HeyGen Avatar IV Fallbeispiele: Fotos, Skripte und fertige Videos für 7 Szenarien

Ein Porträtfoto plus ein Skript – und HeyGen Avatar IV lässt die Person auf dem Foto sprechen, Lippenbewegungen, Blinzeln und Nicken folgen der Stimme. Die folgenden 7 Szenarien sind alle echte fertige Videos, jedes mit Eingabefoto, vollständigem Skript und Parametern; klicke auf „Mit diesem Skript generieren“, das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren. HeyGen Avatar IV ist bereits auf HiAPI verfügbar, öffne die Modellseite und generiere direkt, die Abrechnung erfolgt pro Sekunde mit $0.15, ein 8-Sekunden-Video kostet $1.20.

Szenario	Format	Dauer	Kosten
1. Querformat-Präsentation	16:9	9 Sekunden	$1.35
2. Vertikales Sprechen zur Produktempfehlung	9:16	8 Sekunden	$1.20
3. Business-Report	16:9	8 Sekunden	$1.20
4. Quadratischer Gesundheitshinweis	1:1	8 Sekunden	$1.20
5. Mit Audioaufnahme steuern	9:16	10 Sekunden	$1.50
6. 3D-Charakter spricht	16:9	8 Sekunden	$1.20
7. Querformat-Foto als Vertikal-Kurs	9:16	11 Sekunden	$1.65

1. Querformat-Präsentation: Ein Foto für Produktvorstellung oder Kursauftakt

Geeignet für den Hero-Bereich der Website, den Kursauftakt und Produktvorstellungsseiten – ein halbfiguriges Foto aus dem Wohnzimmer genügt.

Eingabefoto

Fertiges Video

Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.

Chinesische Bedeutung: Ich bin Lin. Mit einem Foto und einem kurzen Skript kann ich dir dein Produkt vorstellen oder eine Lektion aufnehmen, Lippenbewegungen und Mimik wirken ganz natürlich.

Parameter: Stimme Cute Chloe - Friendly · 16:9 · 1080p · 9 Sekunden ($1.35)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren; wähle als Stimme Cute Chloe - Friendly und als Format 16:9.

Das fertige Video behält den Pullover, die Frisur und das Zimmer aus dem Foto bei und lässt nur die Person in Bewegung kommen. Für dein Produkt: Ersetze I'm Lin durch deinen Namen und present your product or record a lesson durch einen Satz darüber, was dein Produkt kann, zum Beispiel I can show you how our app plans your week in two minutes.

2. Vertikales Sprechen: Kurzvideos zur Produktempfehlung

Geeignet für 9:16-Sprechvideos auf Douyin, Xiaohongshu und TikTok, aus der Ich-Perspektive über Nutzungserfahrungen, mit einem Aufruf zum Folgen am Ende.

Eingabefoto

Fertiges Video

I've been using these new earbuds for a week. The noise canceling is super quiet, and the battery lasts all day. Follow me for more.

Chinesische Bedeutung: Diese neuen Ohrhörer benutze ich seit einer Woche, die Geräuschunterdrückung ist besonders leise, und der Akku hält den ganzen Tag. Folge mir für mehr.

Parameter: Stimme Andrew · 9:16 · 1080p · 8 Sekunden ($1.20)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren; wähle als Stimme Andrew und als Format 9:16.

Das Foto ist selbst 9:16, daher füllt das fertige Video den vertikalen Bildschirm vollständig aus, ohne Leerraum. Für vertikale Sprechvideos ist es am einfachsten, direkt ein vertikales Foto zu fotografieren oder zu generieren.

• Produkt wechseln: Behalte die Struktur „wie lange benutzt → zwei Verkaufsargumente → Aufruf zum Folgen“ bei, zum Beispiel I've been using this standing desk for a month. It rises in three seconds, and my back feels better. Follow me for more.
• Mehrere Varianten in Serie: Dasselbe Foto mit Skripten zu verschiedenen Verkaufsargumenten kombinieren und mehrere auf einmal für A/B-Tests erstellen.

3. Business-Report: Quartalszahlen dem Team präsentieren

Geeignet für interne Schulungen, Kundenwochenberichte und Vertriebsauftakte, eine seriöse Männerstimme mit halbfigurigem Bürofoto.

Eingabefoto

Fertiges Video

Hi, I'm Daniel. Send me your quarterly numbers, and I'll walk your team through what changed and what to do next.

Chinesische Bedeutung: Ich bin Daniel. Schick mir die Quartalszahlen, und ich führe dein Team durch das, was sich geändert hat und was als Nächstes zu tun ist.

Parameter: Stimme Dexter - Professional · 16:9 · 1080p · 8 Sekunden ($1.20)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren; wähle als Stimme Dexter - Professional und als Format 16:9.

Auf dein Geschäft übertragen: Ersetze quarterly numbers durch dein Ergebnis (your onboarding checklist, last week's support tickets) und formuliere im zweiten Halbsatz klar, was du mit dem Team durchgehst. Mit einem echten Foto einer Führungskraft des Unternehmens ist das ein Auftaktvideo, das du an Kunden senden kannst.

4. Quadratischer Gesundheitshinweis: Community-Push für Praxis und Apotheke

Geeignet für 1:1-Kurzvideos in Moments, Communities und offiziellen Accounts, Arztbild mit sanfter Frauenstimme.

Eingabefoto

Fertiges Video

When the seasons change, mornings get chilly, so bring a jacket. If a cough lasts more than a week, please come see us at the clinic.

Chinesische Bedeutung: Der Jahreszeitenwechsel kommt, morgens wird es kühl, denk an eine Jacke. Wenn der Husten länger als eine Woche anhält, komm bitte in die Praxis.

Parameter: Stimme Calm Chloe · 1:1 · 1080p · 8 Sekunden ($1.20)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren; wähle als Stimme Calm Chloe und als Format 1:1.

Foto und Ausgabe sind beide quadratisch, das Bild füllt den Rahmen genau aus. Für deine Institution: Formuliere im ersten Halbsatz einen saisonalen oder situativen Hinweis und im zweiten Halbsatz eine klare Handlung, zum Beispiel If your child has a fever for more than two days, book a visit with us.

5. Mit Audioaufnahme steuern: Deine Stimme, dein Tempo

Wenn bereits ein aufgenommenes Voice-over oder ein Podcast-Ausschnitt vorliegt, musst du kein Skript schreiben, sondern lässt das Foto direkt zur Aufnahme sprechen.

Eingabefoto

Fertiges Video

Parameter: Englische Audioaufnahme hochladen · 9:16 · 1080p · 10 Sekunden ($1.50)

Foto und Audioaufnahme hochladen und generieren → Dieses Szenario hat kein Skript: Lade auf der Modellseite ein Foto und eine Audioaufnahme hoch, das fertige Video ist so lang wie die Aufnahme, maximal 600 Sekunden.

Lippenbewegungen und Pausen folgen der Aufnahme, auch Tonfall und Akzent stammen aus der Aufnahme. Geeignet für Blogger und Dozenten, die ihre eigene Stimme behalten möchten: Nimm zuerst ein 10–30-sekündiges Voice-over auf und kombiniere es mit einem vertikalen Foto von dir. Bei einer Audioaufnahme musst du keine Stimme auswählen.

6. 3D-Charakter spricht: Markenmaskottchen, virtuelle Moderatoren

Auch Illustrationen und 3D-Charaktere können sprechen, solange das Gesicht klar erkennbar ist.

Eingabefoto

Fertiges Video

Tonight's special is a slow-roasted tomato soup. It's simple, warm, and ready in twenty minutes. Let's cook!

Chinesische Bedeutung: Das heutige Special ist langsam geröstete Tomatensuppe, einfach, wärmend und in zwanzig Minuten fertig. Los, kochen wir!

Parameter: Stimme Expressive Evan · 16:9 · 1080p · 8 Sekunden ($1.20)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Charakterbild hoch und du kannst generieren; wähle als Stimme Expressive Evan und als Format 16:9.

• Dein Maskottchen einsetzen: Lade ein Frontalbild des Charakters hoch und schreibe das Skript als „Was gibt es heute → ein Merkmal → ein Slogan“.
• Menü und tägliche Store-Updates: Ändere täglich nur slow-roasted tomato soup und twenty minutes, derselbe Charakter tritt fortlaufend auf.

7. Querformat-Foto als Vertikal-Kurs: Leerraum mit Hintergrundbild füllen

Wenn du nur ein Querformatfoto hast, aber vertikal posten willst, setze ein Bild als Hintergrund, der Leerraum oben und unten wird mit diesem Bild gefüllt.

Eingabefoto

Fertiges Video

Hello everyone. Today we'll explain the Pythagorean theorem in five minutes. In a right triangle, the squares of the two legs add up to the square of the hypotenuse.

Chinesische Bedeutung: Hallo zusammen, heute erklären wir in fünf Minuten den Satz des Pythagoras: In einem rechtwinkligen Dreieck ist die Summe der Quadrate der beiden Katheten gleich dem Quadrat der Hypotenuse.

Parameter: Stimme Professor Dean · 9:16 · 1080p · Hintergrund: Bild (ein Tafelbild) · 11 Sekunden ($1.65)

Mit diesem Skript generieren → Das Skript ist bereits eingefüllt, lade dein eigenes Foto hoch und du kannst generieren; wähle als Stimme Professor Dean, als Format 9:16 und als Hintergrund Bild mit einem Tafelbild.

Der Hintergrund greift nur, wenn Ausgabeformat und Fotoproportion unterschiedlich sind; ohne Hintergrund ist der Leerraum weiß. Du kannst auch eine Markenfarbe einsetzen, zum Beispiel #1E3A5F. Für deinen Kurs: Nenne im ersten Satz Thema und Dauer, gib im zweiten Satz direkt die Kernaussage des Wissenspunkts, zum Beispiel Today we'll learn three ways to say thank you in Japanese. The most polite one is arigatou gozaimasu.

Wie man Fotos auswählt

• Am zuverlässigsten: Einzelfotos mit frontalem Gesicht, unverdeckten Gesichtszügen, gleichmäßigem Licht und natürlich geschlossenem Mund.
• Vermeiden: Seitenprofil, Mundschutz, Gruppenfotos, Fotos mit sehr kleinem Gesicht im Bild.
• Illustrationen und 3D-Charaktere sind möglich, sie brauchen ein klares menschliches Gesicht; nicht-menschliche Figuren wie Tiere werden möglicherweise nicht erkannt, bei Fehlschlag wird vollständig erstattet.
• Format möglichst identisch mit der Ausgabe: Für vertikal ein vertikales Foto verwenden (Szenario 2, 5), für quadratisch ein quadratisches Foto (Szenario 4); bei abweichenden Proportionen den Leerraum mit Hintergrundbild oder Volltonfarbe füllen (Szenario 7). Bei Formatwahl auto wird die Fotoproportion beibehalten.

Wie man das Skript schreibt

• Kurze Sätze, gesprochene Sprache: Jeder Satz behandelt nur eine Sache, wie wenn man direkt in die Kamera spricht, nicht wie vorgelesen.
• Länge bestimmt die Kosten: Du musst keine Dauer festlegen, die Länge ergibt sich aus Skript und Sprechtempo, die Kosten hängen nur von den Sekunden ab. Die 6 Skripte oben haben 17–29 englische Wörter, die fertigen Videos dauern 8–11 Sekunden, etwa 2–3 Wörter pro Sekunde; für rund 10 Sekunden schreibe etwa 25 Wörter.
• Struktur „Wer → ein Nutzen → eine Handlung“: Szenario 1 und 3 nennen am Anfang den Namen, Szenario 2 ruft am Ende zum Folgen auf, Szenario 4 gibt am Ende eine Handlung.
• Chinesisch geht auch: Das Skript unterstützt Chinesisch und Englisch, maximal 5000 Zeichen.

Die Auflösung beeinflusst den Preis nicht, 720p und 1080p kosten beide $0.15/Sekunde, wähle direkt 1080p.

Häufige Fragen

Wird beim Klick auf „Mit diesem Skript generieren“ alles automatisch eingefüllt? Ja. Beim Öffnen der Modellseite ist das Skript bereits eingefüllt, lade dein Foto hoch, wähle Stimme und Format wie im Szenario beschrieben und klicke auf Ausführen. Ohne Stimmenauswahl wird der Standard Warm Pro Narrator verwendet.

Wie lang kann das Video maximal sein? Bei einem Skript maximal 5000 Zeichen, die Länge richtet sich nach dem Skript; bei einer Audioaufnahme so lang wie die Aufnahme, maximal 600 Sekunden.

Brauchst du transparenten Hintergrund, Untertitel oder 4K? Wähle HeyGen Avatar V: Es wählt Figuren aus voreingestellten digitalen Menschen, unterstützt transparenten Hintergrund, SRT-Untertitel und 4K, der Preis ist ebenfalls $0.15/Sekunde, öffne die Avatar V Modellseite. Wenn dein eigenes Foto auftreten soll, nutze Avatar IV.

Wird bei fehlgeschlagener Generierung Geld abgezogen? Nein. Die Abrechnung erfolgt nach den tatsächlichen Sekunden des fertigen Videos, fehlgeschlagene Aufgaben werden vollständig zurückerstattet.

---

Wähle ein Szenario, das deinem Geschäft am ähnlichsten ist, kopiere sein Skript, ersetze den Produktnamen, lade dein Foto hoch und generiere dein erstes Video →

HeyGen Avatar IV relevante Links

• HeyGen Avatar IV Modellseite: Foto hochladen und online generieren
• So verwendet man die HeyGen Avatar IV API: von der Aufgabenerstellung bis zum Video-Download
• HeyGen Avatar IV API-Dokumentation: Parameter, Callbacks und Abrechnung
• Was kostet die HeyGen Avatar IV API: Preise pro Sekunde und Monatsbudget