Laut Hilfe sind je nach Region 1 bis 3 Gratis-Videos möglich.
• Vidnoz AI: sprechende Fotos bis 3 Minuten in 720p mit Wasserzeichen, Gratis-Inhalte bleiben 7 Tage gespeichert.
• Akool: Avatar-Videos in 720P bis 10 Minuten mit Wasserzeichen und 5 Nutzungen der Sprachausgabe.
• PixVerse: 60 Start-Credits und 30 Credits pro Tag, was ein Lip-Sync kostet, nennt PixVerse nicht.

Für mich ist Vidnoz AI hier der Gewinner bei der Länge. 3 Minuten reichen für eine ganze Geburtstagsrede, während HeyGen gratis bei 1 Minute aufhört. Dafür ist das Wasserzeichen bei beiden dabei, und bei Vidnoz musst du dir die 7 Tage Speicherzeit merken.

Akool klingt mit 10 Minuten noch großzügiger, das Wasserzeichen ist dort aber bildschirmfüllend, und die Verarbeitung im Gratis-Plan läuft langsam. Wie viele Gratis-Credits ein neues Konto erhält, nennt Akool nicht.

Bei PixVerse verfallen die Tages-Credits am selben Tag, sparen geht also nicht, und gratis bleibt es bei 540P mit Wasserzeichen. HeyGen verlangt für den Gratis-Plan keine Kreditkarte, nur ein Konto. Bei Vidnoz bekommen neue Gratis-Konten laut App-Konfiguration 30 Credits, was etwa 60 Sekunden Avatar-Video entspricht.

D-ID fehlt in dieser Aufzählung bewusst. Dort gibt es keinen dauerhaften Gratis-Plan, sondern eine 14-tägige Testphase mit bis zu 3 Minuten Video, bildschirmfüllendem Wasserzeichen und nur für private Zwecke. In der App musst du dafür eine Kreditkarte hinterlegen, wer vor Ablauf kündigt, zahlt nichts. Ich würde die Testphase erst starten, wenn Foto und Text fertig sind.

Kling AI ist für Gratis-Nutzer am schwersten einzuschätzen. Der Basic-Plan kostet nichts, wie viele Credits er bringt, nennen die offiziellen Seiten aber nicht, und die Ergebnisse dürfen nicht kommerziell genutzt werden.

Mein Fazit: Für eine längere Nachricht nimm Vidnoz AI, für ein sauberes Ergebnis mit Skript und deutscher Stimme HeyGen. Wenn dein Foto sich statt zu sprechen lieber bewegen soll, findest du die passenden Tools in meiner Liste Foto animieren kostenlos.

Die Oberfläche gibt es auf Deutsch, was für viele Einsteiger den Ausschlag gibt. Dazu kommen über 1.600 KI-Avatare für Präsentationsvideos. Laut öffentlicher App-Konfiguration ist für sprechende Fotos eine Promi-Erkennung eingeschaltet, was sie genau blockiert, erklärt Vidnoz aber nicht.

Der Haken liegt beim Speicher. Gratis-Inhalte bleiben 7 Tage, bei 500 MB Platz. Lade also sofort herunter. Wer länger als 2 Wochen nicht einloggt, dessen Gratis-Konto gilt laut Datenschutzerklärung als inaktiv, und die Daten können gelöscht werden.

Bezahlt wird in Credits, die Vidnoz AI und Vidnoz Gen gemeinsam nutzen. Ein Avatar-Video kostet 0,5 Credits pro Sekunde, ein Foto-Avatar 2 Credits, und fehlgeschlagene Aufgaben werden nicht berechnet. Der kleinste Avatar-Plan, Vidnoz AI Starter, kostet ca. 23,72 € im Monat für 450 Credits, Videos bis 60 Minuten in 1080p und kein Wasserzeichen.

Der Stimmklon kostet als Add-on ca. 8,78 € im Monat, ein eigener Avatar von dir als Add-on Avatar Pro ca. 262,79 € im Jahr.

Beim Geld wäre ich vorsichtig. Nur wer jährlich zahlt, bekommt 7 Tage Geld-zurück-Garantie, Monatspläne gibt Vidnoz nicht zurück. Beim Kündigen widersprechen sich die Unterlagen: Die AGB nennen das Konto, Erstattungsrichtlinie und Preis-FAQ eine E-Mail an den Support. Auch beim Übertrag ungenutzter Credits sagen die beiden Preisseiten Unterschiedliches.

Und Achtung bei Apps: Vidnoz hat keine offizielle App, die Store-Apps mit dem Namen stammen von fremden Entwicklern.

Zum Datenschutz sagt die Datenschutzerklärung wenig. Modelltraining erwähnt sie nicht, eine eigene Regel für Gesichtsdaten gibt es nicht, und gelöschte Daten können 30 bis 90 Tage in Backups bleiben.

Mein Urteil: Für eine längere Gratis-Nachricht ist Vidnoz AI die beste Wahl hier. Zahlen würde ich dort nur jährlich, weil nur dann die 7-Tage-Garantie greift, und nur wenn du das Tool regelmäßig nutzt. Wer statt eines einzelnen Porträts einen Sprecher für ganze Präsentationen sucht, ist bei den großen Avatar-Plattformen besser aufgehoben; die vergleiche ich in meiner Liste KI-Avatar für Videos.

Im Gratis-Plan darfst du bis zu 3 Foto-Avatare anlegen, in den bezahlten Plänen beliebig viele. Creator kostet 25 € im Monat oder 240 € im Jahr, also 20 € pro Monat, und bringt 600 Credits. Kurz gerechnet: 600 Credits geteilt durch 16 Credits pro Minute ergeben 37,5 Minuten sprechendes Foto im Monat, dazu 1080p-Export und kein Wasserzeichen. Das finde ich fair, wenn du regelmäßig Porträts sprechen lässt.

Die App „HeyGen: AI Video Generator“ gibt es für iPhone und Android. Wer eine sprechende Fotos App sucht, ist hier also richtig, allerdings ist die iOS-App laut App Store nur auf Englisch, Portugiesisch und Spanisch. Die Website samt Preisseite gibt es auf Deutsch mit Euro-Preisen. Buchst du über den App Store, kündigst du auch dort, nicht im Web-Konto.

Ich würde deshalb im Web abschließen, damit Abo, Credits und Kündigung an einer Stelle liegen. Im deutschen App Store steht die App bei 4,7 von 5 Sternen, bei Google Play bei 4,5.

Beim Löschen ist HeyGen konkreter als viele andere. Löschanfragen werden möglichst innerhalb von 72 Stunden umgesetzt, danach bleiben die Daten 60 Tage in Backups. Die Gesichtsgeometrie eines Avatars wird gespeichert, solange der Avatar aktiv ist, und innerhalb von 60 Tagen nach dem Löschen vernichtet.

Positiv finde ich die Regeln zur Einwilligung. HeyGen verbietet Avatare realer Personen ohne deren ausdrückliche Einwilligung, und für einen eigenen Video-Avatar muss die Person ein kurzes Einwilligungsvideo aufnehmen. Mehr zu Preisen, App und Grenzen steht in meinen Erfahrungen mit HeyGen.

Wer mehr will als ein Foto, nimmt ein 1 bis 2 Minuten langes Video von sich auf. Für diesen V3-Avatar liest du per Webcam eine Einwilligungserklärung samt zufälligem Passcode vor.

Lite kostet ca. 5,19 € im Monat und bringt 40 Credits, also 10 Minuten, mit D-ID-Logo unten links. Pro für ca. 25,49 € ersetzt das Logo durch ein kleines AI-Zeichen und bringt einen Stimmenklon. Im App Store kostet Pro 35,00 €.

Zwei Regeln würde ich vor dem Kauf kennen: Kündigen musst du laut Bedingungen 15 Tage vor Ende des Zeitraums, und Zahlungen sind nicht erstattungsfähig. Dazu verfallen ungenutzte Minuten am Monatsende, und jede Länge wird auf die nächsten 15 Sekunden aufgerundet. Positiv: D-ID sagt, Inhalte nie fürs Training zu nutzen.

In Deutschland schützt das Recht am eigenen Bild (KUG § 22) Menschen davor, dass ihr Bildnis ohne Einwilligung verbreitet wird. § 201a StGB macht zudem manche Bildaufnahmen und deren Weitergabe zur Straftat. Das ersetzt keine Rechtsberatung, zeigt aber, wo die Grenze liegt.

Die Anbieter gehen damit unterschiedlich um. D-ID verbietet Uploads ohne die nötigen Rechte oder Einwilligungen, eine eigene Prüfung für einfache Foto-Uploads beschreibt es aber nicht. Akool macht dich dafür verantwortlich, eine Freigabe der abgebildeten Person einzuholen. Vidnoz AI verlangt, dass du alle Rechte an deinen Uploads hast, eine Regel zur Einwilligung der gezeigten Person fehlt.

Ich würde mich auf keine dieser Regeln verlassen, sondern einfach vorher fragen. Und wenn jemand später bittet, den Clip zu löschen, dann lösch ihn, auch aus Gruppenchats. Mehr zu den Regeln und Grenzen von Vidnoz steht in meinen Erfahrungen mit Vidnoz.