Ein sprechendes Foto macht aus einem Standbild ein Video, in dem dieses Gesicht spricht. Lade ein Foto hoch, füge eine Sprachaufnahme hinzu, und Solmi bewegt Mund, Kiefer und Kopf synchron zur Aufnahme, sodass das Bild die Worte sagt: ein sprechender Avatar für deinen Kanal, ein KI-Sprecher für ein Erklärvideo oder ein gesprochenes Intro für ein Release. Schneide den gewünschten Teil zu, bis zu 60 Sekunden pro Clip, und exportiere in 480p oder 720p; das Video entsteht im Hoch- oder Querformat, passend zum Foto. Du hast nur ein Skript? Mach daraus mit dem KI-Voiceover-Generator von Solmi eine Sprachaufnahme, lade das Audio herunter und hier wieder hoch.
Ein Standbild, das so animiert wird, dass das Gesicht zu einer Sprachspur spricht. Solmi nimmt ein Porträt und eine Audiodatei und bewegt Mund, Kiefer und Kopf synchron zur Stimme, sodass die Person auf dem Foto die Worte zu sagen scheint. Man spricht auch von einem sprechenden Avatar oder einem KI-Talking-Head.
Lade ein scharfes Porträt von vorn hoch oder wähle eine der vorgefertigten Figuren, füge die Stimme als Audiodatei oder als YouTube- oder TikTok-Link hinzu, schneide den gewünschten Teil zu, wähle 480p oder 720p und klick auf „Sprechendes Video erstellen“. Das fertige Video erscheint bei deinen Videos, bereit zum Herunterladen.
Auf dieser Seite nicht: Das Tool synchronisiert eine Sprachspur, die du hochlädst, und hat keine eigene Text-to-Speech-Funktion. Wenn du mit einem Text starten willst, schreib das Skript im KI-Voiceover-Generator von Solmi (über 70 Sprachen, mehrere Stimmen zur Auswahl), lade das Audio herunter und hier als Stimme wieder hoch.
Mit beidem. Die Lippenbewegung richtet sich nach dem Audio selbst, also funktioniert eine gesprochene Aufnahme genauso wie ein Song: Der Mund folgt den Worten. Eine saubere Aufnahme mit wenig Hintergrundgeräuschen ergibt die klarsten Mundbewegungen. Soll das Foto stattdessen einen Song singen, nutze das Tool „Foto singen lassen“.
Abgerechnet wird pro Sekunde Video: 4 Credits pro Sekunde in 480p und 8 in 720p, ein 15-Sekunden-Clip kostet also 60 Credits in 480p. Ein Clip kann bis zu 60 Sekunden lang sein, ausgeschnitten aus einer Aufnahme von bis zu 10 Minuten. Ein neues Konto im Web startet mit 120 Credits ohne Kreditkarte: etwa 30 Sekunden in 480p.
Ein scharfes Porträt von vorn mit nur einem gut sichtbaren Gesicht, gleichmäßigem Licht und ohne etwas vor dem Mund. Das Video übernimmt das Format des Fotos: Ein Hochformat-Foto ergibt ein 9:16-Video für TikTok, Reels und Shorts, ein Querformat-Foto ein 16:9-Video für YouTube. Ein unscharfes oder kleines Foto kannst du vorher für 5 Credits mit der eingebauten Fotoverbesserung schärfen.
Ja. Schalte vor dem Erstellen die Untertitel ein, dann transkribiert Solmi die Stimme und brennt den Text in einem von sechs Stilen ins Video ein: Dezent, Fett, Neon, Minimal, Serif oder Karaoke.