OsmindMach aus einem Satz, einem freigegebenen Bild und einer verständlichen Stimme einen kurzen Clip. Prüfe eine Szene, bevor du eine Serie daraus machst.
Wähle den Weg, der zu deiner Aufgabe passt. In jedem Schritt siehst du, was du tust und woran du merkst, dass es geklappt hat.
Kopiervorlagen für Sprechtext und Bewegung, ein Abnahmeblatt und Fundstellen aus den Zoom-Runden.
Entscheide, wo der Clip läuft und was jemand danach tun soll. Schreibe zwei oder drei kurze Sätze, die du laut sagen kannst.
Fiktiv: „Du möchtest, dass wir deine Terrasse zuerst einschätzen? Schick uns ein Gesamtfoto und eine Nahaufnahme.“
Du kannst den Text vorlesen und der letzte Satz nennt den nächsten Schritt.
Nimm für den Test einen passenden verfügbaren Avatar oder ein eigenes bzw. für diesen Einsatz freigegebenes Bild. Achte darauf, dass das Gesicht klar erkennbar ist und zum Bildausschnitt passt.
Für den Einstieg genügt ein vorhandener Avatar. Einen videobasierten Digital Twin richtest du erst ein, wenn du ihn für die Aufgabe brauchst.
Du hast genau ein Bild oder einen Avatar mit geklärter Nutzung ausgewählt.
Öffne HeyGen. Wähle auf der Startseite „Single Scene“ oder beim fertigen Foto-Avatar „Quick Create“, soweit angezeigt. Wähle deinen Avatar und für einen gesprochenen Clip „Presenter Mode“.
In älteren Aufzeichnungen heißt der gezeigte Einstieg „Photo to Video“. Die heutige Hilfe beschreibt den Weg über „Single Scene“. Wenn du erst einen Foto-Avatar anlegen musst, findest du den Weg im Nachschlagewerk.
Du siehst eine Szene mit dem passenden Avatar und einem Feld für Text oder Audio.
Setze nur den Text in das Skriptfeld, den man hören soll. Wähle eine passende Stimme oder füge eine freigegebene Audiodatei ein. Hör dir die Aussprache an, wenn eine Vorschau verfügbar ist.
Wenn die Stimme schon vor dem Bild nicht passt, nimm den Arbeitsweg „Die Stimme zuerst klären“.
Die Aufnahme oder Vorschau spricht die richtigen Wörter in verständlichem Tempo.
Wähle die zum Einsatzort passende Ausrichtung. Erzeuge eine kurze Testfassung. Prüfe vor „Generate“, was dein Konto für die gewählte Länge und Einstellung anzeigt.
Bei einer kurzen Testfassung lässt sich später leichter erkennen, welche Einstellung einen Unterschied macht.
Du hast eine Testfassung für genau diese Szene.
Hör zuerst auf Text und Aussprache. Prüfe danach Lippen, Blick und Bildausschnitt. Notiere eine konkrete Stelle, die du gegebenenfalls verbessern willst.
Der Clip ist verständlich oder du hast eine Zeitstelle und genau einen Befund.
Öffne die erste Fassung. Notiere den Satz, die Zeitstelle und was dort sichtbar stört, zum Beispiel hektische Hände oder ein abgewandter Blick.
Du kannst genau zeigen, was du ändern willst.
Frag dich, was die Person in diesem Moment vermitteln soll. Entscheide dich für einen sichtbaren Blick oder eine kleine Geste, die zu diesem Satz passt.
Die Person sieht ruhig in die Kamera und nickt einmal leicht. Das genügt für einen sachlichen Hinweis.
Du hast eine beobachtbare Anweisung für einen Moment.
Öffne bei der Szene „Custom Motion“, wenn die gewählte Einstellung es anbietet. Setze die Bewegungsanweisung dort ein. Lass den gesprochenen Text im Skriptfeld.
Look at the camera with a calm, friendly expression. Give one small nod near the end.
Der englische Beispielprompt ist direkt für das Bewegungsfeld. Für eine Kamerafahrt brauchst du einen anderen Bearbeitungsschritt. Die verfügbaren Bewegungsoptionen hängen vom Modus und der Engine ab.
Skript und Bewegungsanweisung stehen in zwei getrennten Feldern.
Speichere die erste Fassung als Vergleich. Erzeuge dieselbe Szene mit dem geänderten Bewegungsauftrag. Halte Satz, Stimme und Bild für diesen Test gleich.
Du hast zwei Fassungen desselben Ausschnitts, die sich gezielt vergleichen lassen.
Spiele beide Ausschnitte ab. Prüfe, ob die Bewegung den Inhalt unterstützt und ob Bild und Ton weiterhin zusammenpassen.
Du hast die passendere Fassung gewählt und kannst den Grund nennen.
Nimm einen Satz mit Namen, Fachwort oder Zahl. Schreib darunter, wie diese Stelle klingen soll. Verwende den Satz für alle Varianten.
Du hast einen kurzen Satz, an dem du Aussprache und Tempo vergleichen kannst.
Wähle eine für deinen Einsatz verfügbare Stimme in HeyGen oder sprich den Satz selbst ein. Hör die Probe ohne Bild und notiere, wo du nachhören musst.
Wenn eine einfache Stimme schon verständlich ist, kannst du direkt zum Bildabgleich gehen.
Du weißt, ob Stimme, Sprache und Tempo für deinen Satz ausreichen.
Wenn die direkte Stimme nicht passt, nimm den Satz selbst auf oder nutze ein geeignetes Audiowerkzeug mit einer freigegebenen Stimme. Hör die Datei vollständig ab und speichere die brauchbare Fassung.
Im August rät Marius dazu, Audio vorzuproduzieren und es vor dem Video separat zu prüfen. ElevenLabs ist ein möglicher Weg. Für den ersten Clip ist ein Stimmklon optional.
Du hast eine freigegebene Tondatei, in der Aussprache und Pausen stimmen.
Nutze in „Single Scene“ im Presenter-Modus die Audio-Option und lade deine geprüfte Datei hoch. Prüfe, dass die Szene diese Fassung nutzt.
Die richtige Tonfassung ist der Szene zugeordnet.
Erzeuge den kurzen Ausschnitt. Vergleiche Stimme, Lippen und Satzende. Wenn etwas auseinanderläuft, vergleiche zuerst die Quelldatei mit der Tonspur im Clip.
Du weißt, ob der Fehler aus der Aufnahme oder erst aus der Zuordnung zum Bild kommt.
Lege die geprüfte Fassung, das Skript, das Bild, den Bewegungsauftrag und die Tondatei zusammen ab. Notiere, was bei weiteren Folgen gleich bleiben soll.
Eine zweite Person kann die Ausgangsfassung öffnen und den Aufbau wiederholen.
Teile den Inhalt nach Aufgaben: Einstieg, Erklärung, Handlung. Gib jeder Szene einen eigenen Satz oder Gedanken. Verwende einen neuen Bildausschnitt nur, wenn er etwas zeigt oder den Wechsel verständlich macht.
Mache aus [freigegebenem Text] ein Storyboard mit höchstens drei Szenen. Pro Szene: Aufgabe, gesprochener Satz, sichtbares Bild und optional eine ruhige Bewegung. Die letzte Szene führt zu [Handlung]. Kennzeichne Ergänzungen als Vorschlag.
Für jede Szene sind Text und sichtbare Aufgabe klar.
Wähle einen Kanal. Stelle Bildformat und Ausschnitt darauf ein. Prüfe, ob Gesicht, Text und wichtiger Bildinhalt auf dem Handy Platz haben.
Für eine zweite Ausgabe verwende die geprüfte Masterfassung als Startpunkt und verändere zuerst nur Format und Ausschnitt.
Du hast eine Fassung, die am vorgesehenen Ort lesbar bleibt.
Vergleiche Untertitel mit dem gesprochenen Text. Korrigiere Namen, Zahlen und Umbrüche. Öffne das fertige Projekt und nutze die angebotenen Download-Optionen für Video und gegebenenfalls Untertiteldatei.
Du kannst das exportierte Video außerhalb von HeyGen öffnen und die Untertitel prüfen.
Zeig den Clip einer passenden Person am geplanten Ort. Frag, welche Aussage sie verstanden hat und was sie danach tun würde. Sichere dann Freigabe, Dateinamen und den nächsten Einsatz.
Du hast eine Beobachtung zur Wirkung und eine auffindbare Endfassung.
Nimm einen verfügbaren Avatar oder ein eigenes freigegebenes Foto. Verwende denselben kurzen Satz in beiden Fassungen. So kannst du sehen, ob die Bewegungsanweisung einen Unterschied macht.
Schick uns bitte ein Gesamtfoto und eine Nahaufnahme. Dann können wir deine Anfrage besser einordnen.
Erzeuge zuerst eine Fassung mit den gewählten Grundeinstellungen. Lass danach Bild und Ton gleich und ändere nur die Bewegung, sofern das Feld verfügbar ist.
Look at the camera with a calm, friendly expression. Give one small nod near the end.
Prüfe in beiden Clips das Satzende, den Blick und die Lippen. Entscheide dann, welche Fassung du deinem Gegenüber zeigen würdest. Eine glaubwürdige Grundfassung kann bereits genügen.
Die Zoom-Demo zeigt „Photo to Video“. Stand 10. November 2026 beschreibt die aktuelle HeyGen-Hilfe für eine einzelne gesprochene Szene den Weg über „Single Scene“ und „Presenter Mode“. Der genaue Einstieg kann nach Oberfläche und Konto abweichen.
Wenn du ein Foto verwenden willst, lege unter „Avatars“ über „New Avatar“ einen Foto-Avatar an. Wähle den Weg zum Hochladen eines Fotos oder verwende einen verfügbaren Avatar. Öffne anschließend „Quick Create“ am Foto-Avatar oder „Single Scene“ von der Startseite.
Im Presenter-Modus wählst du Avatar, Text oder Audio, gegebenenfalls Stimme, Ausrichtung und die angebotenen Bewegungsoptionen. Für mehrere aufeinander abgestimmte Szenen kannst du den Studio-Editor nutzen. Der Cinematic-Modus ist für eine anders inszenierte Einzelszene gedacht. Prüfe, welche Einstellungen für deinen konkreten Clip angeboten werden.
Beschreibe ein sichtbares Verhalten: Blick, Gesichtsausdruck oder eine kleine Geste. Halte die Anweisung kurz. HeyGen beschreibt für Avatar IV frei formulierbare Bewegungsaufträge und für Avatar V zusätzliche Auswahlfelder für Ausdruck, Geste und Blick.
| Situation | Kopierbarer Bewegungsansatz | Woran du es prüfst |
|---|---|---|
| Sachliche Erklärung | Maintain a steady gaze at the camera with a neutral, relaxed expression. | Blick und Ausdruck passen zum Satz. |
| Freundlicher Einstieg | Look at the camera with a slight, warm smile. Keep your hands still. | Der Einstieg wirkt ruhig. Die Hände lenken nicht ab. |
| Kurze Bestätigung | Give one subtle nod while keeping your gaze on the camera. | Das Nicken passt zur Aussage. |
Hier ist mein gesprochener Satz: [Satz]. Der Avatar soll [Wirkung] vermitteln. Schreib einen kurzen englischen Motion Prompt für genau eine kleine sichtbare Bewegung oder Blickänderung. Gib nur den Bewegungsauftrag aus.
Kamerawechsel, neue Hintergründe und Requisiten planst du als Bild-, Szenen- oder Schnittentscheidung. Beurteile den Bewegungsauftrag an einer kurzen Version, bevor du ihn auf längere Szenen überträgst.
Du kannst eine verfügbare Stimme in HeyGen wählen, selbst aufnehmen oder in einem freigegebenen Audiowerkzeug eine Datei vorbereiten. Für einen Vergleich bleibt der Testsatz gleich. Achte besonders auf Eigennamen, Abkürzungen, Zahlen, Pausen und Satzende.
Formuliere diesen freigegebenen Text [Text] für gesprochene Sprache. Erhalte alle Fakten. Teile lange Sätze. Liste separat Eigennamen und Fachbegriffe, die ich in der Hörprobe prüfen soll. Gib mir als Erstes den reinen Sprechtext.
Die Runde im August 2026 trennt Ton und Bild, wenn die direkt erzeugte Stimme nicht überzeugt. Praktisch heißt das: Ton zuerst erzeugen und abnehmen, dann die Datei für die Szene verwenden. Eine direkte Verbindung zu ElevenLabs ist ein weiterer Weg, wenn ihr sie bewusst einsetzen wollt. Zugangsdaten gehören in das dafür vorgesehene Einstellungsfeld.
Halte fest, welche Person, welches Bild und welche Stimme ihr für welchen Zweck einsetzen dürft. Für den ersten Test ist ein vorhandener geeigneter Avatar oder ein eigenes freigegebenes Foto mit verfügbarer Stimme der kurze Weg.
Für einen videobasierten Digital Twin verlangt HeyGen ein separates Einwilligungsvideo der dargestellten Person. ElevenLabs verlangt beim Professional Voice Clone die Verifizierung der eigenen Stimme. Die Person kann eine verifizierte Stimme bei Bedarf über den dafür vorgesehenen Freigabeweg teilen. Die öffentliche Voice Library ist eine eigene Freigabeentscheidung.
Plane vor der Veröffentlichung, wie ihr synthetische Darstellung oder Stimme kenntlich macht und wer die Endfassung freigibt. Prüfe dafür eure Regeln und die Vorgaben des Kanals.
HeyGen · Einwilligungsvideo für Digital Twins ↗
In der Dezember-Demo entstehen aus einem Ausgangsbild mehrere Blickwinkel. Das gibt dem Schnitt Abwechslung. Die Runde bemerkt zugleich, dass sich das Gesicht bei Bildvarianten leicht verändern kann. Prüfe deshalb Gesicht, Kleidung, Licht und Bildausschnitt nebeneinander, bevor du die Bilder animierst.
Nutze [freigegebenes Referenzbild] als Ausgangspunkt. Plane zwei Einstellungen für [Szenenaufgaben]. Halte Person, Kleidung, Licht und Farben konsistent. Beschreibe pro Einstellung, was der Wechsel dem Zuschauer zeigt.
Pflege pro Folge ein kleines Paket: Referenz, Sprechtext, Bewegung, Tonstand, Videoformat, Untertitel und Freigabe. Ändere für eine neue Folge zuerst nur das Thema und die passende nächste Handlung. Wenn Audio am Kontaktpunkt reicht, kannst du die geprüfte Tonspur als eigene Ausgabe nutzen.
Die HeyGen-Hilfe beschreibt den Download über das Menü am fertigen Video in „Projects“ oder über die Detailansicht des Videos. Je nach Projekt und Konto stehen Video, Audio oder Untertitel im SRT-Format zur Verfügung.
Öffne die exportierte Datei außerhalb des Editors. Prüfe Beginn und Ende, Sprache, Lippen, Bildausschnitt und Untertitel auf dem Zielgerät. Speichere die freigegebene Fassung mit einem Namen, der Thema, Format und Version erkennen lässt.
Clip, Kanal und Version: [Angabe] Eine Aussage: [Satz] Nächster Schritt für Zuschauer: [Handlung] Bild und Stimme freigegeben: [Stand] Aussprache, Pausen und Satzende: [Befund] Lippen, Blick und Gestik: [Befund mit Zeitstelle] Untertitel und Ausschnitt auf Zielgerät: [Befund] Was hat die Testperson verstanden? [Beobachtung] Entscheidung: [freigeben oder eine Stelle ändern]
Für eine Reparatur markiere zuerst eine Zeitstelle. Wenn der Ton unklar ist, prüfe die Audiodatei. Wenn die Bewegung unruhig ist, teste einen kürzeren Auftrag bei gleichem Bild und Ton. Wenn der Ausschnitt stört, prüfe das Zielformat.
| Was du gerade brauchst | Passender nächster Arbeitsschritt |
|---|---|
| Ein Skript aus eigenem Wissen | Nutze die geprüfte Fassung aus deinem Original oder NotebookLM. Mach daraus einen kurzen Sprechtext. |
| Eine Formulierung oder einen Bewegungsauftrag | Gib ChatGPT den gesprochenen Satz, die Zielgruppe und die gewünschte Wirkung. |
| Eine verlässliche Tonspur | Teste eine verfügbare Stimme oder nimm selbst auf. Bei Bedarf bereite Audio separat vor. |
| Einen sichtbaren Sprecher in einer Szene | Setze Bild, gesprochenen Text oder Audio und die Bewegung in HeyGen zusammen. |
| Einen Einsatzort für den fertigen Clip | Übergib die freigegebene Datei, Untertitel und gewünschte Handlung an die Seite, etwa in Selly KI Studio. |
Die Suche in 423 eindeutigen Aufnahmen nach HeyGen, Schreibvarianten und verwandten Bild-, Bewegungs- und Stimmbegriffen ergab 19 Aufnahmen. Die Fundstellen unten sind ausgewählte Praxispassagen. Zeitangaben sind Positionen in der Aufnahme.
02.12.2025 · GMT20251202-080026 · 00:37:24–00:44:10. Marius zeigt Bildvarianten, den Einstieg über „Photo to Video“ und den getrennten Auftrag für Blick und Bewegung. Um 00:54:16 beschreibt Niclas, wie er Stimmen ergänzt.
18.02.2026 · GMT20260218-090331 · 01:00:00–01:00:11. Foto, Video und Stimme werden als zusammenhängender Produktionsschritt gezeigt.
07.04.2026 · GMT20260407-065649 · 00:52:10–00:53:04. Marius bespricht den kurzen Weg zu einer eigenständigen Tondatei.
29.04.2026 · GMT20260429-100558 · um 00:07:11. Die Runde fragt, wie sich Lippenbewegung und Ton zuverlässig zusammenbringen lassen.
11.08.2026 · GMT20260811-065940 · 00:14:59–00:15:44. Marius empfiehlt, die Stimme vorzuproduzieren und sie vor dem Bild separat zu prüfen.
Die Übung, die Bewegungsbeispiele und das Abnahmeblatt wurden für den Arbeitsbegleiter formuliert. Aktuelle Menünamen und Anbieterregeln stammen aus der jeweils verlinkten Hilfe.