Wat een pratende foto is
Een pratende foto begint met twee dingen: één stilstaande foto van een persoon en één audiospoor. Een AI-videomodel leest de geluidsgolf van de stem, koppelt de klanken aan mondvormen en maakt nieuwe videobeelden waarin de persoon op de foto de tekst uitspreekt.
Oudere tools plakten alleen een bewegende mond op een bevroren gezicht. De kaak bewoog, de wangen bleven stil en de ogen staarden in het niets. Huidige audiogestuurde videomodellen brengen het hele beeld tot leven. Als de stem ademhaalt, gaan de borst en schouders omhoog. Als een woord hoger klinkt, gaan de wenkbrauwen omhoog en kantelt het hoofd. De oogleden knipperen tussen zinnen door, en de handen bewegen mee als ze in beeld zijn.
In Doppelshot hoef je geen referentievideo op te nemen of tien hoeken van je gezicht te uploaden. Je opent de kaart Zeg het, uploadt één selfie of kiest een AI-portret dat je al in de app hebt gemaakt, typt de zinnen die je wilt laten uitspreken en kiest een stem. De app maakt eerst het spraakspoor en stuurt daarna de foto en de audio naar het videomodel. Je krijgt een verticale video die direct klaar is voor TikTok, Instagram Reels of YouTube Shorts.
Kies de foto
Het videomodel kan alleen werken met wat zichtbaar is op het startbeeld. Bij elk verborgen detail moet de AI gokken, en door dat gokken gaat een gezicht vervormen.
Gebruik een foto van voren waarbij de persoon recht in de lens kijkt of net iets ernaast. De mond moet goed zichtbaar zijn. Een ontspannen, gesloten mond of een lichte glimlach geeft het beste startpunt. Als de persoon lacht met een wijd open mond, ziet het model die open kaak als de ruststand, waardoor de pauzes tussen woorden er vreemd uitzien.
Houd het gezicht vrij van obstakels:
- Geen handen voor de kin of wang.
- Geen microfoons, koffiekopjes of eten voor de lippen.
- Geen harde schaduwen over de mond of ogen.
- Geen zonnebril, want oogcontact doet de helft van het werk om spraak echt te laten lijken.
Je kunt een gewone telefoonselfie gebruiken, een studioportret, of een gestileerd beeld dat je met een fotokaart van Doppelshot hebt gemaakt, zoals een vintage filmportret of een filmposter. Zowel close-ups als foto's vanaf het middel werken goed. Een close-up legt de nadruk op de ogen en de lipsynchronisatie. Een foto vanaf het middel geeft het model de ruimte om tijdens het praten ook de schouders en handen te bewegen. Elke persoon op een geüploade foto moet volwassen zijn (18+) en toestemming hebben gegeven om in door AI gemaakte content te verschijnen.
Schrijf voor negen seconden
De meeste korte sprekende clips duren negen of tien seconden. In een normaal gesprek komt negen seconden neer op ongeveer 20 tot 25 woorden.
Als je een alinea van 60 woorden in een korte clip plakt, raast de spraakgenerator door de tekst of wordt de zin halverwege afgekapt zodra de video stopt. Als je drie woorden schrijft, praat de persoon één seconde en kijkt die de overige acht seconden zwijgend en knipperend in de camera.
Schrijf zoals mensen praten, niet zoals ze een e-mail schrijven:
- Gebruik korte zinnen. Twee zinnen van elk tien woorden klinken veel natuurlijker dan één zin van twintig woorden met drie bijzinnen.
- Gebruik leestekens om de ademhaling te sturen. Een komma geeft de stem een korte pauze. Een punt zorgt ervoor dat de spreker de mond sluit, de kin iets laat zakken en ademhaalt voor de volgende zin.
- Schrijf getallen en afkortingen volledig in woorden uit, zodat de stem ze precies zo voorleest als jij bedoelt.
- Lees je script hardop voor op een normaal, rustig tempo terwijl je een timer bijhoudt. Kom je boven de negen seconden uit, schrap dan een paar woorden.
Heb je een langere monoloog of een aankondiging nodig, schakel dan over naar een model dat langere video's ondersteunt, of maak een gesprek tussen twee personen op de kaart Maak een podcast.
De stem: kies er een of kloon die van jezelf
Hoe echt een pratende foto overkomt, hangt net zoveel af van het audiospoor als van de videopixels. Omdat het videomodel zich laat leiden door de geluidsgolf, levert een vlakke, robotachtige stem ook een vlak en stijf gezicht op.
Doppelshot gebruikt ElevenLabs (Eleven v4) voor de stemmenbibliotheek. Je kunt kiezen uit zo'n 30 stemmen in verschillende stijlen en tonen, of de keuzeknop op Auto laten staan zodat de app een stem kiest die bij de persoon op je foto past. De stem spreekt de taal waarin jij je script schrijft. Je kunt ook een aanwijzing voor de toon meegeven, zoals zacht, geamuseerd of buiten adem, zodat de zin klinkt alsof hij echt wordt uitgesproken in plaats van opgelezen.
Als je zelf op de foto staat, kan de stem van een vreemde uit jouw gezicht raar aanvoelen voor mensen die je kennen. Je kunt je eigen stem rechtstreeks in de app klonen. Je neemt één keer een kort toestemmingsfragment op in je browser en binnen een paar minuten is de kloon klaar. Die staat naast de stemmen uit de bibliotheek en werkt op elke sprekende kaart.
Geef regie mee
Iemand die voor de camera praat, staat zelden van het eerste tot het laatste woord in dezelfde houding stil. Mensen kijken even omhoog als ze nadenken, knikken bij een belangrijk woord of glimlachen na een clou.
Bij verschillende sprekende modellen kun je naast je script een korte regieaanwijzing toevoegen. Deze aanwijzing vertelt het videomodel wat de persoon en de camera doen terwijl de audio afspeelt.
Houd de aanwijzing simpel en fysiek. Beschrijf één of twee kleine acties die binnen negen seconden passen:
- "Kijkt recht in de lens, knikt één keer en glimlacht aan het einde."
- "Praat rustig met een licht gekanteld hoofd, warm binnenlicht."
- "Houdt een koffiemok vast, kijkt op naar de camera en spreekt zacht."
Prop niet meerdere grote acties in een korte clip. Als je vraagt om in negen seconden op te staan, door een kamer te lopen, te zwaaien en weer te gaan zitten, dwing je snelle, onnatuurlijke bewegingen af. Dat leidt de aandacht af van het gezicht en verstoort de lipsynchronisatie.
Welk model: OmniHuman, LTX, HeyGen, Kling, Creatify
Elke sprekende kaart in Doppelshot draait op een standaardmodel, en je kunt vóór het genereren op een andere modelknop tikken. Verschillende modellen zijn gebouwd voor verschillende opnames. De prijs staat vermeld voordat je start.
OmniHuman 2.0 (ByteDance). Gebouwd voor expressieve spraak, lichaamstaal en zang. Het volgt de stem nauwkeurig en stemt de lippen, ademhaling en handgebaren af op de audio. Omdat het model een geschreven regieaanwijzing accepteert, kun je aangeven hoe de persoon tijdens het praten moet reageren. Het werkt op close-ups en foto's ten voeten uit, en maakt video's van 10, 20 of 30 seconden.
LTX 2.5 (Lightricks). Gebouwd voor een filmisch shot tot 9 seconden (ongeveer 25 woorden). Waar de meeste avatarmodellen zich puur op de persoon richten, behandelt LTX de clip als een filmregisseur: het animeert de pratende persoon in een complete scène met kadrering, belichting, camerabeweging en achteraf toegevoegd omgevingsgeluid. Kies dit model wanneer de omgeving rond de spreker net zo belangrijk is als de woorden.
HeyGen Avatar 4. Afgesteld op gezichtsuitdrukking, beweging van de wenkbrauwen en oogcontact. Het behoudt de uitstraling van de originele foto en geeft de spreker de présence van een presentator voor de camera. Dit model drijft ook de kaart Drie emoties aan, waarbij je foto dezelfde zin op drie manieren uitspreekt in één clip.
Kling Avatar en Kling Avatar Pro (Kuaishou). De praktische keuze voor lange scripts. Kling Avatar maakt sprekende video's van 10 tot 60 seconden, geprijsd per segment van 10 seconden. De standaardversie is de voordeligste manier om een lange aankondiging of intro te maken; de Pro-versie behoudt fijnere gezichtsdetails en stabielere bewegingen bij lange opnames.
Creatify Aurora. Getraind op beelden van presentatoren en door gebruikers gemaakte videoadvertenties. Het laat de spreker zich direct en zelfverzekerd tot de camera richten, gemaakt voor productpitches en pakkende video's voor sociale media tot 20 seconden.
Voor stapsgewijze instructies om je eerste clip op te zetten, bekijk je de hulppagina over hoe je een foto laat praten of zingen.
Waar het misgaat en hoe je het oplost
Zelfs goede modellen lopen vast als de invoer buiten het bereik valt waarvoor ze zijn getraind. Dit zijn de meest voorkomende problemen en hoe je ze oplost voordat je credits uitgeeft.
Het gezicht vervormt wanneer het hoofd draait. Je hebt een zijaanzicht of een driekwartportret geüpload waarop maar één oog en de helft van de mond zichtbaar zijn. Wanneer de spreker naar de camera draait, moet de AI de ontbrekende helft van het gezicht zelf verzinnen. Oplossing: gebruik een foto van voren waarop beide ogen en beide mondhoeken duidelijk te zien zijn.
De tanden of lippen zien er wazig uit. De originele foto heeft een lage resolutie, is sterk gecomprimeerd of is te donker rond de mond. Oplossing: begin met een goed belichte selfie, of haal de foto eerst door de upscaler zodat het model scherpe randen heeft voor de lippen.
De spraak wordt aan het einde afgekapt. Het script bevat te veel woorden voor de cliplengte die je hebt gekozen. Oplossing: kort het script in tot ongeveer 20 à 25 woorden per 10 seconden, of zet de lengte op 20 of 30 seconden.
De stem spreekt een naam of afkorting verkeerd uit. Spraakmodellen raden de fonetische uitspraak op basis van de taal van de tekst. Oplossing: schrijf het lastige woord fonetisch in het scriptvak, zodat de audiogenerator precies de klanken leest die je wilt horen.
De persoon oogt stijf tussen de zinnen door. Er zit een lange stilte in het script of er is geen regie meegegeven. Oplossing: haal lege pauzes weg door de tekst strakker te maken, of kies OmniHuman en voeg een lichte actieaanwijzing toe zoals "glimlacht licht aan het einde."
Veelgestelde vragen
Kan ik een foto laten praten met mijn eigen stem?
Ja. Je neemt één keer een kort stemfragment op in de browserapp van Doppelshot. Je gekloonde stem is binnen enkele minuten klaar en verschijnt op elke sprekende kaart naast de 30 stemmen uit de bibliotheek.
Hoe lang kan een video van een pratende AI-foto zijn?
Tot 60 seconden, afhankelijk van het model dat je kiest. LTX 2.5 maakt clips tot 9 seconden, Creatify Aurora gaat tot 20 seconden, OmniHuman loopt tot 30 seconden en Kling Avatar ondersteunt scripts van 10 tot 60 seconden.
Moet ik 20 selfies uploaden om een pratende video te maken?
Nee. Eén duidelijke foto van voren is genoeg voor elke sprekende en zingende kaart. Je gebruikt alleen 10 tot 20 selfies als je eerst een herbruikbare AI-tweeling wilt maken om nieuwe fotoscènes te genereren.
Mag ik de pratende video gebruiken voor commerciële projecten of advertenties op sociale media?
Ja. Elk betaald resultaat op Doppelshot bevat een commerciële licentie zonder zichtbaar watermerk, en heeft een machineleesbare AI-markering volgens de EU-regels. Gratis voorbeeldresultaten hebben een zichtbaar watermerk en zijn alleen voor persoonlijk gebruik.
