Zum Inhalt springen
im Trend

Nachrichten

HeyGen Avatar 6 im Test: Lip-Sync-KI, Preise und Vergleich

Mein Test von HeyGen Avatar 6: Lip Sync 8/10, Turbo kostet die Hälfte. Dazu der Vergleich mit OmniHuman 2 und MiniMax H3 Max Lip Sync.

Text: 6 Min. Lesezeit
HeyGen Avatar 6 im Test: Lip-Sync-KI, Preise und Vergleich

👁 118 Aufrufe

HeyGen Avatar 6 ist seit dem 17. November 2026 bei fal.ai verfügbar, und zwar in drei Modi - aus einem Foto, aus einem Referenzvideo einer gezeichneten Figur und aus einem HeyGen-Stock-Avatar -, jeweils in einer regulären und einer günstigeren Turbo-Version. Ich habe das Modell noch am selben Abend getestet, mit einer erfundenen Frau, die es nicht gibt, und einer gezeichneten Maus im Papercraft-Look. Anschließend habe ich es mit OmniHuman 2 und MiniMax H3 Max Lip Sync verglichen, mit demselben Foto und derselben Stimme. Kurzfassung: Das Lip Sync ist sehr gut, Turbo kostet die Hälfte und ist nur etwas schlechter.

HeyGen Avatar 6 im Überblick

In meinem Test erreichte Avatar 6 beim Lip Sync 8/10 Punkte, Turbo 7,5/10. Die Lippen runden sich bei harten Konsonanten korrekt und schließen sich in längeren Pausen. In sehr kurzen Pausen lächelt die Figur mit sichtbaren Zähnen, statt den Mund zu schließen - das ist das einzige Indiz, dass das Video künstlich ist. Eine Minute 1080p-Video kostet auf fal USD 6 (etwa 5,46 EUR) in der regulären Version oder USD 3 (etwa 2,73 EUR) als Turbo.

Was HeyGen genau gestartet hat

HeyGen steht hinter einer der bekanntesten Apps für sprechende Avatare. Avatar 6 ist die neue Engine, und sie lässt sich jetzt auch über die fal-API ansprechen. Abgerechnet wird pro Sekunde fertigem Video, ohne Abo.

Modus bei fal Was Sie liefern Regulär Turbo
Image to Video ein Foto einer Person + eine Sprachaufnahme (optional ein Bewegungs-Prompt) USD 0,10/s USD 0,05/s
Reference Video to Video ein kurzes Video einer gezeichneten oder animierten Figur + eine Sprachaufnahme (optional ein Foto der Figur) USD 0,10/s USD 0,05/s
Identity to Video ein HeyGen-Stock-Avatar + ein Text-Skript mit HeyGen-Stimme oder Ihre eigene Aufnahme USD 0,10/s USD 0,05/s

Die Preise gelten für 1080p. In 2K kostet es USD 0,145/s (regulär) und USD 0,0875/s (Turbo). Die Aufnahme bestimmt die Länge des Videos, und Identity to Video liefert 16:9, 9:16, 1:1, 4:5 oder 5:4. Eine wichtige Einschränkung: Der Referenzvideo-Modus akzeptiert keine Videos echter Menschen, nur gezeichnete und animierte Figuren.

Test 1: ein Foto und eine Stimme

Als Eingabe diente das Porträt einer erfundenen Frau, erzeugt mit Kling 4.0 Image, dazu eine 14,9 Sekunden lange KI-Sprachaufnahme von ElevenLabs. Ich habe bewusst Polnisch gewählt, eine Sprache voller Konsonantenhäufungen wie „szcz“ und „źdźbło“, an denen sich Lip Sync leicht verschluckt - der Satz enthält die Zungenbrecher „szczęście, źdźbło, chrząszcz“. Avatar 6 übersetzt nichts: Das Modell bewegt die Lippen zu jeder Aufnahme, die Sie hochladen, in jeder Sprache. Das Gleiche funktioniert daher auch mit deutschem Audio, denn das Modell folgt der hochgeladenen Aufnahme. Bewegungs-Prompt: natürliches, freundliches Sprechen, kleine Kopfbewegungen. 1080p.

Porträt einer erfundenen Frau als Eingabe für HeyGen Avatar 6
Eingabe: ein einziges Foto einer Person, die es nicht gibt.

Avatar 6 (regulär) - 8/10

Die Lippen folgen der Aufnahme über den ganzen Clip. Bei den schwierigsten Wörtern runden sie sich deutlich, und in der längeren Pause bei etwa 6,9 s schließen sie sich. In kurzen Pausen (0,9 s, 3,3 s, 11,7 s) lächelt die Frau mit sichtbaren Zähnen, statt den Mund zu schließen. Die Datei war nach 55 s fertig und kostete USD 1,48 (etwa 1,35 EUR).

Mundbilder von HeyGen Avatar 6 im Abstand von 0,6 s mit der Lautstärke des Audios
Der Mund alle 0,6 s; der rote Balken zeigt die Lautstärke der Sprache in diesem Moment. Gutes Sync heißt: offene Lippen bei einem langen Balken, geschlossene Lippen bei einem leeren.

Avatar 6 Turbo - 7,5/10

Turbo bewegt den Kopf stärker und artikuliert fast genauso präzise. Der Unterschied zeigt sich in der Pause nach 6,9 s: Die Lippen bleiben leicht geöffnet. Schneller war Turbo bei mir nicht, die Datei kam nach 83 s, dafür kostete sie nur die Hälfte: USD 0,74 (etwa 0,67 EUR).

Test 2: eine gezeichnete Maus aus einem Referenzvideo

Eingabe: ein 5 Sekunden langes Video, erstellt aus einer Papercraft-Illustration einer Maus (Kling 4.0 Image), und eine 6,1 Sekunden lange KI-Stimme einer fröhlichen Geschichtenerzählerin.

Regulär: 87 s, USD 0,60 (etwa 0,55 EUR).
Turbo: 100 s, USD 0,30 (etwa 0,27 EUR).

Die Maus spricht, blinzelt und wechselt den Gesichtsausdruck, und der Papercraft-Stil bleibt erhalten - das Modell versucht nicht, daraus ein realistisches Tier zu machen. Einen nennenswerten Unterschied zwischen regulär und Turbo sehe ich hier nicht, daher würde ich für Zeichentrickfiguren Turbo nehmen.

HeyGen Avatar 6 vs. OmniHuman 2 vs. H3 Max Lip Sync

Gleiches Foto, die ersten 7 Sekunden derselben Aufnahme, Standardeinstellungen, alles über fal.

Mundvergleich von HeyGen Avatar 6, Avatar 6 Turbo, OmniHuman 2 und H3 Max Lip Sync im Abstand von 0,6 s
Bilder im Abstand von 0,6 s. Die Pausen liegen bei 0,9 s, 3,3 s und 6,9 s - dort sollte der Mund geschlossen sein.
Modell Note Auflösung Zeit bis zur Datei Preis bei fal
MiniMax H3 Max Lip Sync 8,5/10 480×832 15 s USD 0,05/s (480P)
HeyGen Avatar 6 8/10 1080×1920 55 s USD 0,10/s
OmniHuman 2 8/10 720×1278 120 s USD 0,105/s
HeyGen Avatar 6 Turbo 7,5/10 1080×1920 83 s USD 0,05/s

H3 schloss den Mund in Pausen am besten und ist am günstigsten, allerdings nur in 480P. Avatar 6 und OmniHuman 2 liegen gleichauf: Avatar 6 liefert scharfes 1080p und lebendigere Mimik, OmniHuman 2 ein ruhigeres, natürlicheres Gesicht in 720p. Die Zeiten für Avatar 6 beziehen sich auf den gesamten 14,9-Sekunden-Clip.

OmniHuman 2 - 8/10.
H3 Max Lip Sync - 8,5/10.

Preis: fal oder die HeyGen-App

HeyGen und fal rechnen in US-Dollar ab; die Euro-Beträge sind ungefähre Werte (EZB-Kurs vom 17. November 2026).

Option Preis Avatar 6
fal, Avatar 6 USD 6 pro Minute (1080p; etwa 5,46 EUR), USD 8,70 (2K; etwa 7,92 EUR) alle 3 Modi
fal, Avatar 6 Turbo USD 3 pro Minute (1080p; etwa 2,73 EUR), USD 5,25 (2K; etwa 4,78 EUR) alle 3 Modi
HeyGen Free USD 0 3 Videos pro Monat bis 1 Min., Wasserzeichen
HeyGen Creator USD 29/Monat (etwa 26,39 EUR; USD 24, etwa 21,84 EUR, bei jährlicher Abrechnung) Avatar 6 Turbo
HeyGen Pro USD 49/Monat (etwa 44,59 EUR) Avatar 6 und Turbo
HeyGen Business USD 149/Monat (etwa 135,59 EUR) + USD 20 (etwa 18,20 EUR) je zusätzlichem Platz Avatar 6 und Turbo

Der Preis für einen Monat Creator (USD 29, etwa 26,39 EUR) kauft auf fal 9 Min. 40 s Turbo-Video; ein Monat Pro (USD 49, etwa 44,59 EUR) kauft 8 Min. 10 s regulären Avatar 6. Wenn Sie weniger erzeugen, ist fal günstiger. Mehr zu Tarifen, Modi und zum Einstieg: HeyGen - der komplette Ratgeber zu KI-Avataren.

So habe ich getestet

  • 17. November 2026, fal.ai-API, ein Durchlauf pro Modus, für den Vergleich dasselbe Foto und dieselbe Stimme.
  • Die Figuren wurden per KI erzeugt (Kling 4.0 Image), die Stimmen stammen von ElevenLabs. Keine reale Person.
  • Bewertung 0-10: Öffnen sich die Lippen bei Silben und schließen sie sich in Pausen, gibt es Artefakte an Zähnen und Lippen, wirkt der Ausdruck natürlich. Ich habe den ganzen Clip geprüft sowie Mundbilder im Abstand von 0,6 s gegen die Lautstärke des Audios.
  • Die Clips auf dieser Seite sind für die Vorschau komprimiert; die Originale von fal hatten 1080×1920.

FAQ

Funktioniert HeyGen Avatar 6 auch auf Deutsch?

Ja. Das Modell bewegt die Lippen zu der Aufnahme, die Sie hochladen, die Sprache des Audios ist also die Sprache des Videos. In meinem Test hielt es das Sync sogar bei polnischen Zungenbrechern.

Was kostet eine Minute Avatar 6?

Auf fal in 1080p: USD 6 (etwa 5,46 EUR) regulär, USD 3 (etwa 2,73 EUR) als Turbo. In 2K: USD 8,70 (etwa 7,92 EUR) und USD 5,25 (etwa 4,78 EUR).

Kann ich ein Foto einer echten Person animieren?

Nur mit der Einwilligung dieser Person und einem klaren Hinweis, dass das Video KI-generiert ist. HeyGen verlangt in seiner App für realistische Avatare eine Bestätigung der Einwilligung, und der Referenzvideo-Modus bei fal akzeptiert Videos echter Menschen gar nicht.

Google · Deine QuellenWissnox höher in Ihrem Google - mit einem KlickZu bevorzugten Quellen hinzufügen →

Quellen

Kinetyra

Der Link zu ElevenLabs ist ein Partnerlink: Wenn Sie darüber kaufen, erhält WISSNOX eine Provision, für Sie bleibt der Preis gleich. Auf den Inhalt hat das keinen Einfluss, auch nicht auf kritische Passagen.

// read next

More on this from WISSNOX

Wissnox

Wissnox

ADMINISTRATOR
weiterlesenKI-Video-Upscaling im Test: FlashVSR+, SeedVR und LTX 2.5 von 480p auf 4KtestsKI-Video-Upscaling im Test: FlashVSR+, SeedVR und LTX 2.5 von 480p auf 4KDerselbe 480p-Clip, drei Upscaler auf fal.ai. FlashVSR+ liefert die meisten Details und ist am günstigsten: ca. 0,07 USD für 2x, 0,27 USD für 4K.

Meistgelesen

  1. 1100.000 Qubits statt einer Million: Wie nah ist der Quanten-Codeknacker wirklich?
  2. 2Die partielle Mondfinsternis im August 2026: Warum 96 % kein „Blutmond“ sind - und gerade deshalb faszinieren
  3. 3Seedance 2.5 im Test: 8 Video-Beispiele mit Prompts
// Sitemap
wissnox in Zahlen 0Texte im Archiv0News der letzten 7 Tage0Videomodelle im Observatorium
🎬 KI-Video Empfehlung: Higgsfield AI DoP Kamera-Presets & Rechner • Higgsfield AI 50% Gutschein • Higgsfield vs Kling AI
× ‹ Vergrößerung ›