Zum Inhalt springen

Welches Foto für einen sprechenden Avatar? 7 Tipps

Ege Alp·
Abstrakter Neonrahmen, der die Wahl des richtigen Fotos für einen sprechenden Avatar zeigt

Bevor du ein Foto in ein sprechendes Video verwandelst, nimm dir zwei Minuten für die Wahl des Bildes. Die KI kann nur animieren, was sie sieht: Das Foto entscheidet, ob das Ergebnis natürlich wirkt oder ob am Mund etwas komisch aussieht.

Das beste Foto für einen sprechenden Avatar ist ein scharfes Porträt einer einzelnen Person, mit Kopf und Schultern im Bild und dem Blick ungefähr in die Kamera. Das Licht sollte weich und gleichmäßig auf das Gesicht fallen, Mund und Augen müssen gut sichtbar sein. Bei TalkPix lädst du eine JPG-, PNG- oder WebP-Datei mit höchstens 25 MB hoch.

Hier sind sieben konkrete Tipps, die technischen Anforderungen an die Datei und eine Liste der Fotos, die du besser nicht verwendest.

Was die KI von deinem Foto braucht

Ein Tool für sprechende Avatare bewegt vor allem Mund und Kiefer, dazu ein wenig die Augen und den Kopf. Damit die Bewegung glaubwürdig wirkt, muss es diese Bereiche klar sehen. Alles, was den Mund verdeckt oder das Gesicht in den Schatten legt, macht die Aufgabe schwerer und das Ergebnis weniger lebendig.

Das Ziel ist also einfach: ein scharfes, gut ausgeleuchtetes Gesicht von vorn, das einen großen Teil des Bildes füllt. Die sieben Punkte unten machen aus dieser Idee praktische Prüfschritte.

1. Wähle ein scharfes Foto mit guter Auflösung

Starte mit einem Foto, das wirklich scharf ist. Zoom auf Augen und Mund: Bleiben sie klar, passt es. Je mehr Details das Bild hat, desto mehr Material hat das Modell, und das sieht man an einer flüssigeren, natürlicheren Bewegung.

2. Ein Gesicht, das in die Kamera schaut

Der frontale Winkel bringt die besten Ergebnisse. Du musst nicht starr in die Linse blicken, aber ein stark gedrehtes Gesicht verdeckt einen Teil von Mund und Kiefer, also genau den Bereich, den der Avatar bewegen soll. Ein leichter, natürlicher Winkel ist völlig in Ordnung; ein reines Profil nicht.

3. Gleichmäßiges Licht im Gesicht

Weiches, gleichmäßiges Licht schlägt alles andere. Vermeide harte Schatten über Augen oder Mund, Gegenlicht, das das Gesicht abdunkelt, und vom Blitz überstrahlte Stellen. Fensterlicht an einem bewölkten Tag oder jede diffuse Innenbeleuchtung ist ideal.

4. Mund und Augen gut sichtbar

Am Mund entscheidet sich alles, also verdecke ihn nicht. Keine Sonnenbrille, keine Hand am Kinn, kein Mikrofon vor den Lippen und keine Haarsträhne im Gesicht. Ein neutraler Ausdruck, mit geschlossenem Mund oder leichtem Lächeln, lässt sich meist besser animieren als ein breites Lachen.

5. Ein Gesicht, das das Bild füllt

Ein winziges Gesicht mitten in einer vollen Szene gibt dem Modell sehr wenig Information. Ein Ausschnitt mit Kopf und Schultern, wie bei einem sprechenden Porträt, ist fast perfekt. Ist dein Foto eine weite Aufnahme oder ein Gruppenbild, schneide es vorher auf eine einzelne Person zu.

6. Nur eine Person pro Foto

Ein Gesicht pro Avatar. Sind mehrere Menschen auf dem Foto, kann das Tool nur eines davon überzeugend animieren: Schneide das Bild auf die Person zu, die sprechen soll. Für eine Familienbotschaft, etwa wenn die Enkel der Oma zum Geburtstag gratulieren, wirken mehrere kurze, zusammengeschnittene Clips oft besser als ein einziges volles Foto.

7. Ein Foto, das zur Stimme passt

Hier geht es nicht um die Bildqualität, sondern um Glaubwürdigkeit. Ob du deine eigene Stimme hochlädst oder eine KI-Stimme wählst: Nimm ein Foto, dessen Ausdruck zur Botschaft passt. Ein warmes, lächelndes Porträt passt zu einem Geburtstagsvideo, ein ernstes, neutrales Foto zu einer beruflichen Präsentation. Wenn Gesicht und Stimme nicht zusammenpassen, fällt das als Erstes auf.

Welche technischen Anforderungen gibt es an das Foto?

Bei TalkPix muss das Foto eine JPG-, PNG- oder WebP-Datei mit höchstens 25 MB sein. Abgesehen vom Format sollte das Gesicht scharf und gut ausgeleuchtet sein, ungefähr in die Kamera schauen und groß genug sein, um einen guten Teil des Bildes zu füllen.

Die meisten Handyfotos liegen weit unter diesem Limit, HEIC-Dateien vom iPhone werden aber nicht angenommen: Speichere sie vorher als JPG oder mach einen Screenshot. Danach zählt das Bild, nicht das Format. Ein Screenshot aus einem Videocall, ein über einen Messenger weitergeleitetes Foto (oft stark komprimiert) oder ein Gesicht, das aus einem weit entfernten Gruppenbild ausgeschnitten wurde, wirkt animiert oft unscharf. Nutze wenn möglich die Originaldatei aus deiner Galerie statt einer weitergeleiteten Kopie.

Wie bekommst du eine Mundbewegung, die echt wirkt?

Eine realistische Lippensynchronisation beginnt mit einem scharfen Foto von vorn, auf dem der Mund komplett zu sehen ist und weder von einer Hand noch von Haaren oder einem Gegenstand verdeckt wird. Danach zählt vor allem die Tonqualität: Eine Stimme, die nah am Mikrofon in einem ruhigen Raum aufgenommen wurde, oder ein gut gegliederter Text gibt dem Mund einen klaren Rhythmus vor.

Ein paar Gewohnheiten helfen zusätzlich. Schreib natürliche Sätze und vermeide lange Listen mit Namen oder Zahlen, die im Eiltempo vorgelesen werden. Lass Hintergrundmusik in deinen eigenen Aufnahmen weg, denn sie überlagert die Stimme, der das Modell folgt. Und stimm die Energie der Stimme auf den Ausdruck des Fotos ab, damit kein ruhiges Gesicht zu jemandem gehört, der schreit. Wie die Lippensynchronisation funktioniert, zeigt dir unsere Seite Lip-Sync mit KI.

Probier es mit deinem besten Foto

Credit-Pakete zur Einmalzahlung ab 4,59 €. Ein 10-Sekunden-Video in 720p braucht 10 Credits (weniger als 1 € mit dem Mini-Paket); in 1080p doppelt so viele. Die Zahlung wird bestätigt, bevor das Video erstellt wird.

Meinen sprechenden Avatar erstellen

Diese Fotos solltest du vermeiden

Diese Bilder liefern oft enttäuschende Ergebnisse:

  • Unscharfe, körnige oder stark gefilterte Fotos
  • Dunkle Fotos oder Gegenlicht, bei dem das Gesicht kaum zu sehen ist
  • Sonnenbrille, Maske oder alles, was den Mund verdeckt
  • Gesichter im Profil oder mit Blick nach unten
  • Winzige Gesichter vor einem weiten, unruhigen Hintergrund
  • Gruppenfotos, auf denen kein Gesicht im Vordergrund steht

Wenn du nur so ein Foto hast, hilft ein schneller Zuschnitt oder ein neues Foto mit mehr Licht mehr als jede Einstellung.

Eine Regel, die nichts mit Qualität zu tun hat

Verwende nur Fotos, die du verwenden darfst: dein eigenes Gesicht oder das einer Person, die dir klar erlaubt hat, es zu animieren. Ein sprechender Avatar ist eine lustige, ausdrucksstarke Erinnerung und kein Mittel, um jemandem Worte in den Mund zu legen, die er nie gesagt hat.

Häufige Fragen

Kann ich ein altes oder eingescanntes Foto verwenden?

Ja, solange das Gesicht scharf und frontal ist. Scanne das Foto in guter Auflösung, schneide es auf eine einzelne Person zu und hebe die Helligkeit etwas an, wenn es sehr blass ist. Kleine Kratzer sind selten ein Problem, ein unscharfes Gesicht dagegen schon.

Funktioniert ein Passfoto oder ein Profilbild?

Meistens ja, denn solche Fotos sind frontal, mit mittigem Gesicht und gutem Licht. Das einzige Risiko ist die Auflösung: Ein klein eingescanntes Passfoto oder ein aus einem sozialen Netzwerk geladenes Profilbild kann animiert unscharf wirken, also nimm die größte Version, die du hast.

Was kostet ein Video aus meinem Foto?

Im Web kaufst du Credit-Pakete zur Einmalzahlung, ohne Abo. Ein sprechendes Video kostet 1 Credit pro Sekunde in 720p und 2 Credits pro Sekunde in 1080p: 10 Sekunden in 720p sind also 10 Credits, mit dem Mini-Paket weniger als 1 €. Credits verfallen nie, und auf der Seite mit den Preisen findest du alle Pakete in Euro.

Kurz gesagt

Scharf, hell, frontal, mit sichtbarem Mund und sichtbaren Augen und nur einem Gesicht, das das Bild füllt. Erfüllt dein Foto diese fünf Punkte, hat die KI alles, was sie braucht.

Vom Foto zum Video

Sobald du dein Foto ausgewählt hast, lädst du es im Studio „Sprechendes Foto“ hoch, tippst deinen Text ein oder fügst deine Audiodatei hinzu: Die genauen Credit-Kosten siehst du vor der Erstellung, und die Zahlung wird bestätigt, bevor das Video entsteht. Alle Pakete findest du auf der Seite mit den Preisen, weitere Ideen in unserer Anleitung, wie du Bilder sprechen lassen kannst, und wenn du eine sprechende Figur nach deinem Vorbild willst, auf der Seite KI-Avatar erstellen.

TalkPix auf einen Blick

PreismodellEinmalige Credit-Pakete, kein Abo nötig
Einstiegspreis4,59 € für das Mini-Paket mit wiederverwendbaren Credits (gilt für jedes Studio)
Credit-Kosten1 Credit = 1 Sekunde Talking-Photo-Video in 720p; 1080p kostet das Doppelte pro Sekunde
Verfallen Credits?Nein, gekaufte Credits verfallen nie
Nutzung ohne ZahlungKeine — die Zahlung wird bestätigt, bevor irgendetwas gerendert wird
Was animiert wirdEin Foto, das du hochlädst: eine Person, ein Haustier oder ein Produkt
So lieferst du die WorteText tippen, Audiodatei hochladen oder Stimme aufnehmen
AusgabeMP4 zum Download
Maximale Länge5 Minuten bei 720p oder 2 Minuten bei 1080p
Auflösungen720p und 1080p
Stimmen30 integrierte Stimmen
Sprachen10 Sprachen
Kommerzielle NutzungErlaubt, wenn du die Rechte und die Einwilligung für alles hast, was du hochlädst
Aufbewahrung der Uploads30 Tage
PlattformWeb-App im Browser; iPhone- und iPad-App im App Store, Android-App bei Google Play

Angaben geprüft am 13. Oktober 2026.

Geschrieben von

Ege Alp

Gründer von TalkPix

Ege entwickelt TalkPix und schreibt praktische Anleitungen für Onlineshops, Creator und Marketingteams, die aus einem Foto ein kurzes KI-Video machen wollen, ganz ohne eigenes Studio.

Probier es mit deinem eigenen Foto

Erstelle dein komplettes Video mit Credit-Paketen zur Einmalzahlung ab 4,59 €. Die Zahlung wird bestätigt, bevor das Video erstellt wird.

Mein Video erstellen

Preise ansehen