TesseractEin Foto, das spricht. Ein Video in einer anderen Sprache.
Gib dem Assistenten ein Frontalbild einer Person oder einer fiktiven Figur und den Text, den sie sprechen soll: Lippen, Augen und Kopf bewegen sich passend zu den Worten. Oder gib ihm ein Video und eine Sprache: Der Text wird transkribiert, übersetzt und eingesprochen, und die Lippenbewegungen werden angepasst.
- Lippenbewegungen passend zu den Worten
- In eine andere Sprache synchronisieren
- Deine Aufnahme oder dein eigener ElevenLabs-Schlüssel
So funktioniert’s.
- Ein BildEin klares Frontalbild einer Person, einer fiktiven Figur oder einer gespeicherten Figur.
- Deine Worte oder eine AufnahmeLade eine Sprachaufnahme hoch oder gib den Text ein, der mit einer Stimme aus deinem eigenen ElevenLabs-Schlüssel gesprochen werden soll.
- Wie sie sich bewegtEin paar Hinweise zur Bewegung, etwa ein warmes Lächeln und leichtes Nicken.
- Beliebiges SeitenverhältnisIm Originalformat oder zugeschnitten auf 9:16, 16:9 oder 1:1.
- Ein Video synchronisierenDer Text wird transkribiert, übersetzt und eingesprochen, und die Lippenbewegungen werden angepasst. Der Originalton wird während der gesprochenen Passagen stummgeschaltet, leiser gestellt oder entfernt.
- Wessen Stimme?Deine eigene Aufnahme oder eine Stimme aus deinem ElevenLabs-Schlüssel: eine der Standardstimmen oder eine Kopie deiner eigenen Stimme.
Aus einem Foto wird ein sprechender Clip.
Links das einzelne Bild, von dem unser Beispiel ausgeht: eine fiktive Frau. Rechts ein Moment, in dem sie einen Satz auf Englisch spricht.
Derselbe Clip auf Spanisch.
Eine neue Stimme spricht die übersetzte Zeile, und die Lippen bewegen sich passend dazu. Unsere Beispiele wurden mit der Tesseract-Beta und einer Standardstimme erstellt.
- Der Lip-Sync läuft über dein Tesseract-Kontingent, wenn du angemeldet bist, oder über deinen eigenen fal.ai-Schlüssel. Damit eingegebener Text gesprochen wird, brauchst du einen eigenen ElevenLabs-Schlüssel. Für eine Synchronfassung brauchst du außerdem einen eigenen Google-Schlüssel für Gemini zur Transkription. Die Kosten, die über deine eigenen Schlüssel anfallen, werden vorher angezeigt.
- Verwende Fotos von dir, von einer erwachsenen Person, die zugestimmt hat, oder von einer fiktiven Person.
Häufige Fragen
Wo finde ich das in der App?
Bitte den Assistenten, ein Bild und den dazugehörigen Text oder ein Video und die gewünschte Sprache zu verwenden.
Wie lang darf es sein?
Bis zu fünf Minuten gesprochener Inhalt. Wenn du nicht ausdrücklich mehr anforderst, ist ein Clip auf eine Minute begrenzt.
Was kostet das?
Der Lip-Sync wird über dein Tesseract-Kontingent oder deinen eigenen fal.ai-Schlüssel abgerechnet. Eingegebener Text wird über deinen eigenen ElevenLabs-Schlüssel gesprochen, und für eine Synchronfassung wird dein eigener Google-Schlüssel zur Transkription genutzt. Die Kosten, die über deine eigenen Schlüssel anfallen, werden angezeigt, bevor etwas erstellt wird.
Lass ein Foto sprechen.
Kostenlos für Mac, Windows und Linux – alle anderen Tools sind auch dabei.